Meta ने Spark खोल दिया है. 15 अक्टूबर 2026 को कंपनी ने Muse Spark Open के weights प्रकाशित किए – एक 816 अरब-पैरामीटर mixture-of-experts मॉडल, जिसमें हर टोकन पर 42B active parameters होते हैं और context window 1 लाख (मिलियन) टोकन है. Meta इसे "अब तक का सबसे capable अमेरिकी open-weight मॉडल" कहता है. यह उसी बेस मॉडल पर बना है जिस पर Muse Spark 1.3 – Muse एजेंट को चलाने वाला closed API मॉडल – आधारित है, और weights मुफ़्त में डाउनलोड, fine-tune और रन किए जा सकते हैं. सिर्फ़ एक शर्त असरदार है: एक्सेस रीसेल करने वाली कंपनियों के लिए $20M रेवेन्यू गेट.
हर और "Meta open-source हो गया" पर रुक जाएगी. सच्चाई ज़्यादा रोचक है: यह open source नहीं है (यह ओपन-weights कस्टम लाइसेंस है), raw capability में चीन के open flagships आगे हैं, और एकमात्र मशीन में यह नहीं आता – Apple का फ्लैगशिप भी नहीं. जहाँ यह ज़बरदस्त जीतता है वह agent-safety टेस्टिंग है, जो बड़े deployment में ज़्यादा मायने रखती है. यहाँ ईमानदार पिक्चर है.
स्रोत: नीचे के स्पेक्स, लाइसेंस शर्तें और बेंचमार्क नंबर Meta की लॉन्च पोस्ट (15 अक्टूबर 2026), आधिकारिक Hugging Face रिपो में मॉडल कार्ड व लाइसेंस टेक्स्ट, Apple के Machine Learning Research मापन, Artificial Analysis और OpenRouter की सार्वजनिक API लिस्टिंग से हैं. बेंचमार्क Meta-रिपोर्टेड हैं (कहीं-कहीं Artificial Analysis का स्वतंत्र index), यह VelsTech Solutions का टेस्ट नहीं है – इस माप के 816B MoE का स्वतंत्र मापन अब तक सिर्फ़ benchmark-फ़ार्म्स तक सीमित है.
संबंधित: closed frontier लाइन हमारे Muse Wonder विस्तार में है, और इन मॉडल्स से चलने वाला एजेंट हमारी Muse personal-agent गाइड में.
छोटा संस्करण: 60 सेकंड में Spark Open
- क्या: Muse Spark 1.3 का open-weights जुड़वाँ – sparse MoE reasoning मॉडल, coding और agentic काम के लिए, नेटिव multimodal (text, image, audio, video इनपुट; text आउटपुट).
- तारीख़/कीमत: 15 अक्टूबर 2026 से weights दुनिया भर में मुफ़्त (HF, Google Cloud Model Garden, AWS SageMaker, Microsoft Foundry); होस्टेड inference 7 API प्लेटफ़ॉर्म पर $1.25/$4.25 प्रति मिलियन टोकन.
- स्पेक्स: 816B total / 42B active, 1M-token context, 256 experts में से हर टोकन पर 8 active; BF16 (~1.6TB) और NVFP4 (~537GB) checkpoints.
- हेडलाइन दावा: "अब तक का सबसे capable अमेरिकी open-weight मॉडल" – Meta का दावा, जिसका दायरा अमेरिकी मूल तक सीमित है, ग्लोबल #1 नहीं: Artificial Analysis के स्वतंत्र index पर GLM 5.3, Kimi K3 और Qwen3.8 सब ऊपर हैं.
- पकड़: दो पकड़. लाइसेंस सिर्फ़ $20M+ model-as-a-service रीसेलर्स पर क़ाबू है, पर hardware गेट असली है: 4-bit में लगभग 493GB – यानी दो 512GB Mac Studio या एक B200 नोड; एकमात्र फ्लैगशिप Mac में यह नहीं चलता.
- किसके लिए: जिन्हें डाउनलोड करने योग्य, safety-ऑडिटेड, अमेरिकी-मूल वाला agentic मॉडल चाहिए और क्लस्टर चला सकते हैं – साथ ही Spark के बेस से fine-tune करने वाले. कन्स्यूमर local-AI यूज़र Muse Glimmer 30B पर रहें.
Muse Spark Open असल में क्या है
Muse मॉडल परिवार में अब तीन सीढ़ियाँ हैं. Spark 1.1 → 1.3 closed API मॉडल हैं. Spark Open – नई सीढ़ी – वही बेस मॉडल जो Spark 1.3 का है, इस पर अतिरिक्त safety post-training ताकि Meta के system-level guardrails के बिना भी standalone चलते समय व्यवहार संभले से रहे. और Muse Glimmer 30B, कंज़्यूमर hardware पर चलने वाला Apache-2.0 मॉडल, इसी Spark लाइनेज से distilled है. यानी: closed फ्लैगशिप, उसका open जुड़वाँ, और developer-अनुकूल छोटा मॉडल.
अभी क्यों? क्योंकि open-weights रेस ग्लोबल हो चुकी है. चीन की लैब्स बड़े और बड़े open मॉडल उतार रही हैं (Kimi K3 के 2.8T total पैरामीटर इस समय सबसे बड़ा open-weights मॉडल है) और Meta को एक ऐसा जवाब चाहिए था जो credible भी हो और अलग भी. उनके अलग करने वाले तीन हथियार: सेफ़्टी का काम (आगे विस्तार), agentic-native multimodal बेस पर 1M context, और Apache-2.0 दान व Llama-शैली यूज़र-cap के बीच के लाइसेंस का रास्ता.
स्पेक्स एक नज़र में
| स्पेक | Muse Spark Open | Muse Spark 1.3 (closed) |
|---|---|---|
| पैरामीटर | 816B total / 42B active (sparse MoE, 256 experts, 8 active per token) | अप्रकाशित (उसी परिवार का बेस) |
| Context window | 1M टोकन | 1M टोकन |
| इनपुट modalities | Text, image, audio, video | Text, image, audio, video |
| Checkpoints | BF16 (~1.6TB) और NVFP4 (~537GB); AMD MXFP4/FP8 संस्करण | सिर्फ़ API – कोई weights नहीं |
| स्वतंत्रता | Meta के system guardrails के बिना चलता है (अतिरिक्त safety post-training) | Meta Model API stack के अंदर served |
| Hosted कीमत | $1.25 in / $4.25 out प्रति मिलियन टोकन (OpenRouter और साथी) | $1.25 / $4.25 ($0.10/$0.20 Contributor mode) |
| Weights लाइसेंस | Muse Model License (कस्टम, $20M MaaS रेवेन्यू से नीचे मुफ़्त) | सिर्फ़ वाणिज्यिक API शर्तें |
सबसे ईमानदार पंक्ति तीसरी-आख़िरी है: Apple के मापनों के अनुसार 4-bit checkpoint भी रनताइम में लगभग 493GB RAM लेता है (NVFP4 फ़ाइल डिस्क पर ~537GB, BF16 1.6TB से ऊपर). इससे सिर्फ़ हर consumer GPU बल्कि एकमात्र 512GB Mac Studio भी बाहर – यह मॉडल 2–4 क्लस्टर Mac Studio या सर्वर नोड के लिए बना है.
बेंचमार्क: कहाँ टिका है, कहाँ पीछे
Meta का मॉडल कार्ड Spark Open की तुलना सीधे open-weights क्षेत्र से करता है (सभी xhigh reasoning effort – समान सेटिंग). चुनी हुई पंक्तियाँ:
| बेंचमार्क | Spark Open | GLM 5.3 | Kimi K3 | Qwen3.8-2.4T | Mistral Large 4 |
|---|---|---|---|---|---|
| AA Intelligence Index (अधिक बेहतर) | 39 | 45 ● | 44 ● | 40 ● | 38 |
| JobBench (agentic कार्य) | 61.8 ● | 61.4 | 54.3 | 52.7 | – |
| MCP-Atlas (tool calling) | 89.2 ● | 84.2 | 82.3 | 84.5 | – |
| HLE-Diamond, tools के बिना | 26.1 ● | 16.4 | 22.2 | 17.3 | – |
| AA-Omniscience (ज्ञान/hallucination) | 25 ● | 14 | 20 | 4 | -5 |
| OSWorld Verified (computer use) | 80.4 | – | 84.8 ● | – | – |
| DeepSWE 1.1 (software engineering) | 60 | 67 | 68 ● | 57 | 62 |
| Terminal-Bench 2.1 | 76.4 | 83.9 | 85.0 ● | 82.0 | – |
| GPQA Diamond (विज्ञान) | 89.0 | 91.7 | 93.5 | 93.5 ● | – |
| FORTRESS adversarial रिस्क (निम्न बेहतर) | 5.8 ● | 28.2 | 26.7 | 21.6 | – |
(● उस पंक्ति का शीर्ष स्कोर; "–" = रिपोर्ट नहीं. पूरी तालिका मॉडल कार्ड में – Meta की तुलना-सूची में Mistral Large 4, Inkling और Nemotron 3 Ultra भी हैं.)
ईमानदारी से पढ़ें तो बहुत विशिष्ट प्रोफ़ाइल उभरता है. raw ज्ञान और coding के बेंचमार्क में Spark Open GLM 5.3 व Kimi K3 से पीछे है – DeepSWE 60 vs 68, Terminal-Bench 76.4 vs 85.0. जगह जीतता है agentic क्लस्टर (JobBench, MCP-Atlas, tool-calling) और hallucination-रोध (AA-Omniscience 25 vs 4–20). और सेफ़्टी तालिका में तो competition ही नहीं – अलग लीग. StrongREJECT v2 जैसे adaptive jailbreak बेंचमार्क पर Spark Open 0.5 पर है जबकि हर प्रतिद्वंद्वी 62.9–86.4 के बीच है (यहाँ निम्न बेहतर). इसका Artificial Analysis index स्कोर 39 करीब #10 रैंक पर है – frontier-adjacent, पर बात साफ़ है.
Meta के लिए सबसे असहज तुलना हालांकि घरेलू है. उसी Artificial Analysis index v4.3.2 पर जहाँ Spark Open 39 पर है, वहीं closed Spark 1.3 ने 48 स्कोर किया (Muse Wonder लॉन्च के आसपास मापा गया). यह अतिरिक्त safety post-training और संभवतः third-party serving कॉन्फ़िगरेशन की लागत है – Meta अलग से नहीं बताता, पर अगर आप जुड़वाँों में चुन रहे हैं तो closed API मॉडल मेज़रेबल रूप से अधिक सक्षम है और open मॉडल सोलो इस्तेमाल में मेज़रेबल रूप से अधिक सुरक्षित.
लाइसेंस: रीसेल तक मुफ़्त
इसमें Muse Model License है और मूल अनुदान उदार है: उपयोग, प्रतिरूपण, संशोधन, fine-tune, distil, merge, प्रकाशन, वितरण, sublicense और यहाँ तक कि बिक्री – मुफ़्त, व्यक्तियों और कंपनियों दोनों के लिए. और यह तो उन मॉडलों पर भी लागू होता है जो Spark Open या उसके आउटपुट का उपयोग करके सुधरे. हाँ, OSI-मान्यता प्राप्त open-source लाइसेंस नहीं है: दो डोर बंधी हैं.
- Attribution: अपने प्रोडक्ट इंटरफ़ेस, दस्तावेज़, साइट या सेटिंग्स में साफ़ दिखने वाला "Built with Muse Spark Open" नोटिस; प्रतिलिपियों और derivatives में copyright, लाइसेंस और Usage Policy रखें.
- $20M गेट: केवल तब जब आप Model-as-a-Service व्यवसाय चलायें – तीसरे पक्ष को मॉडल के आउटपुट की API-पहुँच देते हैं – और कुल रेवेन्यू (कंपनी + affiliates, शब्द अपरिभाषित) किसी 12 महीने में $20M पार करे, तब Meta को सूचित कर अलग लिखित समझौता करना होगा. Internal deployment, शोध और अपने प्रोडक्ट में मॉडल का उपयोग स्वतः छूट प्राप्त.
| शर्त | Muse Model License | Llama 4 Community | Apache-2.0 (Glimmer 30B) |
|---|---|---|---|
| यूज़र cap | कोई नहीं | 700M MAU | कोई नहीं |
| Revenue gate | $20M/12mo, केवल MaaS | कोई नहीं | कोई नहीं |
| ब्रांडिंग | "Built with Muse Spark Open" | "Built with Llama" + Llama-प्रत्यय naming | नोटिस मात्र |
| Derivative naming नियम | कोई नहीं | "Llama" से नाम शुरू होना अनिवार्य | कोई नहीं |
| EU प्रतिबंध | नहीं | Multimodal मॉडल EU कंपनियों के लिए अपवर्जित | कोई नहीं |
सत्ततः Meta ने cloud रीसेलर्स को निशाना बनाया – वही व्यवसाय जो इसके अपने Model API से होड़ लेते हैं – और प्रोडक्ट बिल्डर (SaaS फ़ीचर, internal agents, support bots) किसी भी साइज़ में छूटे. दो व्यावहारिक नोट: "affiliates" अपरिभाषित है, तो समूह-कंपनियां समूह-रेवेन्यू गिनने के लिए तैयार रहें; और आयु द्वार पर 18+ सीमा है. इस परिवार में सच्चा बिना-शर्त weights का जवाब तो Glimmer 30B का Apache-2.0 ही है.
चलाने का ख़र्च
| लेन | कीमत | विवरण |
|---|---|---|
| डाउनलोड / local weights | मुफ़्त | Hugging Face, AWS SageMaker, Google Cloud Model Garden, Microsoft Foundry |
| Hosted API (7 प्लेटफ़ॉर्म: OpenRouter, Baseten, Fireworks, Groq, Modal, Nebius, Together AI) | $1.25 in / $4.25 out प्रति M; ~88% cache छूट (Cache hit ≈$0.15/M) | 1M context; tool calls; Baseten/Together पर OpenAI-compatible |
| Artificial Analysis प्रति task लागत | AA-task blend ≈$0.84 | 131 tok/s आउटपुट; पूरे index में ~110M reasoning टोकन |
| Contributor श्रेणी | उपलब्ध नहीं | Closed Spark 1.2/1.3 का $0.10/$0.20 Contributor प्राइसिंग Spark Open के लिए नहीं |
- पकड़: Artificial Analysis की अपनी टिप्पणी – intelligence में अग्रणी तो है पर "समान आकार के अन्य open-weight मॉडलों से विशेष रूप से महँगा". होस्टेड, आप 9 अंक निचले index वाले मॉडल पर Spark-1.3 प्राइसिंग देते हैं.
- ठोस: पूरी रेट पर बड़े agentic लूप का बिल लगभग $12.50 प्रति 10M इनपुट टोकन और $85.00 प्रति 20M आउटपुट टोकन – ~88% cache छूट उसे नरम करेगी. अपने अंक API cost calculator से निकालें.
क्या locally चला सकते हैं? हाँ – बहुत विशिष्ट डेस्क पर
Meta ने लॉन्च Apple के साथ सामंजस्य में किया: संदर्भ local सेटअप दो Mac Studio M5 Ultra 512GB – प्रत्येक जोड़े को Thunderbolt 5 से जोड़ा जाए (Meta प्रति जोड़ी दो केबल सुझाता है) – या चार Mac Studio 256GB (हर Mac हर दूसरे से जुड़ा). सक्षम तत्व: RDMA-over-Thunderbolt (macOS 26.2+) और MLX 0.30.1+. Apple ने चार-Mac tensor सेटअप पर 36.7 टोकन प्रति सेकंड नापा – पढ़ने की गति से आराम से तेज़ – और लोड पर प्रति Mac शक्ति लगभग 300W.
| मार्ग | क्या लगता है | गति (Apple/Meta-उद्धृत) |
|---|---|---|
| 2 × Mac Studio M5 Ultra 512GB (MLX) | 512GB tier अक्टूबर 2026 के अंत में – कीमत प्रकाशित नहीं; प्रति जोड़ी दो TB5 केबल सुझाए | Apple टेस्ट के दौरान ~15.7 (pipeline) से 25.0 (tensor) tok/s |
| 4 × Mac Studio M5 Ultra 256GB (MLX) | अमेरिका में आज लगभग ₹/$ के हिसाब से ≈$43,196 (कर से पूर्व); full-mesh TB5 तार वितरण; ~4 घंटे की Meta सेटअप गाइड | 36.7 tok/s मापा गया |
| एक B200 नोड, NVFP4 (vLLM/TensorRT-LLM) | 8 × GPU, कुल ≥700GB VRAM; Tensor + Expert Parallel (TP8 + EP, प्रति GPU 32 experts) | होस्टेड-provider लेन; इसी class के 131 tok/s |
| BF16 पूर्ण परिशुद्धता | ~2TB VRAM – shared recipe में 4-नोड × 8 × H200 क्लस्टर (TP=32) | Training/fine-tune लेन (TorchTitan समर्थित) |
| Community quants (llama.cpp GGUF, MLX 3-bit/4-bit) | दिन-एक समर्थन; Unsloth आदि पुनर्प्रकाशित | आपके मापन पर – मेमोरी-बैंडविड्थ-bound decode की उम्मीद |
लॉन्च-हफ़्ते की एक कुंडली: दो-Mac हेडलाइन सेटअप जिस 512GB Mac Studio पर खड़ा है, वह Spark Open आने के समय order योग्य नहीं थी. Apple अक्टूबर के अंत कहता है; दिन-एक चार 256GB इकाइयाँ (≈$43.2k) ही Mac रास्ता थीं. और एक speculator भी: DSpark – Inferact का प्रशिक्षित draft मॉडल, जो 7-टोकन ब्लॉक propose कर लेटेंसी घाटता है और adaptive verification का उपयोग करता है – NVFP4 के लिए vLLM में डिफ़ॉल्ट रूप से चालू. साथ में: SGLang और vLLM MoE रोटिंग के लिए tuned Helion/Triton kernels भेजते हैं – PyTorch टीम की पोस्ट के अनुसार NVIDIA/AMD GPUs पर kernel-स्तरीय 1.03–3.95× गति.
और अगस्त की कवरेज का सख़्त संदर्भ: Apple की सबसे बड़ी 512GB मशीन भी क्षेत्र के सबसे बड़े open मॉडल को एकमात्र बॉक्स में नहीं रख सकती – Kimi K3 (2.8T total) के सबसे आक्रामक quant में भी लगभग 594GB चाहिए. Spark Open के 493GB को जोड़ी चाहिए. डेस्कटॉप frontier open weights तक पहुँच गया; frontier स्थिर नहीं रुका.
भारत-कोण
- भारत की local-AI सीढ़ी यह मॉडल नहीं है. चार 256GB Mac Studio और भरा TB5 mesh डेस्कटॉप यूज़र के लिए अनावश्यक है. असली consumer बजट के लिए हमारी GPU गाइड ₹50k से नीचे कार्डों पर Glimmer 30B (~17GB RAM) चलाती है.
- संदर्भ रास्ते की मोटी लैंडेड लागत: चार 256GB Mac Studio लगभग $43,196 अमेरिकी कीमत (चालू भाव से भारत में GST + शुल्क के साथ ≈₹45–50 लाख). 2 × 512GB कॉन्फ़िग कीमत अक्टूबर-अंत टियर के Apple India मूल्य का इंतज़ार करेगी. शक्ति: लोड पर प्रति Mac लगभग 300W.
- व्यावहारिक भारीय उपयोग API-first है: OpenRouter या अन्य छह प्लेटफ़ॉर्म का $1.25/$4.25 होस्टेड लेन; डेटा-गारंटी खंड तब self-host जब अनुपालन चाहे.
कौन-सा चुनें
- Spark Open चुनें यदि: आपको डाउनलोड-योग्य frontier-श्रेणी agentic मॉडल चाहिए – अमेरिकी मूल, ऑडिटेड standalone सेफ़्टी, 1M context – और 2–4 Mac Studio / B200-नोड क्लस्टर या Spark-क़ीमत वाली hosted लागत चल सकती है.
- छोड़ें यदि: raw capability एकमात्र मापदंड है (GLM 5.3 व Kimi K3 ज़्यादातर raw पंक्तियों में अगुवा हैं), एक consumer GPU आधार है (वह Glimmer 30B है), या सबसे सस्ते hosted टोकन चाहिए (closed Spark 1.3 पर Contributor मोड है; Spark Open पर नहीं).
- इसके बजाय विचार करें: closed frontier लाइन के लिए Muse Wonder, ऐप-अनुभव के लिए Muse एजेंट, और साढ़े-निर्णय के लिए local vs cloud AI.
लोकल AI चलाने वालों के लिए इसका मतलब
डेस्क के लिए दो असली बदलाव. पहला, सीमा ऊपर गई: 800B-श्रेणी sparse MoE open weights की अब डेस्कटॉप क्लस्टर की प्रथम श्रेणी रेसिपियाँ हैं, सिर्फ़ डेटासेंटर नहीं – MLX की RDMA-over-Thunderbolt कहानी एक वास्तविक रुझान की शुरुआत है जिसमें Apple औज़ार भेजता है और निर्माता tuning करते हैं. दूसरा, 42B-active sparse ढाँचे के साथ 1M context एक साँचा है जो नीचे की ओर आने की उम्मीद है – Glimmer 30B इसी लाइनेज से distilled है और आगे की distilled सीढ़ी के VRAM का अंक हमारे VRAM कैलकुलेटर पर जाँचें.
जो नहीं बदला: घर में किसी को Spark Open की दरकार नहीं. यह उन टीमों का डेटासेंटर और डेस्कटॉप-क्लस्टर मॉडल है जिन्हें लाइसेंस और सेफ़्टी प्रोफ़ाइल चाहिए – हॉबी वालों को शुरुआती मार्ग और Glimmer-श्रेणी मॉडल ज़्यादा मूल्य देते हैं. यदि रुचि का कारण "open" है तो आज Glimmer/Kimi/GLM quants पर बने रहने का कारण अपरिवर्तित है.
निचोड़
Muse Spark Open का महत्व कम स्कोरों में है और ज़्यादा इस बात में कि वह किससे लैस है: पहला सच में safety-ऑडिटेड open-weights frontier agentic मॉडल, ऐसा लाइसेंस जो दोनों ओर के दोषों (Apache अस्पष्टता और प्लेटफ़ॉर्म lock-in) से enterprise को बचाए, और हर हिस्सेदार GPU vendor के साथ दिन-एक टूलिंग – असल में मौजूद Mac Studio रास्ता भी. चीनी open flagships से क्षमता-फ़ासला असली है और closed Spark 1.3 प्रति index अंक अधिक सक्षम बना हुआ है. पर जिस लेन में – weights हाथ में रखकर, मुक्त लाइसेंस पर, छपी compliance कहानी के साथ – production में agentic AI ship करने की आवश्यकता है, वह सीढ़ी खाली थी दो हफ़्ते पहले. अब उस पर एक विकल्प खड़ा है.
स्रोत
- Meta AI Research – "Introducing Muse Spark Open" (15 अक्टूबर 2026)
- Hugging Face – Muse Spark Open मॉडल कार्ड (तुलना तालिका व लाइसेंस सहित)
- Apple Machine Learning Research – MLX वितरित inference मापन (15 अक्टूबर 2026)
- PyTorch – Muse Spark Open kernel अनुकूलन (15 अक्टूबर 2026)
- Artificial Analysis – Muse Spark Open प्रोफ़ाइल (स्वतंत्र index, गति, लागत)
- Inside Cupertino – Mac Studio कॉन्फ़िगरेशन व कीमत रिपोर्टिंग
- OpenRouter – होस्टेड प्राइसिंग व लिस्टिंग
FAQ
Muse Spark Open क्या है?
Meta ने 15 अक्टूबर 2026 को जारी किया open-weights मॉडल: 816B total पैरामीटर (sparse MoE, प्रति टोकन 42B active), 1M-टोकन context, स्वाभाविक text/image/audio/video इनपुट और text आउटपुट. यह closed Muse Spark 1.3 के बेस मॉडल को साझा करता है और Meta के system guardrails के बिना standalone चलने के लिए अतिरिक्त safety post-training रखता है. Weights Muse Model License के अंतर्गत मुफ़्त डाउनलोड हैं.
क्या यह open source है?
नहीं – यह ओपन-weights software है जो कस्टम लाइसेंस के नीचे है. Muse Model License मुफ़्त व्यावसायिक उपयोग, fine-tuning, distillation और पुनर्वितरण की अनुमति देता है, पर "Built with Muse Spark Open" नोटिस और केवल $20 मिलियन रेवेन्यू पार करने वाले Model-as-a-Service व्यवसायों के लिए Meta से अलग समझौता अपेक्षित. यह OSI-मान्यता प्राप्त open source नहीं है; Apache-2.0 छोटे Muse Glimmer 30B पर उपलब्ध रहता है.
GLM 5.3, Kimi K3 और Qwen3.8 से तुलना कैसी है?
Meta के अपने मॉडल कार्ड के अनुसार GLM 5.3 Artificial Analysis Intelligence Index पर 45 पर है जबकि Spark Open 39 पर (Kimi K3: 44, Qwen3.8-2.4T: 40) – प्रतिद्वंद्वी अधिकांश अपेक्षित coding पंक्तियाँ भी जीतते हैं. Spark Open agentic पंक्तियाँ (JobBench, MCP-Atlas tool calling) जीतता है और safety में दबदबा रखता है: StrongREJECT v2 पर 0.5 vs प्रतिद्वंद्वियों के 62.9–86.4. Meta का "सबसे capable अमेरिकी open-weight" दावा अमेरिकी मूल तक सीमित है, ग्लोबल #1 नहीं.
कीमत कितनी है?
Weights मुफ़्त हैं. Hosted inference OpenRouter, Baseten, Fireworks, Groq, Modal, Nebius और Together AI पर $1.25 प्रति मिलियन इनपुट टोकन और $4.25 प्रति मिलियन आउटपुट टोकन (लगभग 88% cache छूट के साथ) पर चलता है. Artificial Analysis इसे 131 आउटपुट टोकन/सेकंड पर लगभग $0.84 प्रति index task पर बेंचमार्क करता है. Closed Spark 1.2/1.3 की तरह Spark Open के लिए सस्ता Contributor मोड मौजूद नहीं.
क्या इसे locally चला सकते हैं?
हाँ – इसके लिए कई मशीनें चाहिए. Apple के समर्थित सेटअप: दो Mac Studio M5 Ultra 512GB या चार 256GB, RDMA-over-Thunderbolt 5 से जुड़े, MLX 0.30.1+ पर – 4-bit रनटाइम footprint लगभग 493GB है, इसलिए एकमात्र डेस्कटॉप इसे नहीं पकड़ता (NVFP4 फ़ाइल डिस्क पर ~537GB; BF16 1.6TB+). Apple ने चार-Mac सेटअप पर 36.7 टोकन/सेकंड नापे, क़ेरीब $43,200 कर से पूर्व. एक डेस्कटॉप के लिए Muse Glimmer 30B (4-bit में ~17GB) उपयुक्त है.
Local काम के लिए Spark Open या Muse Glimmer 30B?
Glimmer 30B – यह Apache-2.0 है, consumer rigs पर चलता है और आम local-AI कार्यों से मेल खाता है. Spark Open तब चुनें जब आपको उसका पैमाना, safety मूल्यांकन रिकॉर्ड, 1M context और अमेरिकी-मूल लाइसेंसिंग किसी enterprise deployment में चाहिए: यह क्लस्टरों पर एजेंट चलाने के लिए बना है, एक gaming मशीन पर सोलो चलने के लिए नहीं.