Muse Spark Open の VRAM・メモリ要件

出典付きの構成と、選択した重みファイルに基づく具体的なチェックポイントです。 Official NVFP4 safetensors：8,192 トークンで約 498.97 GiB–500.90 GiB、シーケンス 1、FP16 KV、vllm。

これは見積もりであり、実機トレースではありません。未確認ファイル由来の重み

公開元と出典

提供元Meta
Hugging Facemeta-models/Muse-Spark-Open-816B-A42B
Revision0fb02478b02565b2ce7fc57e6051c91172774ac9
総パラメータ数822,036,529,664
アクティブパラメータ数42,000,000,000
層数62
クエリヘッド128
KVヘッド16 (gqa)
ヘッド次元64
記録されているコンテキスト上限1,048,576
完全性partial · partial

この MoE は総パラメータ 822,036,529,664、アクティブ 42,000,000,000 です。アクティブ側の計算量はウェイト常駐メモリに使いません。常駐ウェイトの見積もりは総パラメータを使い、非アクティブな MoE エキスパートも含めます。

この見積もりのメモリ内訳

ファイルのバイト、生の KV、エンジンの追加分、合計需要は別々です。ランタイムのトレースではありません。

Weight artifact: 496.41 GiB (533,011,023,472 bytes)
Raw KV cache: 1.94 GiB (2,080,374,784 bytes)
Engine extras / workspace: 0.63 GiB–2.56 GiB
Total estimated demand: 498.97 GiB–500.90 GiB

計上したファイル

量子化	計上したファイル	バイト	実行エンジン	根拠
Official BF16 safetensors bf16 計算機: Official BF16 safetensors	safetensors シャード 65 件選択したバイトの合計：1,644,333,393,864 (1,531.40 GiB / 1,644.33 GB) 先頭のシャード：model-00001-of-00065.safetensors 末尾のシャード：model-00065-of-00065.safetensors シャードファイル 65 件をすべて表示 `model-00001-of-00065.safetensors` `model-00002-of-00065.safetensors` `model-00003-of-00065.safetensors` `model-00004-of-00065.safetensors` `model-00005-of-00065.safetensors` `model-00006-of-00065.safetensors` `model-00007-of-00065.safetensors` `model-00008-of-00065.safetensors` `model-00009-of-00065.safetensors` `model-00010-of-00065.safetensors` `model-00011-of-00065.safetensors` `model-00012-of-00065.safetensors` `model-00013-of-00065.safetensors` `model-00014-of-00065.safetensors` `model-00015-of-00065.safetensors` `model-00016-of-00065.safetensors` `model-00017-of-00065.safetensors` `model-00018-of-00065.safetensors` `model-00019-of-00065.safetensors` `model-00020-of-00065.safetensors` `model-00021-of-00065.safetensors` `model-00022-of-00065.safetensors` `model-00023-of-00065.safetensors` `model-00024-of-00065.safetensors` `model-00025-of-00065.safetensors` `model-00026-of-00065.safetensors` `model-00027-of-00065.safetensors` `model-00028-of-00065.safetensors` `model-00029-of-00065.safetensors` `model-00030-of-00065.safetensors` `model-00031-of-00065.safetensors` `model-00032-of-00065.safetensors` `model-00033-of-00065.safetensors` `model-00034-of-00065.safetensors` `model-00035-of-00065.safetensors` `model-00036-of-00065.safetensors` `model-00037-of-00065.safetensors` `model-00038-of-00065.safetensors` `model-00039-of-00065.safetensors` `model-00040-of-00065.safetensors` `model-00041-of-00065.safetensors` `model-00042-of-00065.safetensors` `model-00043-of-00065.safetensors` `model-00044-of-00065.safetensors` `model-00045-of-00065.safetensors` `model-00046-of-00065.safetensors` `model-00047-of-00065.safetensors` `model-00048-of-00065.safetensors` `model-00049-of-00065.safetensors` `model-00050-of-00065.safetensors` `model-00051-of-00065.safetensors` `model-00052-of-00065.safetensors` `model-00053-of-00065.safetensors` `model-00054-of-00065.safetensors` `model-00055-of-00065.safetensors` `model-00056-of-00065.safetensors` `model-00057-of-00065.safetensors` `model-00058-of-00065.safetensors` `model-00059-of-00065.safetensors` `model-00060-of-00065.safetensors` `model-00061-of-00065.safetensors` `model-00062-of-00065.safetensors` `model-00063-of-00065.safetensors` `model-00064-of-00065.safetensors` `model-00065-of-00065.safetensors`	1,644,333,393,864 (1,531.40 GiB / 1,644.33 GB)	`sglang, vllm, unspecified`	`file-metadata`
Official NVFP4 safetensors nvfp4 計算機: Official NVFP4 safetensors	safetensors シャード 127 件選択したバイトの合計：533,011,023,472 (496.41 GiB / 533.01 GB) 先頭のシャード：model-00001-of-00127.safetensors 末尾のシャード：model-00127-of-00127.safetensors シャードファイル 127 件をすべて表示 `model-00001-of-00127.safetensors` `model-00002-of-00127.safetensors` `model-00003-of-00127.safetensors` `model-00004-of-00127.safetensors` `model-00005-of-00127.safetensors` `model-00006-of-00127.safetensors` `model-00007-of-00127.safetensors` `model-00008-of-00127.safetensors` `model-00009-of-00127.safetensors` `model-00010-of-00127.safetensors` `model-00011-of-00127.safetensors` `model-00012-of-00127.safetensors` `model-00013-of-00127.safetensors` `model-00014-of-00127.safetensors` `model-00015-of-00127.safetensors` `model-00016-of-00127.safetensors` `model-00017-of-00127.safetensors` `model-00018-of-00127.safetensors` `model-00019-of-00127.safetensors` `model-00020-of-00127.safetensors` `model-00021-of-00127.safetensors` `model-00022-of-00127.safetensors` `model-00023-of-00127.safetensors` `model-00024-of-00127.safetensors` `model-00025-of-00127.safetensors` `model-00026-of-00127.safetensors` `model-00027-of-00127.safetensors` `model-00028-of-00127.safetensors` `model-00029-of-00127.safetensors` `model-00030-of-00127.safetensors` `model-00031-of-00127.safetensors` `model-00032-of-00127.safetensors` `model-00033-of-00127.safetensors` `model-00034-of-00127.safetensors` `model-00035-of-00127.safetensors` `model-00036-of-00127.safetensors` `model-00037-of-00127.safetensors` `model-00038-of-00127.safetensors` `model-00039-of-00127.safetensors` `model-00040-of-00127.safetensors` `model-00041-of-00127.safetensors` `model-00042-of-00127.safetensors` `model-00043-of-00127.safetensors` `model-00044-of-00127.safetensors` `model-00045-of-00127.safetensors` `model-00046-of-00127.safetensors` `model-00047-of-00127.safetensors` `model-00048-of-00127.safetensors` `model-00049-of-00127.safetensors` `model-00050-of-00127.safetensors` `model-00051-of-00127.safetensors` `model-00052-of-00127.safetensors` `model-00053-of-00127.safetensors` `model-00054-of-00127.safetensors` `model-00055-of-00127.safetensors` `model-00056-of-00127.safetensors` `model-00057-of-00127.safetensors` `model-00058-of-00127.safetensors` `model-00059-of-00127.safetensors` `model-00060-of-00127.safetensors` `model-00061-of-00127.safetensors` `model-00062-of-00127.safetensors` `model-00063-of-00127.safetensors` `model-00064-of-00127.safetensors` `model-00065-of-00127.safetensors` `model-00066-of-00127.safetensors` `model-00067-of-00127.safetensors` `model-00068-of-00127.safetensors` `model-00069-of-00127.safetensors` `model-00070-of-00127.safetensors` `model-00071-of-00127.safetensors` `model-00072-of-00127.safetensors` `model-00073-of-00127.safetensors` `model-00074-of-00127.safetensors` `model-00075-of-00127.safetensors` `model-00076-of-00127.safetensors` `model-00077-of-00127.safetensors` `model-00078-of-00127.safetensors` `model-00079-of-00127.safetensors` `model-00080-of-00127.safetensors` `model-00081-of-00127.safetensors` `model-00082-of-00127.safetensors` `model-00083-of-00127.safetensors` `model-00084-of-00127.safetensors` `model-00085-of-00127.safetensors` `model-00086-of-00127.safetensors` `model-00087-of-00127.safetensors` `model-00088-of-00127.safetensors` `model-00089-of-00127.safetensors` `model-00090-of-00127.safetensors` `model-00091-of-00127.safetensors` `model-00092-of-00127.safetensors` `model-00093-of-00127.safetensors` `model-00094-of-00127.safetensors` `model-00095-of-00127.safetensors` `model-00096-of-00127.safetensors` `model-00097-of-00127.safetensors` `model-00098-of-00127.safetensors` `model-00099-of-00127.safetensors` `model-00100-of-00127.safetensors` `model-00101-of-00127.safetensors` `model-00102-of-00127.safetensors` `model-00103-of-00127.safetensors` `model-00104-of-00127.safetensors` `model-00105-of-00127.safetensors` `model-00106-of-00127.safetensors` `model-00107-of-00127.safetensors` `model-00108-of-00127.safetensors` `model-00109-of-00127.safetensors` `model-00110-of-00127.safetensors` `model-00111-of-00127.safetensors` `model-00112-of-00127.safetensors` `model-00113-of-00127.safetensors` `model-00114-of-00127.safetensors` `model-00115-of-00127.safetensors` `model-00116-of-00127.safetensors` `model-00117-of-00127.safetensors` `model-00118-of-00127.safetensors` `model-00119-of-00127.safetensors` `model-00120-of-00127.safetensors` `model-00121-of-00127.safetensors` `model-00122-of-00127.safetensors` `model-00123-of-00127.safetensors` `model-00124-of-00127.safetensors` `model-00125-of-00127.safetensors` `model-00126-of-00127.safetensors` `model-00127-of-00127.safetensors`	533,011,023,472 (496.41 GiB / 533.01 GB)	`sglang, vllm, unspecified`	`file-metadata`
INT4 theoretical	公開ファイルなし	411,018,264,832 (理論行はダウンロード可能な成果物ではありません。)	—	theoretical

量子化とコンテキストごとのメモリ

同時シーケンスは 1 です。KV は既定で FP16 です。範囲には、記載したエンジンの記録済みランタイム分が含まれます。数字は対話式計算機と同じコアです。

量子化	2,048 tokens	8,192 tokens	32,768 tokens
Official BF16 safetensors	1,532.51 GiB–1,534.40 GiB	1,533.97 GiB–1,535.90 GiB	1,539.78 GiB–1,541.89 GiB
Official NVFP4 safetensors	497.51 GiB–499.40 GiB	498.97 GiB–500.90 GiB	504.78 GiB–506.89 GiB
INT4 theoretical 理論行はダウンロード可能な成果物ではありません。	383.40 GiB–494.18 GiB	384.85 GiB–495.99 GiB	390.67 GiB–503.15 GiB

KV Cache（生データ）

標準の GQA/MHA 生 KV は 2 × 層数 × kvHeads × headDim × トークン数 × シーケンス数 × 要素バイトです。このページは query heads（128）ではなく KV heads（16）を使います。

8,192 tokens, 1 sequence, FP16: 2,080,374,784 bytes (1.9375 GiB)
32,768 tokens: 8,321,499,136 bytes (7.7500 GiB)

このモデルで計算機を開く

出典

出典
出典 — sha 0fb02478b02565b2ce7fc57e6051c91172774ac9; gated manual; safetensors.total=822036529664; 65 safetensors siblings sum 1644333393864 bytes. config.json HTTP 401.
出典 — sha 4239e4db19376904f2e82c167e78f70abb5455fe; 127 safetensors siblings sum 533011023472 bytes.
出典 — BF16 about 1.65 TB, TP8/EP8 on 8 × B300. NVFP4 about 537 GB, TP4/EP4 on 4 × B300.
出典 — 2026-10-15. Two Apple M5 Ultra Mac Studios; 512 GB unified memory per Studio; 1.2 TB/s bandwidth quoted by Meta.
出典 — Open weights 2026-10-15 under the Muse Model License. 816B total / 42B active, 1M context.

結果を左右する前提

要求コンテキストは記録上のネイティブ窓 1048576 トークン以内です。
常駐ウェイトの見積もりは総パラメータを使い、非アクティブな MoE エキスパートも含めます。
この MoE は総パラメータ 822036529664、アクティブ 42000000000 です。アクティブ側の計算量はウェイト常駐メモリに使いません。
ウェイトのバイト数は選んだファイルだけです。リポジトリ内の全量子化を合計しません。
ダウンロードサイズはピーク GPU メモリではありません。実行時レイアウトと KV は別です。
ウェイトバイトは公開済み safetensors シャード 127 個、合計 533011023472 バイトです。
視覚コンポーネントがあります。テキスト推論ではエンコーダ/projector を含めません。
コンテキストはシーケンスあたりのキャッシュトークン数（入力＋生成の予約）です。

計算機

公開カタログスナップショットを読み込み中…

モデルを先に選び、その後で機器を確認します。

モデル

過去のモデルを表示

量子化

機材の種類

ハードウェア

ワークロード

コンテキスト長は主に KV キャッシュメモリに効きます。

詳細設定

ランタイム

この見積もりで使うエンジンと KV キャッシュの型です。

実行エンジンKV Cache の精度再帰 / 畳み込み状態の型理論値も含める（上級）フィルタに一致が無いとき代替を許す

ワークロード

オーバーヘッドの想定と、プリフィル作業領域を含めるかどうかです。

実行時オーバーヘッドの想定プリフィル寄りの作業領域を多めに見る

トポロジ

モデルを複数デバイスへどう分割するか。メモリは合算しません。

配置方法複製内の分割デバイス数

複製数は上級オプションです。台数はノードまたは GPU であり、複製数ではありません。

複製グループ数複製あたりの台数

予算

システム予約と安全余裕。数字を空にすると直前の値を保ちます。

OS / 画面用の予約

GiB（2^30 バイト）

予算はすでにシステム分を除いている追加の安全マージン

パラメータあたりの実効ビット数（手動）表示単位

カスタムモデル

設定を読み込むか、構造を手入力します。読み込むまでリポジトリは走査しません。

ローカルの config.json を読み込む

ブラウザ内だけで解析します。ファイルは送信しません。

公開 Hugging Face リポジトリリビジョン

huggingface.co の config.json のみ。トークンなし。非公開リポジトリは拒否します。

総パラメータ数アクティブパラメータ数層数クエリヘッドKVヘッドヘッド次元

検索するかカタログから選ぶと、ローカルLLMの必要VRAMが出ます。

検索するかカタログから選ぶと、ローカルLLMの必要VRAMが出ます。