Muse Spark Open ist laut Meta eine Open-Weight-Version des im August veröffentlichten Muse Spark. Das Modell teilt sich die Basis mit Muse Spark 1.3 und wurde zusätzlich auf Sicherheit trainiert, damit es ohne Systemschutzmechanismen robuster gegen Missbrauch sein soll. Die Gewichte stehen unter der Muse Model License bereit. Meta beschreibt das Modell als für Coding und agentische Aufgaben optimiert.
Das Modell verarbeitet Text, Bilder, Audio und Video sowie Dokumente. Sein Kontextfenster umfasst eine Million Tokens. Für Entwicklungsaufgaben nennt Meta unter anderem Codegenerierung, Fehlersuche und das Verständnis von Codebasen. Muse Spark Open soll mehrstufige Aufgaben planen und ausführen, Werkzeuge nutzen und Ergebnisse überprüfen können. Zu den vorgesehenen Funktionen gehören außerdem Web-Browsing, Computersteuerung auf Desktop, Mobilgeräten und im Browser sowie das Koordinieren von Subagenten.
Für die Ausführung nennt Meta die Inference-Engines SGLang und vLLM; Optimierungen gibt es für NVIDIA-, AMD- und Intel-Hardware. Die Veröffentlichung enthält zudem Helion-Kernels für Operationen wie RoPE, RMSNorm und Quantisierung. PyTorch berichtet für diese Kernel von 1,03- bis 3,95-facher Geschwindigkeit gegenüber eigens für bestimmte Hardware geschriebenen Kernels auf NVIDIA GB300. Auf AMD MI350 seien ähnliche Verbesserungen bei den Kernels und ein um 3 Prozent höherer Gesamtdurchsatz erreicht worden.
Auch TorchTitan unterstützt Muse Spark Open ab dem Veröffentlichungstag mit einer Modelldefinition. Laut PyTorch können Entwickler damit unter anderem überwachtes Fine-Tuning und Reinforcement Learning durchführen; Multi-Turn-SFT und LoRA werden unterstützt. Die Leistungsangaben beziehen sich auf die genannten Kernel und Hardwarekonfigurationen. Sie beschreiben nicht automatisch die Geschwindigkeit jeder Anwendung oder jedes Einsatzes des Modells.