Агентный инженерный софт нового уровня
Meta и Together AI объявили о запуске Muse Spark Open на платформе Together AI. Это первая в США открытая модель с весом, способная обрабатывать сложные рабочие процессы агентов, удерживая в контексте целые репозитории. Модель обучена на реальных задачах разработчиков: рефакторинге нескольких файлов, отладке и длительных задачах, что обеспечивает высокую точность с первой попытки и надежное вызов инструментов.
Ключевые технические характеристики
Модель выделяется несколькими архитектурными и функциональными особенностями, делающими её уникальной для агентных сценариев:
- Контекстное окно 1M токенов: Позволяет загружать целые проекты, включая сложные зависимости и легаси-код, без необходимости разбивать задачи на части.
- Долгосрочная автономия: Модель умеет планировать, действовать, наблюдать и самокорректироваться в длительных сессиях, а также координировать субагентов для параллельной работы.
- Мультимодальность: Поддержка текста, изображений, аудио и аудио-видео ввода.
- Computer Use: Возможность управления десктопом, мобильными устройствами и браузером с мультимодальным просмотром веб-страниц.
- Intent Commentary: Перед выполнением действия модель объясняет свои намерения, что упрощает аудит длительных процессов.
Результаты раннего доступа
До официального запуска модель прошла стресс-тестирование в компаниях Factory и Ollama. Оба партнера уже интегрировали Muse Spark Open в свои продукты. По словам Zimu Li из Factory, модель демонстрирует высокую решительность и компактность ответов, что критично для продакшн-агентов. Инженеры Ollama отметили отличную работу с вызовами инструментов (tool calling) и структурированными выводами при параллельных запросах.
Доступность и тарифы
Модель доступна через API Together AI под именем meta-models/Muse-Spark-Open-816B-A42B. Ниже приведена структура ценообразования:
| Тип токена | Цена за 1M токенов |
|---|---|
| Входные токены (Input) | $1.25 |
| Выходные токены (Output) | $4.25 |
| Кэшированные входные токены (Cached Input) | $0.15 |
Разработчики могут протестировать модель через Playground или использовать серверный API. Пример инициализации клиента на Python:
from together import Together
client = Together()
response = client.chat.completions.create(
model="meta-models/Muse-Spark-Open-816B-A42B",
messages=[{"role": "user", "content": "Refactor this module to remove the circular import."}]
)Источник: Together AI ↗