发生了什么
Meta 于 2026 年 10 月 15 日通过官方研究博客发布开放权重模型 Muse Spark Open。该模型采用稀疏混合专家（MoE）架构，总参数 8160 亿、每个 token 仅激活约 420 亿；架构上是 62 层 Transformer，每层以包含 256 个专家的 MoE 模块替换稠密前馈网络，路由器每个 token 选择 8 个专家。模型原生多模态，支持文本、图像、视频与音频输入，输出文本，推理时上下文窗口达 100 万 token。Meta 将其定位为面向编程与智能体任务、可承担长周期任务的模型，并在发布页给出「美国迄今能力最强的开放权重模型」的表述。
- 总参数 8160 亿 / 每 token 激活约 420 亿，62 层 Transformer，256 专家、每 token 选 8 个
- 上下文窗口 100 万 token，原生多模态（文本、图像、视频、音频输入）
- 为开放权重版本追加了安全后训练，以在无系统护栏独立运行时保持稳健
- 含约 18 亿参数的感知编码器，把图像与视频帧转为 token，音频走独立通道
本地部署演示与生态支持
发布中最受关注的演示是本地部署路径：Meta 称 Muse Spark Open 是该量级中首个可在桌面设备完整运行的模型，方案是两台搭载 M5 Ultra（各 512GB 统一内存、约 1.2TB/s 带宽）的 Mac Studio，通过 MLX 框架协同，把两台机器当作单台约 1TB 统一内存的工作站。Meta 同时给出优化生态：SGLang 中自定义的 Helion GPU 内核在英伟达与 AMD 上带来 1.03 至 3.95 倍的内核级加速，在 AMD MI350 上端到端提速约 3%。
- 下载渠道：Hugging Face（提供 BF16 约 1.6TB 与 NVFP4 约 530GB 权重）、Amazon SageMaker、Google Cloud Model Garden、Microsoft Foundry
- 托管推理：Baseten、Fireworks、Groq、Modal、Nebius、OpenRouter、Together AI
- 推理引擎：SGLang、vLLM、TensorRT-LLM、Transformers、MLX、llama.cpp、Unsloth；微调走 PyTorch TorchTitan
为什么对企业读者重要
对需要权重、数据驻留或本地智能体循环的企业，Muse Spark Open 提供了一条自托管路径，与同周发布的闭源前沿模型 Muse Wonder 形成「托管前沿 + 可下载权重」的双线布局。但许可不是 Apache 2.0，而是带有限商业条款的 Muse Model License：多数开发者可免费使用，而任何 12 个月内模型 API 销售收入超过 2000 万美元的公司需与 Meta 另行签约，并要求在产品上保留「Built with Muse Spark Open」标识。因此在生产采用前，法务与采购应逐条审阅许可文本，而不是把「开放权重」等同于宽松许可。
尚不确定之处
发布页的「关键基准」区块以链接指向评测方法报告，而非直接列出数字，这对一个自称「美国最强开放权重」的模型是刻意的处理。Meta 强调该模型通过了其内部超智能规模化框架的最严重风险评估阈值，但完整评测报告仍待公布。独立第三方对比（例如与 DeepSeek V4.1、Kimi K3 的同口径评测）尚未形成公开表格，「最强」目前仍属厂商自评；两台 Mac Studio 的部署方案也属能力演示，真实生产工作负载的吞吐与成本仍需实测。