Meta lanceert open-gewicht AI-model ontworpen voor Mac-computers

Saturday 17 October 2026 - 10:10

Meta heeft Muse Spark Open geïntroduceerd, een nieuw open-gewicht kunstmatige intelligentie model dat lokaal op Apple Mac-computers kan draaien, waardoor de toegang tot geavanceerde AI-tools voor ontwikkelaars en professionals wordt uitgebreid. Het bedrijf beschrijft het als het meest capabele in de VS ontwikkelde model van zijn soort, met de nadruk op de prestaties bij complexe coderingsopdrachten, meervoudige redeneertaken en AI-gestuurde workflows.

Het model bevat 816 miljard parameters en ondersteunt een contextvenster van maximaal één miljoen tokens, volgens Meta. Het is van nature multimodaal, waardoor het tekst en afbeeldingen kan verwerken, terwijl de architectuur is ontworpen om veeleisende software-engineeringtaken en workflows met AI-agenten te ondersteunen. Deze mogelijkheden kunnen ontwikkelaars helpen bij het analyseren van grote codebases, het doorvoeren van wijzigingen en het automatiseren van delen van hun werk.

Het lokaal draaien van het model vereist echter aanzienlijke computerbronnen. Volgens rapporten van Engadget heeft het systeem ongeveer één terabyte aan unifiche geheugen nodig, waardoor een configuratie met twee high-end Mac Studio computers uitgerust met Apple’s M5 Ultra chips bijzonder geschikt is. De hardware-eisen plaatsen het model buiten het bereik van de meeste standaard persoonlijke computers, ondanks de beschikbaarheid voor ontwikkelaars.

Meta heeft Muse Spark Open ook geïntegreerd met Muse Code, zijn AI-gestuurde coderingstool die is ontworpen om te helpen bij programmeertaken. Het bedrijf zegt dat het model is getest in een reeks agent-gebaseerde workflows, waaronder het oplossen van softwarefouten, het introduceren van nieuwe functies en het voltooien van builds voor een klanttoepassing die is gekoppeld aan het sociale platform Mastodon.

Het model is ook gebruikt met DaVinci Resolve, professionele videobewerkingssoftware. In demonstraties die door Meta zijn beschreven, was de AI in staat om beelden te bekijken en videosegmenten te knippen, wat mogelijke toepassingen suggereert die verder gaan dan conventionele programmering. Dergelijke mogelijkheden kunnen AI-tools steeds nuttiger maken in creatieve en technische beroepen, hoewel de praktische waarde zal afhangen van prestaties, betrouwbaarheid en de computerbronnen die beschikbaar zijn voor gebruikers.

Open-gewicht modellen bieden een andere benadering dan volledig eigendomsgebonden AI-systemen. Door getrainde modelgewichten beschikbaar te stellen, kunnen ontwikkelaars de technologie downloaden, aanpassen en integreren in hun eigen toepassingen in plaats van uitsluitend afhankelijk te zijn van de gehoste diensten van een aanbieder. Dit kan meer flexibiliteit en controle over gegevens bieden, hoewel toegang tot modelgewichten niet noodzakelijk betekent dat alle trainingsgegevens, code of licentievoorwaarden open zijn.

Meta heeft Muse Spark Open beschikbaar gesteld via verschillende aanbieders van applicatieprogrammeerinterfaces, terwijl de modelgewichten kunnen worden verkregen via platforms zoals Hugging Face en grote cloudservices. De release biedt ontwikkelaars verschillende opties voor toegang tot de technologie, ofwel via gehoste diensten of door deze binnen hun eigen computeromgevingen te implementeren.

De lancering benadrukt ook de groeiende concurrentie tussen technologiebedrijven om steeds krachtigere AI-systemen toegankelijk te maken buiten grote cloudgegevenscentra. Door zijn model te combineren met Apple’s high-memory desktophardware, promoot Meta een opstelling die in staat is om veeleisende werklasten lokaal te verwerken, terwijl Apple een kans krijgt om de rekenmogelijkheden van zijn nieuwste chips te demonstreren.

Ondanks de potentiële voordelen kunnen de hoge geheugeneisen en gespecialiseerde hardware die nodig zijn om Muse Spark Open uit te voeren, de adoptie onder individuen en kleinere organisaties beperken. De langetermijneffecten zullen afhangen van de vraag of ontwikkelaars in staat zijn om de mogelijkheden om te zetten in praktische toepassingen, terwijl ze de kosten, complexiteit en energiebehoeften van lokale AI-implementatie beheren.