Meta、商用条件に制限のある816Bパラメータモデル「Muse Spark Open」を公開

Metaは2026年10月15日、複雑なエージェントタスク向けに設計された巨大な8160億パラメータのモデル「Muse Spark Open」をリリースしました。同社はこれを米国製オープンウェイトモデルの中で最も高性能なものとして位置づけ、独自のライセンス構造を維持しつつ、中国の主要な代替モデルのパフォーマンスに匹敵するか上回ることを目指しています。

何が起きたか

新モデルは420億個のアクティブパラメータを持ち、100万トークンのコンテキストウィンドウをサポートします。MetaはAmazon SageMaker AI、Google Cloud Model Garden、Hugging Face、MicrosoftのFoundry Model Catalogなどの主要プラットフォームを通じて重みデータをダウンロード可能にしました。開発者はまた、Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter、Together AIなどのプロバイダー経由でAPIアクセスも可能です。

重みデータは一般公開されていますが、付随する「Muse Model License」には特定の商用制限が課されています。連続する12か月間で総収益が2,000万ドルを超える企業は、モデルやその派生品をサービスとして提供する前にMetaへ通知し、個別の書面による契約を締結する必要があります。この閾値により、無制限の商用展開は中小規模のエンティティや社内でのエンタープライズ利用に実質的に限定されます。

ライセンスではさらに、Muse Spark Openを使用して構築された製品またはサービスは、ユーザーインターフェースに「Built with Muse Spark Open」という帰属表示を目立つ形で掲載することが義務付けられています。これらの条件は、MoonshotのKimi K3など中国の競合他社が最近導入したライセンスに見られる制限と類似しています。ポリシーでは軍事的用途および重要インフラへの展開が明確に禁止されており、これはMetaが2024年にLlamaモデルで導入した制約ですが、一部の競合ポリシーに見られるようなより広範な使用禁止事項は含まれていません。

仕組み

Muse Spark Openはスパースアーキテクチャを採用しており、推論ステップごとに8160億個のパラメータのうち420億個のみがアクティブになります。この設計により、モデルは膨大な知識ベースと推論能力を維持しながら、同等の総サイズを持つ密な（dense）モデルと比較してトークンあたりの計算コストを削減できます。100万トークンのウィンドウにより、モデルは広範なコードベース、長いドキュメント、またはマルチステップのエージェントワークフローをコンテキストを失うことなく処理できます。

Metaはこのモデルをコーディングおよびエージェント業務用に最適化し、長期的な視野を持つタスクやマルチステップ推論に焦点を当てました。ローカル実行の可能性を示すため、MetaはAppleと協力し、それぞれM5 Ultraチップと512GBメモリを搭載した2台のMac Studioユニット上でMLXフレームワークを用いて接続し、モデルを実行しました。このセットアップにより、MetaはMuse Codeを駆動し、Ice Cubes Mastodonクライアントへのアップデートを提供しましたが、このようなハードウェアはほとんどの個人開発者にとって依然として高価です。

主要な詳細

• モデルサイズ: 総パラメータ数8160億、アクティブパラメータ数420億。
• コンテキストウィンドウ: 最大100万トークンをサポート。
• 収益閾値: 年間総収益が2,000万ドルを超える企業は、サービス提供のために個別契約を締結する必要があります。
• 帰属表示要件: 製品はユーザーインターフェースに「Built with Muse Spark Open」を表示する必要があります。
• 入手可能性: 重みデータはHugging Face、SageMaker、Google Cloud、Microsoft Foundryで利用可能。APIは8つの主要プロバイダー経由で利用可能。
• ハードウェアデモ: M5 Ultraチップと512GB RAMを搭載した2台のMac Studioでローカル実行。

なぜ重要か

ソフトウェアエンジニアや技術系創業者にとって、Muse Spark OpenはKimi K3、GLM 5.3、Qwen3.8などの中国製モデルに対抗できる、エージェントワークフロー向けの高性能オプションを表しています。JobBenchやMCP-Atlasなどのツール使用およびエージェントタスクに焦点を当てたベンチマークでは、Muse Spark Openはこれらの競合を上回っています。しかし、純粋なコーディングベンチマークでは依然として劣っており、Terminal-Bench 2.1でのスコアは76.4で、Kimi K3の85.0を下回っています。これは、このモデルが生コード生成単体よりも、複雑なマルチステップ推論タスクに適していることを示唆しています。

ライセンス構造は、成長中のスタートアップにとって明確なコンプライアンス境界を導入します。社内利用や独自製品への統合はすべての企業に対して無料のままですが、2,000万ドルの収益閾値を超えると、サービスベースの提供について交渉が必要になります。これによりスケーリングのための予測可能な道筋が生まれますが、成功した企業には法的なオーバーヘッドが加わります。必須の帰属表示条項も製品設計に影響を与え、すべてのホワイトレーベル戦略と一致しない可能性のある可視的なブランディングを要求します。

できること

• Thinking MachinesのInklingなどの米国の競合を上回る、エージェントタスクや長文脈推論においてMuse Spark Openを評価してください。
• 会社の総収益を2,000万ドルの閾値と比較し、商用サービス提供のためにMetaとの個別契約が必要かどうかを確認してください。
• モデルやその派生品を展開する場合、ユーザーインターフェースに必要な「Built with Muse Spark Open」帰属表示を実装してください。
• ローカルインフラのコストをコミットする前に、Fireworks AIやGroqなどのAPIプロバイダー経由でモデルをテストしてください。
• 主なユースケースがスタンドアロンのコード生成である場合、関連ベンチマークでKimi K3やGLM 5.3に遅れを取っているため、コーディングパフォーマンスのギャップを検討してください。
• ローカル展開を計画している場合はハードウェア要件を監視し、最適なパフォーマンスには現在、512GB RAMを搭載したデュアルMac Studioのようなハイエンドセットアップが必要であることを留意してください。