メタのMuse Spark Open、家にスーパーコンピューターが必要になるのでしょうか

メタがオープンウェイトに戻ってきました、816Bを引っさげて

10月15日、Meta Superintelligence LabsがMuse Spark Open（ミューズ・スパーク・オープン）の重みを公開しました。¹ 総パラメータ数816Bのうち、256のエキスパートのうち8つがトークンごとに活性化するMoE（Mixture of Experts、専門家混合）構造のため、実際の計算に使われるアクティブパラメータは42Bです。コンテキストは100万トークン、入力はテキスト・画像・映像・音声、出力はテキストで、100を超える言語で学習したとモデルカードに記載されています。² メタはこのモデルを、アメリカ発では最も優れたオープンウェイトモデルだと紹介しています。 オープンウェイト（open weight）とは、学習済みの重みファイルをダウンロードして動かせるという意味で、学習データやコードまで公開するオープンソースとは異なります。

今年のメタの動きを振り返ると、今回の公開は少し意外です。4月8日にMeta Superintelligence Labsの最初のモデルMuse Sparkが発表されたときは、重みを公開しませんでした。Llamaシリーズでオープンモデルの代名詞だった会社が初めてクローズドモデルを出したわけで、当時メタは次のバージョンは公開したいという意向だけを明らかにしていました。³ 8月5日にはMuse Spark 1.2とターミナル型コーディングエージェントMuse CodeもAPIと製品としてのみ提供されました。⁴ そして半年後に、1.2のオープンウェイト版を公開したわけです。

Introducing Muse Spark Open, The Most Capable US Open‑Weight Model to DateMuse Spark Open is the most capable US open-weight model to date, and brings leading agentic capabilities to your desktop on Apple M5 Ultra Mac Studios.research.meta.ai

私はこの発表で、2つの点が気になりました。一つは、メタが「家でも動かせる」と言いながら持ち出した機械が、アップルのMac Studio M5 Ultraだという点です。もう一つは、2023年のLlama 2のときに見た光景が再び訪れるかもしれないという点です。今回の号では、この2点を順に見た上で、その先にあるメモリの話まで取り上げます。

デスクの上では動きます、ただしMac Studioが2台あれば

Metaのブログにはこう説明されています。M5 Ultra Mac Studioは、GPUが最大512GBの統合メモリを使え、メモリ帯域幅は1.2TB/sです。統合メモリ（unified memory）はCPUとGPUが同じメモリを共有する構造なので、グラフィックカードのVRAMの上限とは関係なく、大きなモデルをまるごと載せられます。この機械を2台つなぐと、1TBの統合メモリを持つスーパーコンピューター1台のように動き、モデル全体がその中に収まります。¹MetaはAppleのMLXフレームワークで最適化し、Muse Codeをこの構成で動かし、オープンソースのMastodonクライアントであるIce CubesのiOSコードを修正してビルドする作業と、DaVinci Resolveを操作して映像をフレーム単位で見て縦に切り出す作業を、すべて機器内で完結させたとしています。

1台では足りません。**Metaが明記した基準は、512GBのMac Studio2台、合計1TBです。**同じ日にAppleの機械学習リサーチが投稿した記事に数字が載っています。4ビットNVFP4に落としても重みは約493GBあり、BF16の原本は1.6TBを超えるため1台には収まりません。2台をThunderbolt 5ケーブルでつなぎ、macOS 26.2に組み込まれたRDMAドライバーでメモリを直接やり取りさせると、生成速度は毎秒15.7トークン（パイプライン並列）または25.0トークン（テンソル並列）になります。4台をつなげば36.7トークンまで上がります。最初のトークンが出るまでは2台構成で8.2秒かかります。⁵Metaのモデルカードはさらに保守的です。NVFP4で動かすには最低700GB、BF16なら2TBのメモリが必要だと記しています。²

1台に無理やり押し込む方法が全くないわけではありません。コミュニティが作った2ビットGGUFビルドは304GBなので512GB Mac Studio1台に収まり、Hugging FaceのチームがM3 Ultra 512GBで動かして毎秒18トークンほどを得たという報道があります。ただし2ビットは品質を落とす選択であり、100万トークンのコンテキストを使い切るとKVキャッシュだけで約266GBになるため、重みと合わせると1台を超えてしまいます。⁶「1台で動く」という話は、デモンストレーションには当てはまりますが、実際の作業には条件が付きます。

Nvidia DGX Sparkでは話になりません。統合メモリは128GBで、2台つないでも256GBです。⁷昨年10月に3,999ドルで出て、今年2月にメモリ不足を理由に4,699ドルになったにもかかわらずです。個人用AIスーパーコンピューターと呼ばれていた機械が、このモデルの前ではMetaが言う1TBの8分の1にすぎません。Nvidia側でこの体級をデスクの上に載せようとすれば、GB300を搭載したDGX Stationに行く必要があります。748GBのメモリで、Supermicroの販売価格は9万2,887ドルです。⁸

Mac Studio側も安くはありません。M5 Ultraモデルは96GB構成が5,499ドルから始まり、256GB構成は1万2,299ドルです。⁸⁹512GB構成は10月末に別途発売されますが、8月の発表時点では価格が公開されていませんでした。その機械が2台必要です。前世代であるM3 Ultra 512GB構成は今年3月にメモリチップ不足を理由に販売が中止され、オーストラリアでは中古品が6万ドルを超えたという報道もありました。¹⁰つまり「デスクの上で動く」という話は正しいのです。ただし、そのデスクの上には1台1万ドルを優に超える機械が2台並んでいるという条件が付きます。

トークン速度の上限を決めるのはメモリ帯域幅

Metaが「1.2TB/sあればトークンごとに必要なパーツを読むのに十分だ」と書いた理由を数字でひも解いてみます。MoEモデルはトークン1つを作る際、アクティブパラメータだけを読みます。42Bを4ビットで保存すると、トークンあたり約21GBです。メモリ帯域幅が1.2TB/sなら、1秒間にその21GBを最大57回読めるので、他のコストをすべて無視した場合の上限は毎秒57トークンになります。Appleが2台で実測した25トークンはその上限の半分ほどで、残りはKVキャッシュの読み込み、ルーティング、2台の機械間の通信に使われます。同じ計算をDGX Sparkに当てはめると、帯域幅は273GB/sなので上限は毎秒13トークンです。重みが収まったとしてもその速度です。

この計算が示していることがあります。816Bのうち42Bしか使わないので計算量は42Bモデルと同程度ですが、メモリには816Bが丸ごと載っていなければなりません。MoEは計算を節約する代わりにメモリを要求する構造なのです。だからこの体級のモデルを家庭で動かす問題は、GPU性能よりもメモリ容量と帯域幅が先にネックになる問題になります。Appleが統合メモリ512GBを武器にこの場に乗り込んできた理由であり、メモリ不足がこの記事の後半で再び出てくる理由でもあります。

そのスペックが個人になぜ必要なのかという問い

私はこの場面でスマートフォンのカメラを思い出します。ハイエンドスマートフォンにそんなカメラが個人になぜ必要なのか、という声がしばらく上がっていましたよね。今見れば、みんな持ち歩いています。

iPhoneのデュオも同じパターンです。9月の発表時、1,999ドルという価格は高いという評が多く出ました。3,000ドルまで行くという噂が出回っていたこともあり、予想より安いという反応もありましたが、歴代最も高いiPhoneであることには変わりありません。¹¹ 韓国での価格は329万ウォンからで、本日10月16日に予約を受け付け、23日に発売されます。¹² アメリカでは今朝、事前注文が開始されると発売日分の配送枠が数分で売り切れ、配送予定日は11月末から12月にずれ込みました。¹³ もちろん、初期生産量が普段より少ないという見方も同時に出ています。品切れは需要だけの証拠ではないということです。それでも、高いと言われていたものに人々が列をなしたという事実は残ります。私はこの供給不足が一度きりでは終わらないと見ています。

そこで、ひとつ問いが生まれます。本当のスーパーコンピューターが各家庭に一台ずつ必要な時代が来るのでしょうか。私はまだ疑問符をつけたままにしておきます。ただ、「そのスペックが個人になぜ必要なのか」という問いが、かつてどう決着したのかは覚えています。

Llama 2が開いた大開発の時代

Metaのオープンモデル政策がLLM開発に与えた影響は大きいです。2023年2月、最初のLlamaは研究者にのみ開放され、同年7月にLlama 2が商用利用まで認めたことで局面が変わりました。¹⁴ その後に出た初期モデルの相当数が、Llamaのモデルカードから構造、推論コードまでそのまま使っていました。中国01.AIのYi-34BはLlama構造からテンソル名を2つ変えただけだったことが判明し、同社がミスを認めて名前を元に戻しましたし、¹⁵ 韓国アップステージのSOLAR-10.7Bはモデルカードに「Llama 2アーキテクチャの上に作った」と明記していました。¹⁶ ヨーロッパ勢も変わりませんでした。同じ枠組みを使うのでllama.cppのようなツールにすぐ乗り、そのツールの上でまた次のモデルが生まれました。私はこの時期をLLM大開発の時代と呼んでいます。

今回の公開は、あの光景を再び呼び起こしうると見ています。推論エンジン側では公開初日からSGLang、vLLM、TensorRT-LLM、Transformers、MLX、llama.cpp、Unslothが対応し、AMD・Apple・Intel・Nvidiaのチップに合わせた最適化も入りました。重みはHugging Faceだけでなく、Amazon SageMaker、Google Cloud Model Garden、Microsoft Foundryでも取得でき、APIではBaseten、Fireworks、Groq、Modal、Nebius、OpenRouter、Together AIが初日から開放しました。¹ 2023年にはコミュニティが後を追って作っていた連携を、今回はMetaが公開前にすべて整えておいたわけです。次に出るモデルは、このツール互換性を最初から前提にしてスタートします。

「米国で最も」という形容が指す場所

Metaが「最も優れたオープンウェイトモデル」の前にわざわざ「米国発の」を付けた理由は、モデルカードの比較表を見ればわかります。比較対象はすべてオープンウェイトモデルで、そのうち規模が近いのはアリババQwen3.8（2.4T、活性95B）、Zhipu GLM 5.3、Moonshot Kimi K3です。² Kimi K3は7月に出た総パラメータ2.8Tのモデルです。¹⁷ Metaが公開した表から何行か引用してみます。Metaが選んだベンチマークをMetaが実行した結果だという点は差し引いて見る必要があります。

ベンチマーク	Muse Spark Open	Qwen3.8	GLM 5.3	Kimi K3
AA Intelligence Index	39	40	45	44
JobBench	61.8	52.7	61.4	54.3
MCP-Atlas（ツール使用）	89.2	84.5	84.2	82.3
Terminal-Bench 2.1	76.4	82.0	83.9	85.0
GPQA Diamond	89.0	93.5	91.7	93.5

ツール使用や業務系ベンチマークでは先行していますが、総合指数やターミナル・科学系問題では中国モデル3つに後れを取っています。つまり「米国で最も」は間違いではありませんが、比較対象が最初から中国のオープンモデルだという意味です。 Metaがオープンウェイトに戻ってきた理由もそこにあると見ています。オープンモデルをダウンロードして使う開発者たちが、この1年間どの国のモデルの上で仕事をしてきたか、Metaが知らないはずがありません。全体の評価報告書はまだ出ていません。¹

オープンウェイトという言葉に付いた条件

Llama 2の時と違う点も見ておく必要があります。ライセンスです。MetaはMuse Model Licenseとして公開し、いくつか条件が付いています。製品画面やドキュメントに「Built with Muse Spark Open」という表記を入れなければならず、このモデルをAPIとして他者に提供する事業の売上が12カ月基準で2,000万ドルを超える場合は、Metaと別途契約を結ばなければなりません。内部使用、研究、自社製品への組み込み利用はその条件から外れます。このモデルやその出力で学習・微調整・蒸留したモデルはすべて派生物とみなされます。² オープンソースではなく、オープンウェイトです。LlamaもOSIがオープンソースとして認めていませんでしたから、今さらの話ではありませんが、¹⁴ この条件を知らずに製品を作ると、後になって問題になります。

体格が変わりました、1Tがデフォルトです

816Bは大きな数字に見えますが、今年のオープンウェイトの勢力図ではそうではありません。Kimi K3が2.8T、Qwen3.8が2.4Tです。総パラメータ数1T前後がオープンウェイトでも当たり前の数字になり、そのうち数十Bだけが活性化する設計がデフォルトになります。 Muse Spark Openは42B、Qwen3.8は95Bが活性です。²¹⁷

先ほどの計算をもう一度持ち出すと、この設計がハードウェアに要求するのは計算よりもメモリです。活性42Bなら計算は中型モデル並みですが、重み816Bは全部メモリに載せておく必要があり、100万トークンのコンテキストを使えばKVキャッシュがさらに数百GBになります。モデル1つが要求するメモリは、この2年で数十GBから1TB単位へと跳ね上がりました。これをローカルで動かす人が増えるほど、個人や小さな組織が512GBのマシンを2台ずつ買う、という絵になります。今回の公開を、私はメモリ不足をさらに押し上げるもう一つの出発点だと見ています。

メモリは誰が調達するのか

そのメモリこそ、今いちばん手に入りにくい部品です。トレンドフォースの7月調査では、第3四半期の汎用DRAM契約価格が前四半期比で13〜18%上がると見ています。上昇幅が縮んだ理由は供給が緩んだからではなく、PCとスマートフォン側の顧客がもはや耐えられない価格水準に達したからです。¹⁸ 製品面にもその痕跡が見えます。Appleは3月に512GBのMac Studioをメモリチップ不足を理由に一度ラインナップから外し、ようやく今になって再び投入しましたし、Nvidiaはおなじ理由でDGX Sparkの価格を引き上げました。⁷¹⁰

韓国の読者にとって最も身近な数字は10月8日に出ました。サムスン電子の第3四半期暫定営業利益は107兆4,000億ウォンです。四半期営業利益が100兆ウォンを超えたのは初めてで、売上高195兆ウォンに対し営業利益率は55%です。Nvidiaの次世代GPUに搭載されるHBM4の売上が立ち上がり、汎用DRAM価格が上がった結果です。同じ会社の中で正反対の動きも見えます。スマートフォンと家電を担当するデバイス部門はメモリ価格の上昇によって赤字幅が拡大し、証券業界は2兆ウォン前後の損失を見込んでいます。¹⁹ メモリを売る側は過去最大の利益を上げ、メモリを買って製品をつくる側は同じ会社でも損をする構造です。iPhone「デュオ」の品切れと同じ種類の話です。データセンターがHBM（高帯域幅メモリ）をかき集める中で、供給が足りない状態のまま「その仕様がなぜ必要なのか」という問いが消えてしまえば、価格が下がる余地はありません。

Oswarldの視点

私の机の上では、M2 Max 64GBのMac Studioが推論サーバーとして動いています。30B級のモデルを載せて、MacBookから繋いで使っています。この機械ではMuse Spark Openなど到底動きません。それでも私の仕事のかなりの部分は、この程度のマシンで回っています。いつも言っていることですが、すべての人、すべての仕事に超知能が必要なわけではありません。仕事や環境に合ったモデルというものが別にあります。全体の計画立案やオーケストレーションはフロンティアモデルに任せ、時間がかかって反復の多い作業はもっと安いオープンモデルに回す、というやり方です。

Appleが同じ記事の中で示したもう一つの数字が、だからこそ目に留まります。27Bの密なモデルは、M5 Ultra 1台・メモリ68GBで、毎秒19.7トークンが出ます。⁵ 家庭で回せる体格は、依然としてこちら側です。今回の発表が描く構図は、家庭と組織が分かれていく方向に近いものです。家庭には数十GBメモリに30B級モデル、組織には1TBメモリに1T級モデル、という具合です。

だから私は、「各家庭にスーパーコンピュータを」よりも先に、別の方向を見ています。公共機関の閉域網環境です。私は閉域網プロジェクトを設計するとき、6〜12カ月後に出てくるオープンウェイトモデルの水準を見積もって仕様を決めます。モデルは常に上に伸びていくという前提で、です。今回の発表は、その目盛りを一段階引き上げます。外部にデータを出せない組織が「フロンティア級に近いモデルを自分のマシンで」という選択肢を、初めて現実的な見積書に乗せられるようになりました。1万ドルを超える機械2台は個人にとって大金ですが、9万ドルのDGX StationやGPUサーバーの予算に比べれば小さな数字です。

家に導入するかどうかは、まだ分かりません。ただ、「そんな仕様が個人になぜ必要なのか」という問いの寿命が思ったより短いことは、スマートフォンがすでに見せてくれています。

おわりに

Metaがオープンウェイトで戻ってきて、基準線はMac Studio2台と1TBメモリです。その基準線が当たり前になるスピードに、メモリの供給が追いついていません。

---

💬 読者さんは自宅やオフィスで、どんなマシンでどのモデルを動かしていますか？　それとも、まだ「そのスペックがなぜ必要なのか」という立場ですか？　コメントで教えてください。

📨 ローカルでモデルを動かしてみようか迷っている方が周りにいたら、この記事を伝えてください。

参考資料と関連リンク

著者 アン・グァンソプ（Oswarld） は世宗大学校 兼任教授、INLEVEL9 戦略コンサルタントです。経歴、研究、著書、最近の活動は著者紹介で更新しています。 最近の活動 · 2026年7月：HEMA-2: A Consolidation-Aware Tri-Memory Architecture with Multi-Channel Scheduling for Lifelong Conversational AI。

📝 用語解説

• オープンウェイト（open weight）：学習済みモデルの重みファイルをダウンロードして実行・微調整できるように公開する方式。学習データや学習コードまで公開されるわけではなく、OSI基準のオープンソースライセンスとも異なる。
• MoE（Mixture of Experts、専門家混合）：複数の専門家サブネットワークのうち一部だけをトークンごとに選んで計算する構造。全パラメータはメモリに全部載せる必要があるが、計算量は活性パラメータ基準になる。
• 活性パラメータ（active parameters）：MoEでトークン一つを処理する際に実際の計算に使われるパラメータ数。Muse Spark Openは816Bのうち42B。
• 統合メモリ（unified memory）：CPUとGPUが同じメモリプールを分け合って使う構造。グラフィックカードのVRAMの上限とは別に、GPUが大きなモデルを丸ごと載せられる理由。
• メモリ帯域幅（memory bandwidth）：1秒間にメモリから読み出せるデータ量。生成段階ではトークンごとに活性重みを読み直す必要があるため、この値が秒間トークン数の上限を決める。
• NVFP4：Nvidiaが定義した4ビット浮動小数点形式。重みの容量をBF16比で4分の1程度まで削減する。
• KVキャッシュ（KV cache）：すでに処理したトークンのキー・バリューを保存しておくメモリ。コンテキストが長くなるほど、重みとは別にメモリを占有する。
• テンソル並列・パイプライン並列：モデルを複数のマシンに分割する二つの方式。パイプライン並列は層を前後に分け、テンソル並列は各層を幅方向に分けて、すべてのマシンがすべての層の一部を担当する。
• RDMA（Remote Direct Memory Access）：あるマシンが別のマシンのメモリをCPUを経由せずに直接読み書きする方式。macOS 26.2からThunderbolt 5上でサポートされる。
• HBM（High Bandwidth Memory、高帯域幅メモリ）：データセンター向けAIアクセラレーターに搭載される積層メモリ。メモリメーカーが生産能力をこちらに振り向けたことで、一般的なDRAMの供給が減少している。

각주

1. Meta Superintelligence Labs, Introducing Muse Spark Open, The Most Capable US Open-Weight Model to Date, 2026-10-15。Mac Studio 2台構成、推論エンジン・配布経路、全体評価レポートは未公開。 ↩ ↩² ↩³ ↩⁴

2. Meta, Muse-Spark-Open-816B-A42B モデルカード, 2026-10。256個のエキスパート・8個アクティブ、入力モダリティ、100以上の言語、NVFP4最小700GB・BF16 2TB、Muse Model License条項(表示義務・MaaS売上2,000万ドル基準・派生物の定義)、ベンチマーク比較表(Qwen3.8-2.4T-A95B・GLM 5.3・Kimi K3など)。 ↩ ↩² ↩³ ↩⁴ ↩⁵

3. The Next Web, Meta’s Muse Spark is MSL’s first model, 2026-04-08。初代Muse Sparkの非公開リリース、今後のバージョン公開への意向。 ↩

4. Meta Superintelligence Labs, Introducing Muse Code and Muse Spark 1.2, 2026-08-05。Muse Code・Meta Model API経路、重み公開への言及なし。 ↩

5. Apple Machine Learning Research, Local and Distributed Large LLM Inference with MLX and RDMA on Mac Studio, 2026-10-15。NVFP4約493GB・BF16 1.6TB以上、2台構成15.74/24.99 tok/s、4台構成36.73 tok/s、初回トークン8.2秒、macOS 26.2 RDMA、27B密モデルは1台で19.69 tok/s・68GB。 ↩ ↩²

6. ModelFit, Meta Muse Spark Open on a Mac: 304GB 2-bit Build Needs a 512GB Mac Studio, 2026-10-16。ggml-org GGUFの容量(Q2_K 304GB・Q4_K_S 470GB・Q8_0 872GB)、Hugging FaceチームによるM3 Ultra 512GBで約18 tok/s、1MコンテキストのKVキャッシュは約266GB。二次出典。 ↩

7. Toolhalla, NVIDIA DGX Spark Complete Guide 2026; Implicator, Nvidia ships DGX Spark at $4K。128GB統合メモリ、帯域幅273GB/s、2台接続時256GB、2025-10-15発売価格3,999ドル、2026-02にメモリ不足を理由に4,699ドルへ。 ↩ ↩²

8. TechRadar, Nvidia GB300 DGX Station desktop PC goes on sale for almost $91,100, 2026-09-01。Supermicro販売価格92,887.47ドル、748GB(CPU 496GB + HBM3e 252GB)、Mac Studio M5 Ultra 256GBは12,299ドル。 ↩ ↩²

9. Thurrott, Apple’s Mac Studio is Being Refreshed With M5 Ultra and M5 Max Chips, 2026-08-25。5,499ドルからの開始価格(96GB・1TB)、512GB構成は10月末発売・価格は未公開。 ↩

10. MacRumors, Mac Studio With M5 Ultra Chip and 512GB of RAM Launching in October, 2026-08-25。2026-03のメモリチップ不足により512GB構成の販売を一時停止。中古価格が6万ドルを超えたとの報道はMan of Many(オーストラリア)、Mac Studio M5 Max M5 Ultra。 ↩ ↩²

11. PhoneArena, People thought $3,000 for a foldable was too much and Apple listened, 2026-09。1,999ドルからの開始価格と3,000ドルという噂。 ↩

12. ウィキツリー、 アップル、折りたたみ式「iPhone Duo」公開…韓国価格「329万ウォンから」, 2026-09。韓国価格、10月16日予約開始、10月23日発売。 ↩

13. AppleInsider, iPhone Duo sells out moments after pre-orders begin, 2026-10-16; Macworld, iPhone Duo pre-order live blog, 2026-10-16。予約開始直後の配送予定日は11月16~23日、その後12月へ遅延。初期出荷量が例年より少ないとの観測はAppleInsiderによるもの。 ↩

14. Wikipedia, Llama (language model)。2023-02-24初公開(研究用非商用ライセンス)、2023-07にLlama 2で商用利用を許可、OSIはオープンソースと認定せず。 ↩ ↩²

15. South China Morning Post, Chinese tech unicorn 01.AI admits ‘oversight’ in changing name of AI model built on Meta Platforms’ Llama system, 2023-11。元の議論はHugging Face 01-ai/Yi-34Bディスカッション。 ↩

16. Upstage, SOLAR-10.7B-v1.0 モデルカード, 2023-12。「Built on the Llama2 architecture」と明記。 ↩

17. Sébastien Dubois, Kimi K3, Qwen 3.8, and a Week That Reset the Open-Weight Frontier, 2026-07。Kimi K3は総2.8T・7月16日公開、Qwen 3.8は7月19日発表。二次出典であり、Qwen3.8アクティブ95Bの表記はMetaモデルカードの基準による。 ↩ ↩²

18. TrendForce, AI Server Demand Continues to Support Memory Prices in 3Q26, but Gains Moderate as Consumer Demand Weakens, 2026-07-03。汎用DRAM契約価格は3Q26に前四半期比13~18%上昇の見通し、消費者市場での価格受容には限界。 ↩

19. マネートゥデイ放送、 サムスン電子、四半期営業利益100兆ウォン時代の幕開け(総合), 2026-10-08。第3四半期の暫定売上195兆ウォン・営業利益107兆4,000億ウォン・利益率55%、HBM4・汎用DRAM価格効果、DX部門は2兆ウォン前後の赤字見通し。 ↩