Muse Spark Open は何が公開され、何を確かめればよいか
Meta は 2026 年 10 月 15 日、オープンウェイトモデル「Muse Spark Open」を公開しました。Meta の公式ブログ によると、総パラメータは 816B、トークンごとに使われるアクティブパラメータは 42B で、文脈長は 100 万トークン、ネイティブにマルチモーダルです。
「Meta が最も高性能なオープンモデルを公開した」と聞くと、すぐ自社で動かしたくなります。しかし、重みが公開されていることと、自社の使い方で許されていること、自社の機材で動くことは別の話です。
この記事では、Meta の公式ブログ、Hugging Face のモデルカード、TechCrunch の報道 (いずれも 2026 年 10 月 18 日に確認) から、公開内容、ライセンスの条件、動かすのに要るもの、試し方、評価の読み方を整理します。オープンウェイトを自社で扱う考え方そのものは、オープンウェイト 3 モデル比較 と ローカル LLM とは で扱っています。
公開内容を表で確認する
公式ブログとモデルカードで確認できた内容は次のとおりです。
| 項目 | 内容 |
|---|---|
| 公開日 | 2026 年 10 月 15 日 |
| 総パラメータ | 816B |
| アクティブパラメータ | 42B (トークンごと) |
| 文脈長 | 100 万トークン |
| 入力 | ネイティブにマルチモーダル |
| ライセンス | Muse Model License |
| 重みの形式 | BF16 と NVFP4 (Safetensors) |
| 対応する推論エンジン | SGLang・vLLM・TensorRT-LLM・Hugging Face Transformers・Apple MLX・llama.cpp・Unsloth |
| 重みのダウンロード先 | Amazon SageMaker AI・Google Cloud Model Garden・Hugging Face・Microsoft Foundry Models |
| ホスト型 API の提供先 | Baseten・Fireworks AI・Groq・Modal・Nebius・OpenRouter・Together AI |
Meta の公式ブログには、API の料金や日本からの提供条件の記載は確認できませんでした。この記事でも、料金や日本語の性能には触れません。
ライセンスはどこまで自由か
Muse Spark Open は、オープンソースの標準的なライセンスではなく、Meta 独自の Muse Model License で公開されています。Meta 自身は「限られた商用条件があり、多くの開発者が無料で使える」と説明しています。
モデルカードで確認できた条件は、次の 3 点です。
- 製品・ドキュメント・設定などに「Built with Muse Spark Open」と表示する
- Model as a Service として提供し、12 か月間の総売上が 2,000 万ドルを超える場合は、Meta に通知して別の契約を結ぶ
- 付録の利用ポリシー (Exhibit A) に従う。マルウェアの作成や、同意のないなりすましなどが禁止されている
あわせて、出力物の所有権を Meta は主張せず、ソフトウェアは現状有姿で提供されると書かれています。
注意
ここで挙げたのは、モデルカードの記載を要約したものです。「Model as a Service として提供する」の範囲や、社内利用が条件に当たるかどうかは、ライセンス原文の定義で決まります。要約だけで契約や社内規程を判断せず、法務担当と原文を読んでください。
FIXIT重みが公開されてるなら、自由に使っていいってこと？
Tsumikiそこは別の話です。公開と許諾は別なので、ライセンスの原文を先に読んでください。
FIXIT表示の義務とか、売上の条件とかがあるんだ。
Tsumiki自社の使い方が当たるかは、要約でなく原文の定義で確かめるのが確実です。
動かすのに何が要るか
モデルカードは、必要なメモリを形式ごとに書いています。NVFP4 版を動かすには 700GB 以上の VRAM、BF16 版では約 2TB です。
Meta の公式ブログが挙げるデスクトップの例は、最大 512GB の統合メモリを持つ Apple の Mac Studio (M5 Ultra) を 2 台使い、MLX で動かす構成です。公式ブログに、NVIDIA や AMD の GPU での最小構成は書かれていません。
TechCrunch は、1TB 以上の RAM が必要だと報じています。モデルカードの 700GB 以上という数字とずれて見えます。TechCrunch は出典として Engadget を挙げており、形式や構成の違いが背景にある可能性があります。社内で共有するときは、どの形式の数字なのかを必ず添えてください。
どの形式でも、一般的なノート PC や 1 枚のコンシューマ GPU で動かす規模ではありません。モデルカードには llama.cpp・Ollama・LM Studio 向けの量子化版へのリンクも並んでいますが、それらを含めて必要なメモリは公式の数字で確認してください。
試すなら API から始める
試す経路は、公式が挙げる提供先から選べます。
| 経路 | 使うもの | 向いている場面 |
|---|---|---|
| ホスト型 API | Baseten・Fireworks AI・Groq・Modal・Nebius・OpenRouter・Together AI | 自社のタスクで性能を小さく確かめる |
| クラウドから入手 | Amazon SageMaker AI・Google Cloud Model Garden・Microsoft Foundry Models | 既存のクラウド基盤の中で運用したい |
| 重みを自前で運用 | Hugging Face の重み・SGLang や vLLM などの推論エンジン | データを外に出さずに運用したい |
自前で運用する場合、Hugging Face の重みはアクセスフォームの提出が先に必要です。ログインのうえ、氏名・生年月日・組織名の入力が求められ、提出後は編集できません。組織で使うなら、ライセンスに同意する権限のある人が申請してください。
試す順序としては、まず API で自社のタスクに近い作業を小さく評価し、結果がよければクラウドや自前運用を検討する流れが、手戻りの少ない進め方です。API を使うときも、ライセンスの条件と、提供元ごとの料金・提供条件は、それぞれのページで確認します。
評価の読み方
Meta は Muse Spark Open を、米国で最も高性能なオープンウェイトモデルだと説明しています。TechCrunch によれば、この説明は Meta が公開した評価結果にもとづくものです。TechCrunch の記事では、独立した評価者は示されていません。
この記事では、ベンチマークの個別の数値は取り上げません。一次情報で、どの条件でどのモデルと比べた数値なのかまで確かめきれていないためです。新しいモデルの評価は、発表直後の比較表より、自社のタスクで同じ条件にそろえて試した結果のほうが、採用の根拠として強くなります。
補足
「最も高性能」は Meta 自身の説明です。第三者による検証が出そろうまでは、候補に入れる理由として扱い、採用の決め手にはしないのが安全です。
採用判断に落とし込むなら
自社で使うかどうかは、次の順で確認すると整理しやすくなります。
- 使い方がライセンスの 3 条件のどれに当たるかを、原文で確認する
- API・クラウド・自前運用のどれで試すかを決める
- 自前運用なら、動かす形式と必要なメモリを公式の数字で見積もる
- 自社のタスクに近い作業で、現在使っているモデルと同じ条件で比べる
規模は異なりますが、Kimi K3 や Qwen3.8-Max のような大型のオープンウェイトモデルでも、確認の順序は同じです。小さいモデルを手元で試したい場合は、Gemma 4 12B のほうが現実的な規模です。
FIXIT の運用｜新しいモデルは小さく評価してから決める
FIXIT は、新しいモデルが出たときに、ベンチマークの見出しだけで切り替えません。まず用途を絞り、同じ条件で現在のモデルと比べてから、採用するかを決めています。ライセンスの条件は、技術の評価より先に確認します。
FIXIT結局、最初に何をすればいいの？
Tsumikiライセンスの原文を読んで、API で小さく試すところからです。
次の一歩
Muse Spark Open は、重みが公開されている一方で、独自のライセンスと大きなメモリを前提にしたモデルです。まず自社の使い方がライセンスの条件に当たるかを原文で確認し、そのうえで API から小さく評価してください。
評価の基準づくりや、複数のモデルを使い分ける運用ルールの整備は、AI 開発ツール定着支援 でご相談いただけます。AI エージェントに組み込む場合は AI エージェント開発 も参考にしてください。内容に応じたご相談は お問い合わせ からどうぞ。