# Meta ავრცელებს Muse Spark Open 816B მოდელს Sparse MoE Architecture-ით ადგილობრივი აგენტური მსჯელობისთვის

Source: TechNewsList (https://technewslist.com)
Canonical URL: https://technewslist.com/ka/article/meta-releases-muse-spark-open-816b-sparse-moe-model-agentic-2026-10-16-night-ka
Section: AI (https://technewslist.com/ka/ai)
Author: TechNewsList
Language: ka
Published: 2026-10-16T17:56:59.282+00:00
Updated: 2026-10-16T17:56:59.534189+00:00

> Meta-ს დებიუტი აქვს Muse Spark Open, 816 მილიარდი პარამეტრიანი მწირი ექსპერტთა ნარევი მოდელი, რომელიც ააქტიურებს 42 მილიარდ პარამეტრს თითო ტოკენზე და ოპტიმიზებულია ადგილობრივი Apple Silicon დასკვნისთვის.

## TL;DR
- Meta-მ ოფიციალურად გამოუშვა Muse Spark Open, 816 მილიარდი პარამეტრიანი ღია წონის იშვიათი, ექსპერტთა ნარევი მოდელი.
- აქტიური არქიტექტურული მარშრუტები დინამიურად გამოითვლება და ააქტიურებს მხოლოდ 42 მილიარდ პარამეტრს თითო დასკვნის ჟეტონზე.
- მშობლიური დაბალი ბიტიანი კვანტიზაციის ბირთვები იძლევა შესრულებას მაღალი გამტარუნარიანობის სამომხმარებლო აპარატურაზე, როგორიცაა Apple M5 Ultra სამუშაო სადგურები.
- საორიენტაციო შეფასებები აჩვენებს კონკურენტულ შესრულებას საკუთრების სასაზღვრო მოდელების წინააღმდეგ მრავალსაფეხურიანი კოდირების ამოცანების შესახებ.

## Key points
- Muse Spark Open შეიცავს 128 მარშრუტიზაციის ექსპერტს 8 საუკეთესო დინამიური ექსპერტის შერჩევით ღრმა ტრანსფორმატორის ბლოკებში.
- ღია წონის გამოშვება მოიცავს წინასწარ გაწვრთნილ საბაზო საგუშაგოებს, ინსტრუქციით მორგებულ მსჯელობის მოდელებს და აგენტის ხელსაწყოების აღკაზმულობის კონფიგურაციას.
- ტექნიკის დონის ოპტიმიზაცია მიზნად ისახავს მეხსიერების ერთიან გამტარობას, ამცირებს მეხსიერების კვალს და ინარჩუნებს რიცხვითი სტაბილურობას.
- მოდელი აღწევს 71.4 პროცენტიანი შესრულების ქულას სტანდარტიზებულ SWE-bench Verified კოდირების საორიენტაციო კომპლექტს.
- Meta-მ გაავრცელა მოდელის წონა Hugging Face-ის საშუალებით, განახლებული Meta Community ლიცენზიით კომერციული განვითარებისთვის.

## რა მოხდა

ხელოვნური ინტელექტის კვლევის განყოფილებამ Meta AI ოფიციალურად გამოუშვა Muse Spark Open, 816 მილიარდი პარამეტრიანი ღია წონის იშვიათი ექსპერტთა ნარევი (MoE) საძირკვლის მოდელი, რომელიც შექმნილია სპეციალურად გრძელი ჰორიზონტის აგენტური სამუშაოების, მრავალსაფეხურიანი ლოგიკური მსჯელობისა და ავტონომიური პროგრამული უზრუნველყოფის ინჟინერიისთვის. განცხადება აღნიშნავს Meta-ს ღია წონის სტრატეგიის უახლეს ეტაპს, რომელიც აწვდის მოდელის უპრეცედენტო შესაძლებლობებს პირდაპირ გლობალურ დეველოპერთა საზოგადოებაში.

მიუხედავად იმისა, რომ შეიცავს 816 მილიარდ მთლიან პარამეტრს მის განაწილებულ მიმავალი ქსელის შრეებში, Muse Spark Open დინამიურად მარშრუტებს ტოკენის გამოთვლებს ისე, რომ მხოლოდ 42 მილიარდი პარამეტრია აქტიური ყოველ წინსვლაზე. ეს მწირი აქტივაციის მექანიზმი უზრუნველყოფს საშუალო ზომის მოდელის გამოთვლით ეფექტურობას და დასკვნის გამტარუნარიანობას, ხოლო ინარჩუნებს მასიური სასაზღვრო ქსელის ფართო ცოდნის წარმოდგენას და მსჯელობის სიღრმეს.

![მაღალი გამტარუნარიანობის ერთიანი მეხსიერების პროცესორის განლაგება.](https://rkhynbcsbnkkcwgexzwg.supabase.co/storage/v1/object/public/media/api/1792170842616-k5omoc-meta-releases-muse-spark-open-816b-sparse-moe-model-agentic-2026-10-16-night-inside-1-a9e3485b4d.webp)
*მეხსიერების ერთიანი არქიტექტურები სამუშაო სადგურის სილიკონში უზრუნველყოფს მეხსიერების გამტარუნარიანობას, რომელიც აუცილებელია ექსპერტთა იშვიათი ნარევის დასკვნებისთვის.*

წონა ორივე საძირკვლის გამშვები პუნქტისთვის და ინსტრუქციით მორგებული მსჯელობის ვარიანტებისთვის გამოიცა ერთდროულად Hugging Face-ზე, რომელსაც თან ახლავს სპეციალიზებული კვანტიზაციის ბირთვები და მითითების გაშვების განხორციელებები.

## რატომ არის მნიშვნელოვანი

ბოლო დრომდე, სასაზღვრო კლასის მსჯელობა და ავტონომიური პროგრამული უზრუნველყოფის ინჟინერიის მოდელები მოითხოვდა მაღალფასიან API-ს წვდომას დახურული წყაროს ღრუბლოვანი პროვაიდერებისთვის. ორგანიზაციები, რომლებსაც აქვთ მგრძნობიარე საკუთრების კოდების ბაზები, მონაცემთა მკაცრი რეზიდენტობის მანდატები ან ჰაერის უფსკრული ოპერაციული გარემო, ძირითადად გამორიცხული იყო უახლესი კოდირების აგენტების განლაგებისგან.

Muse Spark Open-ის ადგილობრივი სამუშაო სადგურის სილიკონის ადგილობრივი ოპტიმიზაციით გამოშვებით, Meta ეფექტურად ახდენს სასაზღვრო ინტელექტის დეცენტრალიზაციას. დეველოპერებს ახლა შეუძლიათ გაუშვან მოდელი, რომელსაც შეუძლია ავტონომიური მრავალფაილიანი საცავის რეფაქტორირება უშუალოდ ადგილობრივ დესკტოპის სამუშაო სადგურებზე თითო ნიშნული API საფასურის გადახდის გარეშე ან მესამე მხარის ღრუბლოვან სერვერებზე კონფიდენციალური პროგრამული უზრუნველყოფის წყაროს კოდის გამოვლენის გარეშე.

გარდა ამისა, გამოშვება აძლიერებს კონკურენტულ ზეწოლას საკუთრების მოდელის დეველოპერებზე. როდესაც ღია წონის იშვიათი არქიტექტურები უახლოვდება თანასწორობას დახურულ სასაზღვრო სისტემებთან სტანდარტიზებული პროგრამული უზრუნველყოფის ინჟინერიის კრიტერიუმებით, საწარმოთა შესყიდვების გუნდები იძენენ ძლიერ ბერკეტს, მოითხოვონ დაბალი API ფასები და მეტი არქიტექტურული გამჭვირვალობა.

## ტექნიკური დეტალები

Muse Spark Open აგებულია ღრმა დეკოდერით მხოლოდ სატრანსფორმატორო ხერხემლის გარშემო, რომელიც იყენებს 128 განსხვავებულ საექსპერტო ქსელს თითო ფენაზე. შესწავლილი როუტერის ქსელი აფასებს შემომავალ ტოკენის წარმოდგენებს და შერჩევით ააქტიურებს 8 ყველაზე რელევანტურ ექსპერტს თითოეული გაანგარიშების საფეხურისთვის. ეს დიზაინი იძლევა 42 მილიარდ აქტიურ პარამეტრს თითო ჟეტონზე, რაც უზრუნველყოფს ოპტიმალურ ბალანსს შესრულების სიჩქარესა და მათემატიკური გამოხატვის ძალას შორის.

სასწავლო მილსადენი შეიცავდა 22 ტრილიონზე მეტ ნიშანს კურირებული მრავალენოვანი ტექსტის, მათემატიკური მტკიცებულებებისა და სინთეზური მრავალმხრივი მსჯელობის კვალს, რომლებიც გენერირებული იყო განმეორებითი თვითშესწორების მარყუჟების გამოყენებით. კონტექსტის სიგრძე ვრცელდება 256000 ჟეტონამდე მბრუნავი პოზიციის ჩაშენების სკალირების საშუალებით, რაც საშუალებას აძლევს მოდელს შეიტანოს მთელი კოდის საცავი და ყოვლისმომცველი ტექნიკური დოკუმენტაცია აქტიურ სამუშაო მეხსიერებაში.

![ნერვული ქსელის გამოთვლა და აპარატურის მარშრუტიზაციის ტოპოლოგიის დიაგრამა.](https://rkhynbcsbnkkcwgexzwg.supabase.co/storage/v1/object/public/media/api/1792170846177-m2syti-meta-releases-muse-spark-open-816b-sparse-moe-model-agentic-2026-10-16-night-inside-2-23653a173d.webp)
*მწირი მარშრუტიზაციის ფენები დინამიურად ატარებს ტოკენის გამოთვლას დამოუკიდებელ მიწოდების ექსპერტთა ქსელებში.*

გადამწყვეტი ტექნიკური წვლილი არის Meta-ს მშობლიური ინტეგრაცია ადგილობრივ აჩქარების ჩარჩოებთან. ოპტიმიზებული 4-ბიტიანი და 8-ბიტიანი წონის კვანტიზაციის რუტინების მეშვეობით, მოდელის ფიზიკური მეხსიერების კვალი შეკუმშულია 1,6 ტერაბაიტიდან ნახევრად სიზუსტის ფორმატში 450 გიგაბაიტამდე. როდესაც განლაგებულია ერთიან მეხსიერების აპარატურაზე, როგორიცაა სამუშაო სადგურები, რომლებიც კონფიგურირებულია მაღალი გამტარუნარიანობის მეხსიერებით, მოდელი ინარჩუნებს ინტერაქტიული ნიშნის გენერირების სიჩქარეს, რომელიც აღემატება 25 ჟეტონს წამში.

## გავლენა ბაზარზე და ინდუსტრიაზე

Muse Spark Open-ის დანერგვა მიზნად ისახავს დააჩქაროს საწარმოს ადგილობრივი დეველოპერების დახმარებისა და ავტონომიური აგენტების ინსტრუმენტების მიღება. პროგრამული უზრუნველყოფის ინჟინერიის ორგანიზაციებს ახლა შეუძლიათ შექმნან სპეციალური შიდა კოდირების ასისტენტები, რომლებიც კარგად არის მორგებული საკუთრების ჩარჩოებზე, მონაცემთა გაჟონვის შეშფოთების გარეშე.

ღია წონის გამოშვება ასევე გავლენას ახდენს ნახევარგამტარებისა და სამუშაო სადგურების ტექნიკის ბაზარზე. როდესაც მასიური იშვიათი მოდელების ადგილობრივი დასკვნა სიცოცხლისუნარიანი ხდება, ტექნიკის გამყიდველები, რომლებიც გვთავაზობენ მეხსიერების ერთიან არქიტექტურას, განსაკუთრებით Apple-ისა და სამუშაო სადგურების ჩიპების მწარმოებლებს, შეუძლიათ აითვისონ ინჟინრების მზარდი მოთხოვნა, რომლებიც ეძებენ სპეციალურ ადგილობრივ AI განვითარების სისტემებს.

ღია კოდის დეველოპერის ხელსაწყოების შემქმნელებმა, მათ შორის ლოკალური დასკვნის გაშვების დროს, როგორიცაა vLLM, llama.cpp და Ollama, გამოაცხადეს საზოგადოების დაუყოვნებელი მხარდაჭერა Muse Spark Open-ის მარშრუტიზაციის ტოპოლოგიისთვის, რაც აჩქარებს ვადებს მოდელის გამოშვებასა და ოპერაციულ სისტემებში დეველოპერების ყოველდღიურ ინტეგრაციას შორის.

## რას უნდა დავაკვირდეთ შემდეგ

მომდევნო კვირების განმავლობაში, დეველოპერების ყურადღება გამახვილდება მესამე მხარის საზოგადოების დახვეწაზე და დომენის სპეციფიკურ დისტილაციებზე, რომლებიც მიზნად ისახავს იურიდიულ ანალიზს, კიბერუსაფრთხოების დაუცველობის აუდიტს და ბიოსამედიცინო კვლევებს.

ინდუსტრიის დამკვირვებლები ასევე ყურადღებით აკვირდებიან პასუხს კონკურენტი საძირკვლის მოდელის ლაბორატორიებიდან, კერძოდ, არეგულირებენ თუ არა OpenAI და Anthropic API სიჩქარის ლიმიტებს ან გამოაცხადებენ შემდეგი თაობის გამოხდილ მსჯელობის მოდელებს ღია წონის იმპულსისთვის.

და ბოლოს, საწარმოს პროგრამული ეკოსისტემა უნდა აკონტროლოს რეალურ სამყაროში დეველოპერების პროდუქტიულობის მეტრიკა, რათა გადაამოწმოს, უზრუნველყოფს თუ არა ადგილობრივი იშვიათი გარემოს დაცვის სამინისტროს განლაგება მდგრადი ოპერაციული ხარჯების შემცირებას ღრუბელზე განთავსებული აგენტების პლატფორმებთან შედარებით.

## წყაროები

- [Meta AI კვლევა](https://ai.meta.com/blog/meta-muse-spark-open-moe-reasoning/): ოფიციალური ტექნიკური არქიტექტურის გამოშვება, რომელიც დეტალურად ასახავს 816B პარამეტრის მწირი შერეული ექსპერტების მოდელს და ადგილობრივ დასკვნის ეტალონებს.
- [Guardian ტექნოლოგია](https://www.theguardian.com/technology/2026/oct/15/meta-launches-muse-spark-open-ai-model-reasoning): დამოუკიდებელი ანალიზი, რომელიც აფასებს მეტა ღია წონის სტრატეგიას საკუთრების სასაზღვრო მსჯელობის მოდელებისა და ლიცენზირების პირობების წინააღმდეგ.
- [VentureBeat AI Beat](https://venturebeat.com/ai/meta-unveils-muse-spark-open-816b-agentic-coding-apple-silicon/): ტექნიკური საორიენტაციო ანგარიში, რომელიც აანალიზებს აგენტური კოდირების ეტალონებს, 42B აქტიური პარამეტრის ეფექტურობას და Apple Silicon ტექნიკის ოპტიმიზაციას.

Mentions: Meta AI, Apple Silicon, Hugging Face

## Sources
- [Meta AI კვლევა](https://ai.meta.com/blog/meta-muse-spark-open-moe-reasoning/)
- [Guardian ტექნოლოგია](https://www.theguardian.com/technology/2026/oct/15/meta-launches-muse-spark-open-ai-model-reasoning)
- [VentureBeat AI Beat](https://venturebeat.com/ai/meta-unveils-muse-spark-open-816b-agentic-coding-apple-silicon/)