Muse Spark Open Faoliyat yuritmoqda

Muse Spark Open — Meta tomonidan ochiq manbali taqdim etilgan multimodal katta til modeli bo‘lib, siyrak ekspertlar aralashmasi arxitekturasidan foydalanadi. Umumiy parametrlari 816 milliard, bitta inferensiyada 42 milliard parametr faollashadi, 1 million Token kontekstni qo‘llab-quvvatlaydi hamda matn, tasvir, video va audiolarni qayta ishlay oladi; asosiy yo‘nalishlari dasturlash va Agent vazifalaridir. MLX freymvorki asosidagi Muse Spark Open’ni ikkita M5 Ultra Mac Studio’da mahalliy ishga tushirish mumkin. Uning umumiy va dasturlash qobiliyatlari hozircha MiMo-V2.6-Pro, GLM-5.3 va Kimi K3 kabi bir nechta Xitoy ochiq manbali modellaridan ortda qoladi.

Uzun kontekstni tushunish: 1 million Token kontekst oynasini qo‘llab-quvvatlaydi va juda uzun hujjatlar hamda kod bazalarini bir martada qayta ishlay oladi.
Tabiiy multimodal qayta ishlash: matn, tasvir, video va audio kabi to‘rtta modalitetdagi ma’lumotlarni qabul qilib, tushuna oladi.
Dasturlash qobiliyati: xatolarni tuzatadi, funksiyalar qo‘shadi, loyihalarni qurishni yakunlaydi va murakkab dasturiy muhandislik vazifalarini bajaradi.
Agent vazifalarini bajarish: DaVinci Resolve’da video montajini amalga oshirish kabi ko‘p bosqichli fikrlash vazifalarini uzoq vaqt mustaqil bajaradi.
Ish stoli qurilmasida mahalliy ishga tushirish: MLX freymvorki orqali optimallashtirilgan va to‘liq modelni ikkita M5 Ultra Mac Studio’da mahalliy ishga tushira oladi.
Ko‘p freymvork va chiplarni qo‘llab-quvvatlash: SGLang, vLLM, llama.cpp kabi asosiy inferensiya freymvorklarini qo‘llab-quvvatlaydi hamda NVIDIA, AMD, Apple va Intel chiplariga mos keladi.
Bulut API orqali foydalanish: OpenRouter, Groq, Together AI kabi platformalar orqali API shaklida ishlatiladi.

WeChat’da kuzatib, “开源” deb javob yuboring va AI ochiq manbali loyihalar guruhiga qo‘shiling.
Siyrak ekspertlar aralashmasi (MoE) arxitekturasi: modelning umumiy parametrlari 816 milliardga yetadi, har bir inferensiyada esa taxminan 42 milliard parametr faollashadi. Marshrutlash mexanizmi orqali har bir Token qayta ishlash uchun oz sonli ekspert tarmoqlariga taqsimlanadi. Bu model sig‘imini saqlagan holda hisoblash xarajatlarini sezilarli kamaytiradi va juda katta modellarni cheklangan apparatda ishga tushirish imkonini beradi.
Millionlik kontekst oynasi: samarali uzun ketma-ketlikni qayta ishlash texnologiyasi yordamida kontekst oynasi 1 million Token’gacha kengaytirilgan. Shu sababli model juda katta kod bazalari, bir nechta hujjatlar yoki uzun videolardagi ma’lumotlarni bir martada qamrab oladi va uzoq davom etadigan vazifalar uchun zarur “xotira”ni ta’minlaydi.
Yagona xotira arxitekturasida taqsimlangan inferensiya: Apple M5 Ultra’ning yagona xotira arxitekturasi har bir Mac Studio’ning integratsiyalangan GPU’siga 512 GB gacha xotiradan foydalanish imkonini beradi. Ikki qurilmada jami taxminan 1 TB xotira va 1,2 TB/s xotira o‘tkazuvchanligi mavjud. Yangilangan MLX freymvorki yordamida ikkita qurilma bitta superkompyuter kabi hamkorlikda ishlashi va 816 milliard parametrli modelni to‘liq joylashtirishi mumkin.
Maxsus GPU yadrosi tezlashtirishi: Meta SGLang uchun avtomatik sozlanadigan maxsus Helion GPU yadrolarini taqdim etadi. Ular NVIDIA va AMD GPU’larida yadro darajasida 1.03–3.95 baravar tezlashtirishni, AMD MI350’da esa yakuniy ishlash unumdorligini taxminan 3% oshirishni ta’minlaydi.

Foydalanish kanalini olish: OpenRouter yoki Together AI kabi platformalarning API’lari orqali modelni to‘g‘ridan-to‘g‘ri chaqiring.
Model og‘irliklarini yuklab olish: mahalliy joylashtirish kerak bo‘lsa, ochiq og‘irliklarni Hugging Face’dan yuklab oling.
Inferensiya freymvorkini tanlash: apparat muhitiga qarab modelni yuklash uchun SGLang, vLLM, TensorRT-LLM, Hugging Face Transformers, Apple MLX, llama.cpp yoki Unsloth kabi freymvorklardan foydalaning.
Apparat muhitini tayyorlash: bulutda NVIDIA yoki AMD GPU’dan foydalaning; mahalliy ish stoli muhitida esa to‘liq modelni ikkita M5 Ultra chipli Mac Studio’da ishga tushirish mumkin.
Chaqiruv kodini yozish: PyTorch kabi freymvorklardan foydalanib inferensiya skriptini yozing, matn, tasvir, video yoki audio ko‘rsatmalarini kiriting va 1 million Token doirasida kontekst tarkibini belgilang.
Agent vazifalarini bajarish: API yoki mahalliy ishga tushirish orqali dasturlash, video montaji kabi ko‘p bosqichli Agent ish jarayonlarini boshqaring.

Katta ko‘lam: umumiy 816 milliard parametrga ega, har bir inferensiyada atigi 42 milliard parametr faollashadi; bu Meta’ning hozirgacha eng kuchli AQSh ochiq og‘irlikli modelidir.
Juda uzun kontekst: 1 million Token kontekst oynasini qo‘llab-quvvatlaydi va juda uzun hujjatlar hamda katta kod bazalarini bir martada qayta ishlay oladi.
Tabiiy multimodallik: matn, tasvir, video va audiolarni yagona tizimda qayta ishlaydi hamda video montaji kabi multimodal vositalarni bevosita boshqara oladi.
Ish stolida mahalliy ishlaydi: MLX freymvorki orqali optimallashtirilgan, ikkita M5 Ultra Mac Studio’da to‘liq ishlaydi va Agent ish jarayonlarini mahalliy muhitga ko‘chiradi.
Ochiq ekotizim: og‘irliklar to‘liq ochiq, SGLang, vLLM, llama.cpp kabi yettita asosiy freymvorkni qo‘llab-quvvatlaydi hamda NVIDIA, AMD, Apple va Intel chiplariga mos keladi.
Yuqori darajada sozlanadi: dasturchilar PyTorch asosida modelni nozik sozlashi va qayta ishlab chiqishi mumkin.

Loyiha rasmiy sayti: https://dev.meta.ai/resources/blog/build-with-muse-spark-open
HuggingFace model kutubxonasi: https://huggingface.co/collections/meta-models/muse-spark-open

iOS ishlab chiqish va qo‘llab-quvvatlash: ochiq manbali Ice Cubes klientidagi xatolarni tuzatish, yangi funksiyalar qo‘shish va loyiha qurilishini yakunlash.
Videoni post-ishlash: DaVinci Resolve’da materialni kadrma-kadr tekshirish, sifatli lavhalarni tanlash va ularni vertikal formatga kesish.
Katta kod bazalarini ko‘rib chiqish: 1 million Token konteksti yordamida butun kod omborining tuzilishi va muammolarini bir martada tahlil qilish.
Juda uzun hujjatlarni qayta ishlash: yuzlab sahifali hisobot yoki ilmiy maqolalarni bir martada o‘qib, xulosa, savol-javob va o‘zaro taqqoslashni amalga oshirish.
Multimodal materiallarni tushunish: matn, tasvir, video va audio tarkibni birgalikda tahlil qilish orqali kompleks kontent moderatsiyasi yoki tahlilini bajarish.