Meta släppte den 15 oktober 2026 sin största öppna AI-modell hittills, och denna gång kostar vikterna ingenting att ladda ner. Muse Spark Open har 816 miljarder parametrar totalt, ett säljargument som i sig sticker ut i en vecka där nästan varje stort AI-labb i världen har skickat ut en ny version. Modellen landar mitt i det Meta självt kallar det mest kapabla amerikanska öppna alternativet till dags dato, och den gör det samtidigt som företaget också säljer en stängd, betald modell vid namn Muse Wonder. Kombinationen av gratis toppmodell och betald systermodell är ovanlig, och den säger en hel del om var AI-branschen är på väg i slutet av 2026.
Meta ger bort sin starkaste öppna modell helt gratis
Meta Superintelligence Labs stod bakom lanseringen, och tajmingen var ingen slump. Bara tre dagar tidigare, den 12 oktober, hade samma företag lanserat Muse Wonder, sin första stängda frontiärmodell med ett API-pris på 4 dollar per miljon indata-token och 20 dollar per miljon utdata-token. Muse Spark Open riktar sig åt det motsatta hållet: vikterna går att ladda ner fritt via Hugging Face, och enligt Meta tillåter licensen begränsad kommersiell användning utan att företaget hittills publicerat de exakta villkoren i detalj.
Strategin är tydlig även om Meta inte säger det rakt ut. Genom att ge bort en toppmodell med öppna vikter håller bolaget kvar utvecklargemenskapen samtidigt som det tjänar pengar på den stängda Muse Wonder och på molnpartner som hostar Spark Open åt kunder. Det är en modell Meta testade redan med Muse Glimmer, den mindre öppna modellen på 30 miljarder parametrar som föregick höstens stora lanseringar, och nu skalas konceptet upp rejält.
Vad är Muse Spark Open? 816 miljarder parametrar i detalj
Muse Spark Open är en gles mixture-of-experts-modell (MoE) med 816 miljarder parametrar totalt, men bara 42 miljarder av dem aktiveras för varje token som genereras. Det är samma grundprincip som gjort kinesiska MoE-modeller så kostnadseffektiva de senaste åren, nu applicerad på en amerikansk öppen modell i betydligt större skala. Meta positionerar modellen specifikt för kodning, mjukvaruutveckling, långsiktiga agentiska uppgifter och flerstegsresonemang, snarare än som en generell chattbot.
Modellen är multimodal på indatasidan. Den tar emot text, bilder, video och ljud, men producerar enbart textutdata. Det gör den lämplig för agenter som behöver tolka skärmdumpar, loggfiler eller inspelade möten och sedan skriva kod eller rapporter baserat på det, snarare än för bildgenerering.
Mixture-of-Experts: hur 42 miljarder aktiva parametrar räcker
Arkitekturen bygger på 256 experter, där åtta experter routas för varje enskild token. Det förklarar skillnaden mellan de 816 miljarder totala parametrarna och de 42 miljarder som faktiskt används i varje beräkningssteg. Fördelen är lägre beräkningskostnad per genererad token jämfört med en tät modell av samma totala storlek.
Nackdelen syns i minneskraven. Även om bara 42 miljarder parametrar aktiveras per token måste samtliga 256 experter ligga redo i minnet eftersom routingen skiftar från token till token. Praktiskt innebär det att hårdvaran måste rymma en modell i 816-miljardersklassen, inte en på 42 miljarder, vilket är den springande punkten för alla som vill köra Spark Open lokalt.
En miljon tokens kontext och vad det betyder i praktiken
Muse Spark Open stödjer ett kontextfönster på upp till en miljon tokens. Det räcker grovt räknat till en hel kodbas på flera tusen filer, eller till flera timmars transkriberat ljud, i en och samma session utan att modellen glömmer tidigare delar av konversationen. Det är samma kontextstorlek som flera konkurrenter nu konvergerar kring, bland dem Mistral Large 4 och Google Gemini 4 Argon, vilket tyder på att en miljon tokens har blivit den nya lägstanivån för frontiärmodeller hösten 2026.
För agentiska arbetsflöden, där en modell ska läsa en hel repository, köra tester och iterera över flera steg, är ett stort kontextfönster ofta viktigare än rå parameterstorlek. Det är också därför Meta väljer att marknadsföra Spark Open mot just kodnings- och agentanvändning snarare än som en allmän assistent.
Apple-samarbetet: körs på två Mac Studio-datorer
Den mest oväntade detaljen i lanseringen är att Meta samarbetat med Apple för att få Spark Open att köra på vanlig Mac-hårdvara. Enligt TechCrunch kan modellen köras på två Mac Studio-datorer med Apples M5 Ultra-chip, med 512 gigabyte minne i varje, via Apples MLX-ramverk. Det är en ovanlig allians mellan två bolag som annars sällan syns tillsammans i AI-sammanhang, och den sänder en tydlig signal: Meta vill att utvecklare ska kunna köra en modell i toppklass utan att betala för molninfrastruktur från en tredje part.
Mark Zuckerberg kommenterade själv samarbetet. “Muse Spark Open, weights releasing today, runs great on new Mac Studios thanks to work with John Ternus and Apple”, skrev han, enligt uppgifter från Benzinga. John Ternus på Apple svarade med att lyfta fram just effektiviteten i upplägget. “Amazing to run a model of Muse Spark Open’s caliber and scale this efficiently, right from your desk”, sa Ternus, enligt The Independent.
Tillgänglighet: Hugging Face, NVIDIA NIM och molnjättarna
Vikterna finns att ladda ner via Hugging Face i två varianter: en vanlig BF16-checkpoint och en komprimerad NVFP4-checkpoint avsedd för Nvidias hårdvara. Lanseringen stöds direkt av flera etablerade ramverk för inferens, bland dem SGLang, vLLM, TensorRT-LLM, Hugging Face Transformers, MLX, llama.cpp och Unsloth, vilket gör det enklare för utvecklare att plugga in modellen i befintliga pipelines utan att skriva egen kod för att läsa vikterna.
Nvidia dokumenterar hur NVFP4-checkpointen går att köra via NVIDIA NIM, och företaget har även publicerat en teknisk genomgång av hur Spark Open skalar agentisk kodning på GB300 NVL72-system. Utöver det listas modellen hos externa API-värdar som Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter och Together AI, samt via Amazon SageMaker AI, Google Cloud Model Garden och Microsoft Foundry Models. För den som inte vill äga hårdvaran alls finns alltså redan ett brett utbud av betalda driftalternativ, trots att själva vikterna är gratis.
Oktober 2026: den tätaste lanseringsmånaden för AI-modeller hittills
Muse Spark Open är bara en av minst sju större modellsläpp under loppet av elva dagar i oktober 2026. Takten illustrerar hur konkurrensen mellan amerikanska och kinesiska AI-labb nu mäts i dagar snarare än kvartal.
| Datum | Labb | Modell | Typ | Kontext | Pris per miljon token (in/ut) |
|---|---|---|---|---|---|
| 6 okt | Mistral AI | Mistral Large 4 | Förhandsversion | 1 miljon | 0,68 / 2,09 USD |
| 7 okt | Anthropic | Claude Haiku 5.5 | Stängd | 1 miljon | 0,10 / 0,50 USD |
| 12 okt | Meta | Muse Wonder | Stängd (frontiär) | Ej offentliggjort | 4 / 20 USD |
| 13 okt | Gemini 4 Argon | Allmän tillgänglighet | 1 miljon | 2 / 10 USD | |
| 15 okt | Meta | Muse Spark Open | Öppna vikter | 1 miljon | Gratis (vikter) |
| 16 okt | Tencent | Hy Memory 2.0 | Ej specificerad | Ej offentliggjort | Ej offentliggjort |
| 17 okt | DeepSeek | V4.1-Flash-1017 | Ej specificerad | Ej offentliggjort | Ej offentliggjort |
Mönstret är tydligt redan i tabellen: priserna för stängda modeller spänner mellan 0,10 och 20 dollar per miljon token beroende på hur kapabel modellen är, medan Meta väljer att inte ta betalt alls för själva vikterna i Spark Open. Det sätter ett implicit pristak på hela den öppna delen av marknaden.
Muse Spark Open mot konkurrenterna
För att förstå var Spark Open placerar sig tekniskt är det mest relevant att jämföra med Metas egna tidigare öppna modeller och med Mistral Large 4, eftersom dessa är de modeller där parameterantal och kontextstorlek går att bekräfta mot officiella källor. Flera kinesiska konkurrenter, bland dem DeepSeek, GLM och Qwen, har inte publicerat verifierbara specifikationer för sina senaste oktoberversioner i skrivande stund, så de utelämnas ur jämförelsen nedan snarare än att gissas fram. Andra öppna alternativ som fått uppmärksamhet under hösten, bland annat Reflection AI Beam och Kolibri-1 från Aleph Alpha, visar att det amerikanska och europeiska intresset för öppna vikter har vuxit parallellt med Metas satsning.
| Modell | Totala parametrar | Aktiva parametrar | Kontext | Licens / tillgång |
|---|---|---|---|---|
| Muse Spark Open (Meta) | 816 miljarder | 42 miljarder | 1 miljon | Öppna vikter, gratis nedladdning |
| Llama 4 Maverick (Meta) | 400 miljarder | 17 miljarder | 1 miljon | Llama 4 Community License |
| Llama 4 Scout (Meta) | 109 miljarder | 17 miljarder | 10 miljoner | Llama 4 Community License |
| Mistral Large 4 (Mistral AI) | Cirka 1 biljon | 52 miljarder | 1 miljon | Förhandsversion, API-prissatt |
| Muse Wonder (Meta) | Ej offentliggjort | Ej offentliggjort | Ej offentliggjort | Stängd, API-prissatt |
Siffrorna visar att Spark Open mer än fördubblar det totala parameterantalet jämfört med Llama 4 Maverick, samtidigt som den aktiva parametermängden på 42 miljarder är klart högre än Maverick och Scouts 17 miljarder vardera. Mistral Large 4 ligger fortfarande före i rent parameterantal med sin biljon, men Mistral har hittills bara visat upp modellen i förhandsversion med ett löpande API-pris, inte som en fri nedladdning i samma anda som Metas öppna serie.
Öppen kontra stängd: Metas dubbla strategi med Muse Wonder
Det mest intressanta ur ett affärsperspektiv är inte Spark Open i isolation, utan att Meta samtidigt driver Muse Wonder som en betald, stängd produkt. Genom att sälja tillgång till en starkare, hemlig modell för 4 respektive 20 dollar per miljon token, medan den öppna systermodellen ges bort, bygger Meta två intäktsvägar parallellt: licensintäkter och molnpartnerskap kring Wonder, och ett ekosystem av utvecklare, forskare och startups kring Spark Open som i förlängningen kan bli kunder till Metas andra tjänster.
Det är en strategi som skiljer sig från både Googles och Anthropics linje, där nästan alla modeller förblir stängda och prissatta per token, och från rent öppna aktörer som historiskt gett bort allt. Meta försöker i stället ha det bästa av båda världarna, vilket också är varför jämförelsen mellan Spark Open och Wonder är mer talande än en jämförelse mellan Spark Open och en enskild konkurrent.
Så reagerar branschen
Meta själv har varit tydligt i sin egen marknadsföring av lanseringen. “Today we’re releasing Muse Spark Open, the most capable US open-weight model to date”, skrev Meta AI i sitt officiella uttalande om releasen. Bolaget la samtidigt till en mer konkret beskrivning av vad modellen är tänkt att användas till: “Built for coding and agentic work, it excels at long-horizon tasks, complex software engineering, and multi-step reasoning.”
Uttalandena pekar mot en medveten positionering: Meta tävlar inte i första hand om att bygga den mest “pratsamma” chattboten, utan om att äga infrastrukturen för AI-agenter som skriver och underhåller kod. Det är samma mål som Google, Anthropic och OpenAI driver med sina respektive oktoberlanseringar, men Meta är hittills ensamt om att göra det med en modell i den här storleksklassen utan kostnad för vikterna.
Marknadspåverkan: press på Mistral, DeepSeek och molnleverantörer
En gratis modell i 816-miljardersklassen förändrar kalkylen för alla som säljer åtkomst till AI-modeller via API. Mistral tar fortfarande betalt per token för Large 4, men måste nu motivera det priset mot ett alternativ där grundmodellen är fri och endast driftkostnaden återstår. Samma press riktas mot de kinesiska labben, som traditionellt konkurrerat just på pris och öppenhet, nu när en amerikansk jätte matchar dem på båda fronterna samtidigt.
Molnleverantörerna som listar Spark Open, från Baseten och Together AI till Amazon, Google och Microsoft, får i stället en ny intäktskälla i driftkostnaden snarare än i modellicensen. Det flyttar värdeskapandet från “vem äger den bästa modellen” till “vem kan köra den billigast och snabbast”, vilket gynnar aktörer med egen specialiserad hårdvara, exempelvis Groq och Nvidia-partner, framför rena mjukvarubolag.
Historisk kontext: från Llama 4 till Muse Spark Open
Metas förra stora öppna satsning var Llama 4-familjen, som lanserades den 5 april 2025 i två storlekar: Scout på 109 miljarder parametrar med ett kontextfönster på hela 10 miljoner tokens, och Maverick på 400 miljarder parametrar med 1 miljon tokens kontext. Båda släpptes under en egen Llama 4 Community License, inte en helt fri licens, men ändå öppna nog för bred spridning bland utvecklare och forskare.
Arton månader senare mer än fördubblar Spark Open Mavericks totala parameterantal och lägger till video och ljud som indataformat utöver text och bild. Det är en betydligt större språngbräda än stegen mellan tidigare Llama-generationer, och det sker samtidigt som konkurrensen hårdnat så mycket att sju stora modeller hann lanseras under bara elva dagar i oktober 2026.
Vad betyder det för svenska och nordiska företag?
För nordiska bolag som redan experimenterar med egna AI-driftsättningar är nyheten relevant av ett specifikt skäl: öppna vikter går att köra på egen hårdvara eller i egen molnmiljö, vilket i teorin gör det lättare att hålla data inom EU än med en ren API-tjänst hos en utomeuropeisk leverantör. Analyser kring höstens modellvåg har pekat ut bolag och lärosäten som Ericsson, Telenor, Volvo, DNB, SEB, KTH, Chalmers, NTNU och Oslo universitet som tänkbara intressenter i den bredare utvecklingen, men det är viktigt att vara tydlig med att det rör sig om bedömningar av vilka aktörer som bevakar fältet, inte bekräftade kundrelationer med Meta.
Samtidigt kvarstår en öppen fråga som ingen av de tillgängliga källorna besvarar: var databehandlingen sker när Spark Open körs via de listade molnpartnerna, och om Meta publicerar separat dokumentation för EU-kunder. Tills det är klarlagt bör nordiska IT-avdelningar som överväger modellen behandla datalokalisering som en öppen fråga snarare än en löst sak, särskilt i reglerade sektorer som bank och sjukvård.
Fem förutsägelser för resten av 2026
- Fler molnleverantörer utöver de sju som redan listar Spark Open kommer att lägga till modellen i sina kataloger inom några veckor, i linje med hur snabbt Llama-modellerna spreds 2025.
- Prispressen på hostade API-modeller fortsätter, eftersom en gratis modell av den här kalibern gör det svårare för mindre labb att motivera höga per-token-priser.
- Kinesiska labb som DeepSeek, Zhipu och Alibaba svarar sannolikt med egna uppdateringar inom veckor snarare än månader, givet den redan extremt höga lanseringstakten under oktober.
- Frågan om EU-tillgänglighet och datalokalisering förblir olöst ett tag till, vilket troligen bromsar adoption bland nordiska företag i reglerade branscher jämfört med mer riskvilliga startups.
- Apple-samarbetet kring Mac Studio väntas fördjupas, eftersom den positiva uppmärksamheten kring att köra en 816-miljardersmodell på skrivbordshårdvara ger båda bolagen skäl att upprepa upplägget med framtida modeller.
Vanliga frågor
Vad är Meta Muse Spark Open?
Det är en öppen AI-modell från Meta Superintelligence Labs, lanserad 15 oktober 2026, med 816 miljarder parametrar totalt och 42 miljarder aktiva parametrar per token, byggd specifikt för kodning och agentiska uppgifter.
Är Muse Spark Open gratis att använda?
Vikterna går att ladda ner fritt via Hugging Face, och licensen tillåter enligt Meta begränsad kommersiell användning. De exakta licensvillkoren i detalj har inte publicerats i de källor som finns tillgängliga vid skrivande stund.
Vilken hårdvara krävs för att köra modellen lokalt?
Eftersom alla 256 experter måste finnas i minnet samtidigt krävs kapacitet motsvarande en modell i 816-miljardersklassen, inte bara de 42 miljarder parametrar som aktiveras per token. Meta har visat att den går att köra på två Mac Studio-datorer med Apples M5 Ultra-chip och 512 gigabyte minne vardera, via MLX-ramverket.
Hur skiljer sig Muse Spark Open från Meta Muse Wonder?
Muse Wonder, lanserat tre dagar tidigare den 12 oktober, är Metas första stängda frontiärmodell och kostar 4 dollar per miljon indata-token och 20 dollar per miljon utdata-token via API. Muse Spark Open är i stället en öppen modell med fritt nedladdningsbara vikter.
Var kan jag ladda ner modellen?
Vikterna finns på Hugging Face i både en BF16-checkpoint och en NVFP4-checkpoint, och modellen stöds direkt av ramverk som vLLM, SGLang, TensorRT-LLM, Transformers, MLX, llama.cpp och Unsloth.
Stödjer modellen svenska språket?
De tillgängliga källorna specificerar inte vilka enskilda språk Muse Spark Open stödjer utöver att den hanterar multimodal indata i form av text, bild, video och ljud. Det går alltså inte att bekräfta svenskt språkstöd specifikt utifrån det material som finns publicerat i dagsläget.
Hur jämför sig Muse Spark Open med Mistral Large 4?
Mistral Large 4 har fler totala parametrar, omkring en biljon mot Spark Opens 816 miljarder, och något fler aktiva parametrar, 52 miljarder mot 42 miljarder. Skillnaden är att Mistral Large 4 hittills bara finns som förhandsversion med löpande API-pris, medan Spark Open är en fri nedladdning.
Kommer Muse Spark Open till Europa och Norden?
Eftersom vikterna är öppna går det redan i dag att köra modellen på egen infrastruktur inom EU, inklusive Sverige och övriga Norden. Vad som fortfarande saknas är tydlig dokumentation från Meta om var de hostade molnpartnerna faktiskt processar data, vilket är en relevant fråga för företag med krav på datalokalisering.