Meta resmi merilis Muse Spark Open pada 15 Oktober 2026 sebagai model kecerdasan buatan berbobot terbuka yang dirancang untuk mendukung pemrograman dan pengembangan agen AI. Model terbaru dari Meta Superintelligence Labs ini memiliki 816 miliar parameter, dengan sekitar 42 miliar parameter aktif saat pemrosesan, serta kapasitas konteks mencapai satu juta token. Muse Spark Open juga mendukung input teks, gambar, audio, dan video untuk menangani berbagai pekerjaan kompleks. Kehadirannya menjadi perkembangan penting dalam industri teknologi AI karena memungkinkan pengembang menjalankan, menyesuaikan, dan mengintegrasikan model canggih melalui infrastruktur sendiri maupun layanan penyedia API.
Inovasi Meta Superintelligence Labs untuk Pengembang AI Global
Perkembangan sistem AI generatif terus meningkatkan kebutuhan terhadap model yang dapat disesuaikan. Selama beberapa tahun terakhir, perusahaan teknologi mencari alternatif yang memberikan kendali lebih besar terhadap implementasi. Menjawab kebutuhan tersebut, Meta menghadirkan Muse Spark Open sebagai model AI berbobot terbuka. Langkah terbaru ini memungkinkan komunitas teknologi untuk mengembangkan sistem otomatisasi sesuai persyaratan lisensi yang berlaku.
Model terbaru tersebut dikembangkan oleh Meta Superintelligence Labs dan dioptimalkan bagi pekerjaan agen AI. Berbeda dari model yang sepenuhnya diakses melalui sistem tertutup, bobot Muse Spark Open memungkinkan penggunaan pada perangkat keras yang sesuai. Meski memberikan akses lebih terbuka, distribusi dan penggunaan komersial memiliki aturan tertentu. Perusahaan tersebut menggambarkan Muse Spark Open sebagai model berbobot terbuka asal Amerika Serikat dengan kemampuan terdepan menurut evaluasinya. Klaim tersebut perlu dipahami berdasarkan metode evaluasi.
Kemampuan Multimodal Muse Spark Open untuk Pemrosesan Data Kompleks
Keunggulan teknis yang paling menonjol Muse Spark Open adalah kapasitas model sebesar 816 miliar parameter. Meskipun memiliki ukuran sangat besar, pemrosesan dilakukan tanpa mengaktifkan keseluruhan parameter sekaligus. Arsitektur AI tersebut dibangun melalui arsitektur pakar yang diaktifkan secara selektif dengan sekitar 42 miliar parameter aktif per token. Pendekatan tersebut bertujuan meningkatkan efisiensi komputasi. Walaupun menggunakan aktivasi selektif, model masih memerlukan infrastruktur komputasi besar.
Di samping mengandalkan aktivasi parameter selektif, Muse Spark Open mendukung jendela konteks hingga satu juta token. Kemampuan tersebut membantu sistem menangani dokumen berukuran panjang. Pada pengembangan perangkat lunak, pengembang dapat memberikan konteks proyek yang lebih luas. Sistem AI tersebut turut menerima input teks, gambar, audio, dan video. Walaupun demikian, keluaran model utamanya berupa teks. Ketepatan respons model tetap bergantung pada tugas dan konfigurasi.
Penggunaan Tool Calling dalam Sistem AI Berbasis Muse Spark Open
Muse Spark Open dirancang untuk menangani pekerjaan dengan banyak tahapan. Untuk aplikasi AI agent, karakteristik tersebut menjadi salah satu kebutuhan utama karena agen tidak hanya menghasilkan jawaban. Sistem otomatis tersebut bisa menyusun rencana pekerjaan, berinteraksi dengan perangkat lunak lain, serta mengevaluasi keluaran tindakan. Berkat kemampuan penalaran bertahap, pengembang berpeluang mengembangkan agen yang lebih mandiri.
Sebagai contoh penggunaan, sistem AI dapat menerima tugas menambahkan fitur. Setelah menerima instruksi, agen dapat membaca struktur proyek melalui alat yang telah disediakan. Setelah memahami kebutuhan, sistem menghasilkan kode yang relevan, menjalankan pengujian jika tersedia, dan menyesuaikan solusi ketika ditemukan kesalahan. Namun demikian, hasil perubahan harus melalui pemeriksaan, khususnya ketika agen memperoleh akses terhadap data penting.
Kemampuan Muse Code dalam Menangani Proyek Perangkat Lunak
Bidang rekayasa software merupakan sasaran penting Muse Spark Open. Model tersebut dioptimalkan bagi tugas rekayasa perangkat lunak. Melalui kemampuan ini, pengembang bisa menggunakan model untuk meninjau arsitektur proyek, menghasilkan perubahan program, serta mengidentifikasi bagian yang perlu diperbaiki. Dukungan konteks panjang memberikan ruang untuk menyertakan banyak informasi teknis. Namun, hasil pemrograman otomatis memerlukan pengujian, sehingga kualitas implementasi perlu diperiksa.
Meta juga mengembangkan Muse Code sebagai asisten rekayasa perangkat lunak melalui command line. Berkat sistem pengembangan ini, pengguna dapat mengatur pekerjaan coding bertahap. Meta sebelumnya telah memperkenalkan Muse Code pada Agustus 2026. Agen coding ini membantu menyelesaikan tugas rekayasa software yang panjang. Dengan ketersediaan bobot Muse Spark Open, pengembang memiliki pilihan tambahan untuk membangun agen sendiri. Fleksibilitas pengembangan ini relevan untuk perusahaan dengan persyaratan khusus.
Dukungan Apple Silicon M5 Ultra serta Framework MLX
Aspek menarik dari peluncuran Muse Spark Open adalah kerja sama optimasi dengan Apple. Meta menjelaskan bahwa Muse Spark Open dapat dijalankan menggunakan dua Mac Studio dengan chip M5 Ultra. Implementasi tersebut mengandalkan lingkungan pemrosesan MLX yang dioptimalkan bagi perangkat keras Apple. Kemampuan menjalankan model secara lokal memberikan fleksibilitas tambahan bagi pengembang yang memiliki perangkat memadai.
Meski optimasi pada Mac Studio menunjukkan kemajuan, ukuran model tetap sangat besar. Implementasi lokal yang diperagakan bukan bukti bahwa perangkat biasa memiliki kemampuan setara. Apabila pengguna memilih layanan jarak jauh, Meta mengumumkan ketersediaan pada platform inferensi pihak ketiga. Penyedia yang diumumkan meliputi Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter, dan Together AI. Berkat akses inferensi terkelola, pengembang mampu menjalankan permintaan inferensi melalui infrastruktur penyedia. Meski memberi kemudahan, biaya dan kebijakan data bergantung pada penyedia.
Peluang Model Open-Weight Meta bagi Pengembang Software
Kehadiran model berbobot terbuka dari Meta membuka peluang baru dalam ekosistem pengembangan agen AI. Dengan kemampuan 816 miliar parameter, kapasitas masukan hingga satu juta token, serta kemampuan multimodal, model tersebut mendukung pengembangan sistem otomatisasi bertahap. Ketersediaan bobot model memberikan alternatif bagi pengembang. Meski peluncurannya menjanjikan, persyaratan lisensi tetap perlu diperiksa. Aturan distribusi Muse Spark Open tidak identik dengan lisensi perangkat lunak bebas tanpa syarat. Dengan mempertimbangkan berbagai aspek tersebut, pemilihan model perlu disesuaikan dengan kebutuhan proyek. Menurut pandangan Anda, apakah model AI berbobot terbuka seperti Muse Spark Open mampu memberikan manfaat nyata bagi pengembang independen? Bagikan pemikiran Anda mengenai perkembangan agen AI untuk pemrograman.
