Meta maakt Muse Spark Open vrij beschikbaar: groot AI-model voor programmeren, ook op eigen computers

Meta heeft op 15 oktober 2026 Muse Spark Open uitgebracht. Dat is een versie van zijn AI-model Muse Spark waarvan de zogeheten gewichten openbaar zijn. Die gewichten zijn de honderden miljarden getallen die samen bepalen hoe een AI-model denkt en antwoordt. Wie ze heeft, kan het model downloaden, op eigen computers draaien en verder trainen, zonder via een dienst van Meta te hoeven gaan.

Meta noemt Muse Spark Open het krachtigste Amerikaanse open model tot nu toe. Het model is gemaakt voor programmeerwerk en voor agenttaken: opdrachten waarbij een AI zelfstandig een plan maakt, tools gebruikt, het resultaat bekijkt en zichzelf bijstuurt. Naast tekst begrijpt het ook afbeeldingen, geluid en video. Het kan dus een schermafdruk bekijken, naar een ingesproken bericht luisteren of een schermopname volgen terwijl het aan code werkt.

Meta kiest weer voor open

Meta was jarenlang een van de grote voorvechters van open AI-modellen, met de Llama-reeks. Met de eerste Muse Spark-modellen, vanaf april 2026, koos het bedrijf juist voor een gesloten aanpak: je kon ze alleen via Meta gebruiken. In augustus maakte topman Mark Zuckerberg bekend dat Meta weer open modellen ging uitbrengen. Het kleine model Muse Glimmer, dat op een laptop kan draaien, kwam toen meteen vrij. Muse Spark zou volgen, en dat is nu gebeurd.

Groot, maar slim met rekenkracht

Muse Spark Open telt ongeveer 816 miljard parameters, de instelbare getallen waaruit een AI-model bestaat. Toch rekent het per stukje tekst met maar een klein deel daarvan, ongeveer 42 miljard. Dat komt door de opbouw, die mixture-of-experts heet.

Vergelijk het met een goed gevulde werkplaats. Aan de wand hangen 256 stuks gereedschap, maar voor elke klus pak je er maar 8. De werkplaats moet groot genoeg zijn voor al dat gereedschap, maar je bent snel klaar omdat je alleen gebruikt wat je nodig hebt. Zo is het ook bij dit model: het vraagt het geheugen van een enorm model, maar werkt met de snelheid van een veel kleiner model.

Het model kan in één keer een enorme hoeveelheid informatie meenemen: ongeveer 1 miljoen tokens (woorddelen), genoeg voor duizenden pagina's tekst of een volledig softwareproject. Ook beelden, video en geluid passen in dat werkgeheugen. Het model denkt altijd even na voordat het antwoordt. Gebruikers kunnen wel instellen hoe lang, van kort voor eenvoudige vragen tot heel grondig voor lastige programmeerklussen.

Zelf draaien: van datacenter tot bureau

De volledige versie is ongeveer 1,5 terabyte groot en draait op zware servers met krachtige grafische chips. Er is ook een compactere versie voor de nieuwste chips van Nvidia. Volgens Meta is Muse Spark Open het eerste model in zijn klasse dat op een bureau kan draaien: op twee gekoppelde Mac Studio's met de M5 Ultra-chip, elk met 512 gigabyte werkgeheugen. Meta liet het model zo op eigen hardware echte programmeerklussen uitvoeren, zoals bugs oplossen in een open-source app.

Hugging Face, het platform waar de gewichten te downloaden zijn, probeerde sterk gecomprimeerde versies uit op één Mac Studio met 512 gigabyte geheugen. Die haalden ongeveer 20 tokens per seconde, sneller dan de meeste mensen lezen. Het team liet ook zien dat het hele model in ongeveer twee uur extra getraind kan worden op 64 grafische chips.

Wie geen eigen hardware heeft, kan het model gebruiken via diensten als Groq, Together AI en OpenRouter. De gewichten zijn te downloaden via Hugging Face, Amazon, Google Cloud en Microsoft.

Hoe goed is het?

Meta vergelijkt Muse Spark Open met andere grote open modellen, waaronder de Chinese modellen Kimi K3, GLM 5.3 en Qwen. In die vergelijking scoort Muse Spark Open het hoogst op een aantal tests voor agenttaken en op een zeer moeilijke kennistoets. Op andere tests, zoals programmeren in de opdrachtregel en een algemene intelligentie-index, scoren Kimi K3 en GLM 5.3 hoger. De cijfers komen van Meta zelf. Meta brengt binnenkort een volledig evaluatierapport uit, en onafhankelijke testers zullen het model de komende tijd ook zelf onder de loep nemen.

Omdat een open model zonder Meta's eigen beveiliging kan worden gebruikt, kreeg deze versie volgens Meta extra veiligheidstraining. Bij tests met pogingen om het model te misbruiken voor cyberaanvallen weigerde het volgens Meta ruim 99 procent van die verzoeken. Meta raadt bedrijven aan om bij gebruik zelf ook extra beveiliging in te bouwen, zoals een menselijke controle voordat een agent iets onomkeerbaars doet.

Gratis, met een paar voorwaarden

Meta brengt het model uit onder een eigen licentie, de Muse Model License. Iedereen mag het model gratis gebruiken, aanpassen, verder trainen en commercieel inzetten. Er gelden wel voorwaarden. Producten die het model gebruiken, moeten vermelden dat ze met Muse Spark Open zijn gebouwd. Bedrijven die AI-modellen als online dienst aanbieden en meer dan 20 miljoen dollar per jaar omzetten (ongeveer 17 miljoen euro), moeten eerst een aparte overeenkomst met Meta sluiten. En het model is niet bedoeld voor gebruikers onder de 18 jaar. Daarmee is het geen open source in de strikte zin, maar wel een model dat de meeste ontwikkelaars en onderzoekers vrij kunnen gebruiken.

Wat betekent dit voor de weg naar de singulariteit?

Muse Spark Open laat zien dat een model dat meekomt met de sterkste open modellen ter wereld, nu ook gewoon te downloaden is en zelfs op een bureau kan draaien. Dat is een mooie stap. Hoe meer onderzoekers en bedrijven zelf met zulke modellen kunnen werken, hoe sneller nieuwe toepassingen, verbeteringen en veiligheidsonderzoek volgen.

Het model is bovendien gebouwd voor precies het soort werk dat AI steeds zelfstandiger maakt: langere taken plannen, software schrijven en fouten herstellen. Zulke agents zijn een belangrijke bouwsteen als AI ooit actief gaat meehelpen aan de ontwikkeling van betere AI. De volgende stap is dat onafhankelijke tests laten zien hoe sterk het model in de praktijk is, en wat de open-sourcegemeenschap ermee gaat bouwen. Gezien het tempo van dit jaar hoeven we daar niet lang op te wachten.