Muse Spark Openとは？816BモデルのAPI料金・ローカル実行を解説

結論：まずAPIで検証し、常時稼働と統制要件が合えば自社運用を比較する

Muse Spark Openは、Metaの最新モデルを自社環境へ持ち込める点が大きな特徴です。ただし「open-weight」は「小型」や「運用無料」を意味しません。総816Bの重みを保持する必要があり、量子化しても大容量メモリ、複数ノード、分散推論、監視と更新が必要です。少量利用や検証ではHosted APIの方が始めやすく、継続的な高稼働、データ統制、独自調整が必要な場合にセルフホストを比較します。

2026年10月16日に確認したTogether AIの公開料金は、100万トークン当たり入力1.25ドル、キャッシュ済み入力0.15ドル、出力4.25ドルです。Fireworks AIも入力1.25ドル・出力4.25ドルを掲載しています。Meta自身の単一API価格ではなく、各ホスティング事業者の料金である点に注意してください。

モデルは公開直後で、共通条件の独立ベンチマーク、実運用のp95・p99、長時間エージェントの成功率、日本語の品質はまだ十分に検証されていません。『米国製で最も高性能なオープンウェイト』という表現はMetaの主張であり、導入判断では自社タスクの完了率と1成功タスク当たりの総原価を測ります。

この節の一次情報：Meta公式｜Introducing Muse Spark Open（2026年10月15日） ／ Hugging Face公式｜Muse Spark Open解説

仕組み：256の専門家から8つを選び、約42Bだけを稼働

Muse Spark OpenはMixture-of-Experts（MoE）です。Hugging Faceの技術解説によると、各MoE層には256のexpertがあり、ルーターがトークンごとに8つを選びます。expertが全パラメータの約97%を占め、計算に使う部分は約42Bです。総816Bの知識容量を持ちながら、毎回816Bすべてを計算しない設計です。

ここで重要なのは、active parameterとメモリ要件を混同しないことです。計算するexpertが8つでも、どのexpertが選ばれてもよいように重み全体を保持する必要があります。BF16チェックポイントは約1.5TBで、42Bモデルと同じGPU 1台へ載るわけではありません。MoEは演算効率を高めても、配布、保存、ロード、ノード間通信の負担を消しません。

モデルは62層、画像・動画のperception encoder、音声encoder、100万トークンの文脈を備えます。入力は複数モダリティですが、出力はテキストです。音声合成や画像生成モデルではなく、画面、録音、動画、文書を読みながらコードやツール操作を進める用途に向きます。

API料金：入力$1.25、キャッシュ$0.15、出力$4.25

Together AIのサーバーレス料金は、100万トークン当たり入力1.25ドル、キャッシュ済み入力0.15ドル、出力4.25ドルです。Fireworks AIも入力1.25ドル、出力4.25ドルを公開しています。提供先にはBaseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter、Together AIなどが含まれますが、価格、レート制限、データ保持、リージョン、SLAは事業者ごとに異なります。

仮に通常入力20万、キャッシュ済み入力80万、出力5万トークンを1タスクで使うと、モデル費は0.25ドル＋0.12ドル＋0.2125ドルで合計0.5825ドルです。これは単純計算であり、画像・音声・動画の換算、ツール呼び出し、再試行、検索、Gateway手数料、人手レビューは含みません。実際のusageと請求明細で照合してください。

100万トークンの上限を毎回使う必要はありません。長文の共通コードや仕様書を固定プレフィックスへ寄せ、キャッシュ命中率を測ると入力費を抑えられる可能性があります。一方、長い入力はTTFTとメモリを増やすため、検索で必要箇所だけを取り出す方式との品質・速度・費用を比較します。

この節の一次情報：Together AI｜Muse Spark Open pricing ／ Fireworks AI｜Muse Spark Open ／ Hugging Face｜Inference Endpoints catalog

ローカル実行：Mac 2台で動くが、一般的なノートPC向けではない

MetaとAppleは、最新MLXを使い、M5 Ultra搭載Mac Studio 2台でMuse Spark Openを動かす構成を公開しました。各Mac Studioの統合メモリを最大512GBまで使い、RDMAで2台を接続します。Appleは、複数Macへモデルを分割し、1台のように推論する仕組みとセットアップを技術記事で説明しています。

『デスクトップで動く』という表現は、手元の一般的なMac 1台で動くことを意味しません。Hugging Faceによると3bit量子化でも256GBを超えるRAMが必要です。Metaの公式デモ構成は2台の高仕様Mac Studioであり、電力、ネットワーク、冷却、モデル転送、障害復旧、更新時間を含めて比較します。

GPU環境では、NVFP4版を8×RTX Pro 6000で131,072文脈、8×H200で1,048,576文脈へ配備できる検証済みレシピが公開されています。SGLang、vLLM、TensorRT-LLM、Transformers、llama.cpp、Unslothにも対応します。ただし対応表は動作可能性を示すもので、自社SLOを保証するものではありません。

この節の一次情報：Apple Machine Learning Research｜MLX distributed inference ／ Hugging Face｜Inference Support

Hosted APIとセルフホストの選び方

APIは、リクエストが少ない、需要が変動する、短期間で比較したい、GPU運用チームがない場合に向きます。単価は明確で、複数事業者を同じテストセットで比べやすい一方、データ保持、障害、価格変更、モデル版、キャッシュ仕様を外部へ依存します。

セルフホストは、安定した高稼働、閉域処理、独自fine-tuning、推論エンジンの最適化が必要な場合に候補です。ただし損益分岐点は、GPUまたはMacの取得費だけでは決まりません。稼働率、予約・待機、電力、ネットワーク、保存、監視、アップグレード、当番、障害時間を含む月間総費用を、正常完了したタスク数で割ります。

最初のPoCでは同じ100〜1,000件をHosted APIで実行し、成功率、TTFT、毎秒tokens、p95・p99、入力・出力・キャッシュ、再試行、ツール失敗を記録します。その後、同一checkpointと同じ精度でセルフホストし、1成功タスク当たりの費用と運用時間を比較します。

• 利用量が小さい・変動する → Hosted APIを先に比較
• 常時高稼働で、基盤運用者がいる → セルフホストの総原価を試算
• 機密データを扱う → APIの保持条件と自社運用の監査範囲を比較
• 独自fine-tuningが必要 → ライセンスと配布先、再現性を確認
• 100万文脈が必須 → 低負荷テストではなく実入力長でメモリとp99を測定

ライセンス：オープンウェイトだが無条件のオープンソースではない

重みはMuse Model Licenseで公開されています。Metaは多くの開発者が無料で使える限定的な商用条件と説明していますが、OSI承認ライセンスと同じ意味ではありません。内部利用、自社製品の機能としての利用、Model-as-a-Serviceとしての再提供では条件が異なるため、配布、派生モデル、ホスティング、商標表示を法務と確認します。

Hosted APIを使う場合はMuse Model Licenseだけでなく、ホスティング事業者の利用規約、データ処理契約、subprocessor、地域、保存期間、学習利用、SLAも適用されます。自社運用は第三者への入力送信を減らせますが、モデル重みへのアクセス、ログ、バックアップ、脆弱性対応の責任は自社へ移ります。

安全性についてMetaは独自のScaling Frameworkの基準を満たしたと発表しています。これはMetaによる自己評価です。コード実行、Web操作、資格情報、外部送信には最小権限、sandbox、承認、監査ログ、予算上限を別途設けます。

この節の一次情報：Muse Model License ／ Meta公式｜Safety and Preparedness

海外で注目された根拠と、日本で広がる可能性

公開当日にMetaとHugging Faceが実装資料を公開し、AppleはMLXによる分散推論を技術記事で説明しました。VentureBeatはAPI料金とMac構成、The VergeはMetaとAppleの共同最適化、Financial TimesとAxiosは両社の協業を報じています。単一企業の発表転載ではなく、モデル配布、推論framework、API事業者、ハードウェア側が同時に対応した点が強いシグナルです。

日本では『Muse Spark Open』の固有名詞検索はまだ小さいとみられますが、オープンウェイトLLM、ローカルLLM、MacでLLM、MoE、セルフホストAIという一般概念へ接続します。機密コードや社内データを外部へ送らず、高性能モデルを手元または自社クラウドで動かしたい需要が増えると、モデル名と導入構成の検索が後から伸びる可能性があります。

一方、2台の高仕様Macや8GPU構成は小規模導入の標準にはなりません。注目度と実用範囲を分け、Hosted APIで検証できること、ローカル実行に必要な現実的なメモリ、公開直後で独立測定が不足することを同時に押さえる必要があります。

この節の一次情報：VentureBeat｜Muse Spark Open coverage ／ The Verge｜Meta and Apple Muse Spark Open ／ Axios｜Apple and Meta collaboration

向くケース・向かないケース、未検証事項

向く可能性があるのは、大規模コードベースを読むエージェント、画像・音声・動画を併用する調査、100万トークン級の長文、モデルを自社環境へ持ち込む必要がある組織です。API事業者を選べるため、単一の提供元に固定せず価格・リージョン・SLAを比較したい場合にも候補になります。

向かないのは、分類、短文生成、少量のチャットなど、小型モデルで十分な処理です。42B activeでも重み全体は巨大で、セルフホストの固定費が利用量に対して過大になります。リアルタイム音声、画像生成、決定的な低遅延が必須の仕事も、公開仕様だけで適合すると判断できません。

2026年10月16日時点で、独立した日本語評価、API事業者間の同条件速度、Mac構成のtokens/秒と消費電力、長時間エージェントの実成功率、100万文脈での品質劣化、fine-tuning後の再現性は十分に公開されていません。公式ベンチマークとデモは開発元の評価として扱い、採用条件を満たすかは自社テストで判断します。

FAQ

Q. Muse Spark Openは無料ですか？　A. 重みの利用はライセンス条件内で可能ですが、ダウンロード、保存、MacやGPU、電力、運用には費用がかかります。Hosted APIは従量課金です。

Q. MacBookやMac mini 1台で動きますか？　A. 公式のフルモデル構成はM5 Ultra Mac Studio 2台です。3bit量子化でも256GB超が必要とされ、一般的なMac 1台向けではありません。

Q. 42Bモデルと同じメモリで動きますか？　A. いいえ。42Bは1トークンで稼働する概算です。MoEの全816B重みを保持できるメモリが必要です。

Q. API料金はいくらですか？　A. 2026年10月16日に確認したTogether AIは入力$1.25、キャッシュ入力$0.15、出力$4.25／100万tokensです。提供事業者ごとに価格と条件が異なります。

Q. Muse Wonderとの違いは？　A. Spark Openは重みを取得して自社運用できます。WonderはMeta Model APIで提供される別モデルで、Active Memoryなど長時間エージェント機能を前面に出しています。価格、利用経路、ライセンスを分けて比較してください。

Q. 本番へすぐ導入できますか？　A. まずシャドー実行で品質、p95・p99、失敗、usage、ツール安全性を測り、Hosted APIと自社運用の総原価を比較してから段階的に広げます。