Model Muse Spark Open kini tersedia di Amazon SageMaker JumpStart
Meta's Muse Spark Open kini tersedia di Amazon SageMaker JumpStart, memperluas portofolio model dasar yang tersedia bagi pelanggan AWS. Model bobot terbuka yang dioptimalkan untuk coding dari Meta ini dirancang khusus untuk alur kerja coding agentik, menghadirkan penalaran multi-langkah dan pemanggilan tool ke rekayasa perangkat lunak perusahaan pada infrastruktur AWS.
Muse Spark Open dirancang untuk agen coding yang berjalan lama dan alur kerja rekayasa multimodal. Dibangun di atas arsitektur Mixture-of-Experts (MoE) dengan total 816B parameter dan 42B aktif per token, sistem ini memberikan kapasitas jaringan yang sangat besar sambil menjaga komputasi per token lebih dekat dengan model padat yang jauh lebih kecil. Model ini memiliki jendela konteks 1 juta token, yang memungkinkannya untuk menyerap seluruh proyek—termasuk dependensi, kode lama, dan ribuan file—tanpa memecah tugas menjadi bagian-bagian yang lebih kecil. Sistem ini menerima teks, gambar, dokumen, audio, serta audio-video sebagai input dan menghasilkan output berupa teks. Dilatih berdasarkan alur kerja pengembang nyata seperti memfaktor ulang multi-file dan sesi debugging yang panjang, ia merencanakan, bertindak, mengamati hasil, dan melakukan koreksi mandiri dalam jangka waktu yang lama, bukan hanya menggunakan satu tool saja. SageMaker JumpStart menawarkan dua varian: BF16 (Muse-Spark-Open-816B-A42B) dan NVFP4 terkuantisasi (Muse-Spark-Open-816B-A42B-NVFP4), dengan varian NVFP4 membutuhkan sekitar seperempat memori untuk deployment yang hemat biaya.
Dengan SageMaker JumpStart, pelanggan dapat menerapkan Muse Spark Open hanya dengan beberapa klik, dengan titik akhir yang berjalan di akun AWS mereka sendiri untuk kontrol penuh atas kode sumber dan prompt.
Untuk memulai dengan model ini, navigasikan ke katalog model SageMaker JumpStart di konsol SageMaker atau gunakan SageMaker Python SDK untuk menyebarkan model ke akun AWS Anda. Untuk informasi selengkapnya tentang men-deploy dan menggunakan model fondasi di SageMaker JumpStart, lihat dokumentasi Amazon SageMaker JumpStart.