Meta Muse Spark Open: 816 Milyar Parametreli Açık Ağırlıklı Model, Donanım Gereksinimi, Lisans ve Çalıştırma

Muse Spark Open nedir? (What is it)

Meta, Ağustos'ta kapalı olarak sunduğu Muse Spark ailesinin ağırlıklarını ilk kez herkese açtı. PyTorch blogundaki duyuruya göre Muse Spark Open, Muse Spark 1.3 ile aynı temel modeli paylaşıyor ve özellikle ajan tabanlı kodlama için eğitildi: çok dosyalı yeniden düzenleme, hata ayıklama oturumları ve uzun süren görevler. Meta, modelin bağımsız olarak, sistem korumaları olmadan çalıştırılacağını hesaba katarak ek güvenlik eğitimi (safety post-training) uyguladığını belirtiyor.

Reuters'ın aktardığına göre Meta CEO'su Mark Zuckerberg, gelişmiş yapay zekânın az sayıda şirkette toplanmaması gerektiğini savunuyor ve bu sürüm o yaklaşımın parçası. Daha önce Muse Wonder yalnız API üzerinden sunulmuştu; Ağustos'ta çıkan küçük Muse Glimmer ise yoğun (dense) ve açık ağırlıklı bir modeldi.

Teknik özellikler (Specifications)

Hugging Face blogundaki ayrıntılara göre parametrelerin yaklaşık %97'si uzman katmanlarında duruyor. Bu da her token için toplam modelin yalnız küçük bir kısmının hesaplandığı, ama tüm ağırlıkların bellekte tutulması gerektiği anlamına geliyor. Model ayrıca web'de gezinme, alt ajan başlatıp yönetme ve masaüstü, mobil ve tarayıcıda bilgisayar kullanımı için eğitilmiş.

Meta resmî duyurularında karşılaştırmalı benchmark puanı yerine çalışma hızı rakamları paylaştı: DFlash V2 tahminli kod çözme ile AMD MI355X üzerinde tek istekte 3,7 kat, 16 eşzamanlı istekte 2,9 kat verim artışı. Kodlama başarısına dair bağımsız ölçümler henüz sınırlı; değerlendirme yaparken Meta'nın model kartındaki sonuçların üretici beyanı olduğunu unutmayın.

Donanım gereksinimi (Hardware requirements)

Modelin asıl engeli boyutu. BF16 ağırlıklar yaklaşık 1,6 TB, NVFP4 sürümü yaklaşık 530 GB. Hugging Face'in test ettiği yapılandırmalar:

• Transformers, BF16: 4 düğüm × 8 H200 (32 GPU).
• Transformers, NVFP4: tek bir B200 düğümü.
• vLLM, NVFP4: Blackwell GPU'lar, 4'lü tensör paralelliği (şimdilik yalnız metin ve görüntü).
• llama.cpp, Q2_K: 512 GB belleğe sahip Mac M3 Ultra; model ~304 GB yer kaplıyor, ~18 token/sn üretim.
• Tam 1M bağlam: BF16 KV önbelleği tek başına ~266 GB.

Reuters'a göre Meta, modelin iki adet Apple M5 Ultra Mac Studio üzerinde yerel olarak çalışabildiğini söylüyor. Bu, kurum içi deneme için mümkün ama üretim yükü için yeterli değil.

Nasıl çalıştırılır? (Running the model)

Ana depo meta-models/Muse-Spark-Open-816B-A42B. En kolay yerel deneme llama.cpp ile:

llama serve -hf ggml-org/Muse-Spark-Open-816B-A42B-GGUF:Q2_K

Apple Silicon üzerinde MLX ile:

mlx_lm.generate --model mlx-community/Muse-Spark-Open-816B-A42B-oQ3e --max-tokens 5000

Sunucu tarafında Meta, SGLang ve vLLM için NVIDIA, AMD ve Intel optimizasyonları sağlıyor. vLLM'de modelin kendi eklentileri, ayrıştırıcıları ve araç çağrısı ayrıştırıcısı (--tool-call-parser musespark1x) kullanılıyor; komutun tamamı Hugging Face blogunda. PyTorch tarafında Helion çekirdekleri ve TorchTitan ile ince ayar (SFT, LoRA, pekiştirmeli öğrenme) desteği geldi.

Kendi donanımı olmayanlar için barındırılan erişim Baseten, Fireworks AI, Groq (sınırlı önizleme), Modal, Nebius, OpenRouter ve Together AI üzerinden; bulut kataloglarında Amazon SageMaker AI, Google Cloud Model Garden ve Microsoft Foundry Models'te de yer alıyor. Fiyatlar sağlayıcıya göre değişiyor.

Lisans ve erişim (License)

Ağırlıklar Muse Model License ile dağıtılıyor. Bu, OSI onaylı bir açık kaynak lisansı değil; "açık ağırlık" ifadesi ağırlıkların indirilip değiştirilebildiğini anlatıyor. Ticari kullanım ve özellikle modele erişimi büyük ölçekte yeniden satma gibi durumlarda lisans koşullarını Hugging Face'teki lisans dosyasından okumak gerekiyor. Ürün geliştirmeden önce hukuk tarafının bu metni incelemesi iyi olur.

Kimler için anlamlı? (Who should care)

• Veriyi dışarı çıkaramayan kurumlar: kod tabanını ya da müşteri verisini harici bir API'ye göndermek istemeyen bankalar, kamu kurumları ve sağlık kuruluşları modeli kendi veri merkezinde çalıştırabilir.
• İnce ayar yapmak isteyenler: kapalı modellerde mümkün olmayan alan özel eğitim, TorchTitan ile yapılabiliyor.
• Maliyet karşılaştırması yapanlar: barındırılan sağlayıcılar arasında rekabet, kapalı modellere göre token fiyatını düşürebilir.

Küçük ve orta ölçekli ekipler için bugün en pratik yol, modeli bir API sağlayıcısı üzerinden kendi kod tabanında denemek ve sonuçları kullandığı mevcut modelle karşılaştırmak. Alesta WEB olarak yapay zekâ entegrasyonlarında model seçimini her zaman gerçek görevle test ederek yapıyoruz; üreticinin tablosu başlangıç noktası, karar değil. Kapalı modellerle karşılaştırma için Claude Sonnet 5.5 ve Opus 5.5 yazımıza da bakabilirsiniz.

Sık sorulan sorular

Muse Spark Open ücretsiz mi?

Ağırlıklar ücretsiz indirilebiliyor; kullanım Muse Model License koşullarına bağlı. Çalıştırma maliyeti donanıma ya da seçilen API sağlayıcısına göre değişiyor.

Kendi bilgisayarımda çalıştırabilir miyim?

Sıradan bir bilgisayarda hayır. En küçük test edilmiş yapılandırma bile 512 GB birleşik belleğe sahip bir Mac M3 Ultra ve 2-bit sıkıştırılmış model istiyor.

Türkçe destekliyor mu?

Meta'nın duyurularında desteklenen dillerin listesi yer almıyor. Türkçe kullanım planlıyorsanız kendi örnek görevlerinizle test etmeniz gerekiyor.

Muse Wonder ile farkı ne?

Muse Wonder yalnız API üzerinden sunulan kapalı bir model. Muse Spark Open ise ağırlıkları indirilebilen, kodlama ve ajan işlerine odaklı açık ağırlıklı sürüm.

İlgili yazılar: Meta Muse Wonder · Copilot CLI yerel model · Claude Haiku 5.5 · Web yazılım hizmetleri

Kapak fotoğrafı: Brecht Corbeel / Unsplash