Il modello Muse Spark Open è ora disponibile su Amazon SageMaker JumpStart
Il modello Muse Spark Open di Meta è ora disponibile su Amazon SageMaker JumpStart, ampliando il portafoglio di modelli di base a disposizione dei clienti AWS. Questo modello open-weight di Meta, ottimizzato per la codifica, è stato creato appositamente per i flussi di lavoro di codifica agentica, portando il ragionamento multifase e la chiamata di strumenti nell'ingegneria del software aziendale sull'infrastruttura AWS.
Muse Spark Open è progettato per agenti di codifica a lunga durata e flussi di lavoro ingegneristici multimodali. Basato su un'architettura Mixture-of-Experts (MoE) con 816 miliardi di parametri totali e 42 miliardi attivi per token, offre le capacità di una rete estremamente ampia mantenendo le risorse di calcolo per token vicine a quelle di un modello denso molto più piccolo. Il modello dispone di una finestra contestuale da 1 milione di token, consentendogli di acquisire un intero progetto (comprese dipendenze, codice legacy e migliaia di file) senza dover suddividere le attività in parti più piccole. Accetta in input testo, immagini, documenti, audio e audio-video e genera output di testo. Addestrato su flussi di lavoro reali degli sviluppatori, come il refactoring multi-file e lunghe sessioni di debug, il modello pianifica, agisce, osserva i risultati e si autocorregge su orizzonti estesi anziché limitarsi a singole chiamate di strumenti. SageMaker JumpStart offre due varianti: BF16 (Muse-Spark-Open-816B-A42B) e la versione quantizzata NVFP4 (Muse-Spark-Open-816B-A42B-NVFP4), con la variante NVFP4 che richiede circa un quarto della memoria per una distribuzione conveniente in termini di costi.
Con SageMaker JumpStart, i clienti possono distribuire Muse Spark Open con pochissimi clic, mantenendo l'endpoint in esecuzione nel proprio account AWS per un pieno controllo sul codice sorgente e sui prompt.
Per iniziare a utilizzare questo modello, accedi al catalogo dei modelli di SageMaker JumpStart nella console di SageMaker oppure utilizza lo SDK di SageMaker per Python per distribuire il modello nel tuo account AWS. Per ulteriori informazioni sulla distribuzione e l'utilizzo dei modelli di fondazione in SageMaker JumpStart, consulta la documentazione di Amazon SageMaker JumpStart.