Meta: Muse Spark Open

Meta: Muse Spark Open은 2026년 10월 15일에 출시된 Meta의 텍스트 모델입니다. 코딩에 최적화된 오픈 웨이트 모델로 설명되며, 에이전트형 코딩 워크플로를 위해 특별히 훈련되었습니다. 이러한 초점은 첫 시도 정확도 향상, 안정적인 도구 호출, 개발자가 작업하는 저장소 전반에 걸친 코드베이스에 대한 깊은 이해라는 명시된 목표에서 드러납니다. 개발자 도구를 만들거나 기존 저장소 내에서 작업을 자동화하는 경우, 이 모델은 일반 채팅만이 아니라 바로 그 환경을 겨냥합니다.

입력 측면에서 Muse Spark Open은 텍스트, 이미지, 비디오, 파일, 오디오를 받아들이며, 출력은 텍스트뿐입니다. 컨텍스트 윈도는 1,048,576 토큰이고 최대 출력은 943,718 토큰입니다. 이렇게 매우 큰 컨텍스트와 매우 큰 출력 예산의 조합은 대용량 파일이나 긴 대화 기록 같은 긴 소스를 입력하면서도 상당한 분량의 생성 응답을 위한 여유를 남길 수 있다는 뜻입니다. 멀티모달 입력 지원은 코딩 작업에서 주목할 만합니다. 스크린샷, 디자인 파일, 녹화된 워크스루, 오디오 메모가 모두 주변 텍스트와 같은 요청에 포함될 수 있습니다.

실용적인 용도는 이러한 기능에서 따라옵니다. 에이전트형 코딩 워크플로가 가장 명확한 적합성인데, 이 모델은 도구 호출과 코드베이스 이해를 위해 훈련되었기 때문에 저장소 탐색, 다단계 변경 계획, 루프의 일부로 도구 호출 같은 작업에 알맞습니다. 큰 컨텍스트는 작업이 많은 파일이나 긴 이전 단계 이력에 의존할 때 도움이 됩니다. 이미지, 비디오, 오디오, 파일이 입력으로 허용되므로 화면 녹화, UI 목업, 음성 버그 리포트를 서면 요약, 패치 설명, 구조화된 보고서 같은 텍스트 출력으로 바꾸는 흐름도 만들 수 있습니다. 추론 제어와 구조화된 출력 덕분에 결과를 사람이 읽는 대신 파싱해야 하는 파이프라인에서도 사용할 수 있습니다.

모델은 모델 id "meta/muse-spark-open"을 사용해 api14의 OpenAI 호환 API를 통해 호출합니다. 지원되는 요청 매개변수는 frequency_penalty, include_reasoning, logit_bias, logprobs, max_tokens, min_p, presence_penalty, reasoning, reasoning_effort, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_k, top_logprobs, top_p입니다. 실제로 이는 temperature, top_p, top_k, min_p로 샘플링을 조정하고, 페널티를 적용하고, max_tokens로 응답을 제한하고, response_format 또는 structured_outputs로 출력을 제약하고, tools와 tool_choice로 함수 호출을 연결할 수 있다는 뜻입니다. reasoning과 reasoning_effort 매개변수는 include_reasoning과 함께 내부 추론이 얼마나 노출되거나 요청되는지를 제어하게 해주며, seed와 logprobs 또는 top_logprobs는 재현 가능하거나 검사 가능한 생성을 지원합니다.

염두에 둘 제한이 하나 있습니다. 출력은 텍스트뿐이므로 생성된 이미지, 오디오, 비디오가 필요한 작업에는 다른 모델이 필요합니다. 또한 이 모델은 명시적으로 코딩에 최적화되어 있으므로 코드나 에이전트형 도구 사용과 관련 없는 작업에는 범용 텍스트 모델이 더 단순한 선택일 수 있습니다.