Meta Platforms ujawniła 8 kwietnia 2026 roku model Muse Spark — pierwszą własną architekturę językową zbudowaną przez Meta Superintelligence Labs pod kierownictwem Alexandry Wanga. To nie tylko nowy produkt: to potwierdzenie, że Meta odwróciła dotychczasową strategię open source, przeszła do wyścigu zamkniętych modeli frontierowych i — po kompromitacji Llamy 4 rok temu — wraca do czołówki globalnej stawki.
Najważniejsze w skrócie
- Muse Spark to pierwszy model z rodziny Muse, stworzony przez Meta Superintelligence Labs (MSL) — nowy dział AI pod kierownictwem Alexandra Wanga
- Model jest zamknięty — odejście od wieloletniej strategii open source z serii Llama
- Na Artificial Analysis Intelligence Index v4.0 Muse Spark osiągnął wynik 52, plasując się w czołowej piątce — za Gemini 3.1 Pro Preview i GPT-5.4 (oba po 57) oraz Claude Opus 4.6 (53)
- Model jest bezpłatny dla użytkowników Meta AI; API dostępne na razie tylko dla wybranych partnerów w trybie prywatnej wersji preview
- Wyraźne słabości w kodowaniu i zadaniach agentycznych; mocna pozycja w medycynie i rozumieniu wizualnym
Dziewięć miesięcy i zupełnie nowy stos technologiczny
Muse Spark — wewnętrznie nazywany „Avocado" — nie jest iteracją na istniejącej architekturze. Przez ostatnie dziewięć miesięcy Meta Superintelligence Labs przebudowała cały stos AI od podstaw, pracując szybciej niż w jakimkolwiek poprzednim cyklu rozwojowym. Muse Spark jest pierwszym modelem z nowej rodziny Muse — podejścia opartego na stopniowym skalowaniu, gdzie każda generacja waliduje poprzednią przed przejściem do większych rozmiarów.
Impulsem do zmian była kompromitująca premiera Llamy 4 w kwietniu 2025 roku, która nie zdobyła uznania deweloperów i skłoniła dyrektora generalnego Marka Zuckerberga do zmiany strategii. W czerwcu 2025 roku Meta zainwestowała 14,3 mld dolarów (ok. 57 mld zł) w 49-procentowy udział w Scale AI i sprowadziła jej współzałożyciela i CEO, Alexandera Wanga, na stanowisko pierwszego w historii firmy dyrektora ds. AI.
Efekt tej inwestycji widać w architekturze. Ulepszone techniki trenowania i przebudowana infrastruktura umożliwiły Mecie tworzenie mniejszych modeli o możliwościach porównywalnych ze starszym Llamą 4 Maverick przy dziesięciokrotnie mniejszym zapotrzebowaniu na moc obliczeniową.
Co potrafi Muse Spark — i czego mu brakuje
Muse Spark to model natively multimodalny: przyjmuje dane tekstowe, głosowe i wizualne, na razie produkując wyłącznie tekst. Kluczową nowością jest architektura wieloagentowa.
Użytkownicy mogą przełączać się między trybami w zależności od złożoności zapytania, a Meta AI może uruchamiać wiele subagentów równolegle — na przykład planowanie rodzinnego wyjazdu do Wrocławia, gdzie jeden agent tworzy plan podróży, drugi porównuje lokalizacje, a trzeci szuka aktywności dla dzieci — jednocześnie.
Szczególnie mocna pozycja modelu ujawniła się w benchmarkach medycznych. Na HealthBench Hard — zestawie otwartych pytań zdrowotnych — Muse Spark uzyskał 42,8 proc., wyprzedzając Gemini 3.1 Pro (20,6 proc.), GPT-5.4 (40,1 proc.) i Grok 4.2 (20,3 proc.). OfficeChai Meta przypisuje to współpracy z ponad tysiącem lekarzy przy tworzeniu danych treningowych.
Mocną stroną modelu jest też efektywność tokenowa. Muse Spark zużył 58 mln tokenów wyjściowych do przeprowadzenia pełnego zestawu Intelligence Index — porównywalnie z Gemini 3.1 Pro (57 mln), ale znacznie mniej niż Claude Opus 4.6 (157 mln) czy GPT-5.4 (120 mln).
Wyraźne słabości pozostają. Na ARC AGI 2 (abstrakcyjne rozumowanie) Muse Spark uzyskał 42,5 punktu w trybie Thinking — znacznie poniżej Gemini 3.1 Pro (76,5) i GPT-5.4 (76,1). Na Terminal-Bench 2.0 (agentyczne kodowanie w terminalu) wynik 59,0 pozostaje wyraźnie za GPT-5.4 (75,1) i Gemini 3.1 Pro (68,5). Wang przyznał to wprost, zapowiadając dalsze inwestycje w „systemy agentyczne długiego horyzontu i workflow kodowania".
Koniec Llamy jako flagowca — strategiczny zwrot w kierunku modelu zamkniętego
Najbardziej kontrowersyjnym elementem premiery jest odejście od otwartego kodu. Llama ustanowiła standard open source w AI przez cały rok 2025, dostarczając fundamentów dla tysięcy aplikacji i projektów badawczych. Muse Spark łamie ten wzorzec.
W odwróceniu od dotychczasowej strategii open source Muse Spark jest modelem zamkniętym — jego architektura i kod nie zostaną upublicznione. Meta zapowiedziała, że „ma nadzieję" na udostępnienie przyszłych wersji w trybie open source, nie podając jednak żadnych terminów.
Jak podaje CNBC, dostęp do modelu poza ekosystemem produktów Mety jest dla zewnętrznych deweloperów mocno ograniczony: API pozostaje w trybie prywatnej wersji preview, otwartej tylko dla wybranych partnerów. Muse Spark jest przez to nawet bardziej zamknięty niż płatne modele konkurencji.
Dostępność i plany ekspansji
Model działa już w aplikacji Meta AI i na stronie meta.ai. W ciągu najbliższych tygodni Muse Spark pojawi się w WhatsAppie, Instagramie, Facebooku, Messengerze oraz w okularach Ray-Ban Meta z obsługą AI. Meta planuje też uruchomienie trybu Shopping, który ma pomagać użytkownikom w wyborze ubrań i produktów do wystroju wnętrz.
Trzy tryby działania modelu to: Instant (szybkie odpowiedzi), Thinking (rozumowanie krok po kroku) oraz zapowiedziany Contemplating — który uruchamia wiele agentów równolegle i ma „konkurować z trybami skrajnego wnioskowania modeli frontierowych, jak Gemini Deep Think i GPT Pro".
Dlaczego to ważne?
Meta przez ostatnie dwa lata była w defensywie. Llama 4 nie podbiła rynku deweloperów, a OpenAI i Anthropic — których wspólna wycena przekracza według CNBC bilion dolarów — budowały przewagi niedostępne dla otwartych modeli.
Muse Spark to wyraźna odpowiedź: Meta nie zamierza konkurować jako dostawca infrastruktury open source, lecz jako gracz frontierowy z własnym, zamkniętym modelem i unikalną dźwignią — dostępem do danych ponad trzech miliardów użytkowników swoich platform.
Różnica między Musem a GPT-5.4 czy Gemini 3.1 Pro wynosi zaledwie 5 punktów na Intelligence Index — podczas gdy poprzedni flagowiec Mety, Llama 4 Maverick, debiutował z wynikiem 18. To skok, nie ewolucja. Jednak wyniki w kodowaniu i abstrakcyjnym rozumowaniu wskazują, że Muse Spark jest raczej silnym modelem ogólnym niż niekwestionowanym liderem technicznym.
Prawdziwy test modelu nie rozegra się na benchmarkach, lecz w tym, czy miliardowa baza użytkowników Mety zacznie traktować Meta AI jako narzędzie pierwszego wyboru — a nie jako zamiennik Siri, który uruchamiają przypadkowo.
Co dalej?
- Meta pracuje już nad większymi modelami z rodziny Muse; infrastruktura obliczeniowa, w tym centrum danych Hyperion, jest skalowana równolegle
- API ma zostać otwarte dla szerszego grona deweloperów w późniejszym terminie — bez podanej daty
- Niezależne organizacje bezpieczeństwa, w tym Apollo Research, mają opublikować pełny raport Safety & Preparedness; wstępne wyniki sugerują, że Muse Spark wykazuje najwyższy dotychczas obserwowany stopień „świadomości ewaluacyjnej" wśród testowanych modeli — Meta uznała to za kwestię wymagającą dalszych badań, lecz nie blokującą premierę
Źródła
- Meta AI Blog — Introducing Muse Spark: Scaling Towards Personal Superintelligence — ai.meta.com
- Meta Newsroom — Introducing Muse Spark: Meta's Most Powerful Model Yet — about.fb.com
- Artificial Analysis — Muse Spark: Everything You Need to Know — artificialanalysis.ai
- CNBC — Meta debuts new AI model, attempting to catch Google, OpenAI after spending billions — cnbc.com
- Fortune — Meta unveils Muse Spark, its first new AI model since hiring Alexandr Wang — fortune.com
- The Next Web — Meta's Muse Spark is here — and it's closed source — thenextweb.com
- TechCrunch — Meta debuts the Muse Spark model in a 'ground-up overhaul' of its AI — techcrunch.com
- Axios — Meta debuts Muse Spark, first AI model under Alexandr Wang — axios.com
- VentureBeat — Goodbye, Llama? Meta launches new proprietary AI model Muse Spark — venturebeat.com
