Meta 發佈 Muse Spark Open 816B 開放權重模型，面向智能體編碼

Meta 已發布 Muse Spark Open 的權重，稱這是迄今由美國研究機構推出、能力最強的開放權重模型。這款原生多模態模型總計有 816 billion 個參數，每個 token 僅啟用 42 billion 個參數，支援 1-million-token 的上下文視窗，並專為編碼及長時程代理任務而打造。現時可在 Hugging Face 和多個雲端平台取得，並特別針對在兩部 Apple M5 Ultra Mac Studio 上本機執行作出最佳化。

架構與功能

Muse Spark Open 是一款稀疏混合專家 Transformer。每個 token 只會啟用部分專家，令推理運算量更接近 42B 稠密模型，同時具備規模大得多的網絡容量。它可接收文字、圖片、文件、音訊及音訊影片作為輸入，並輸出文字。Meta 使用真實開發者工作流程訓練模型，包括跨多個檔案的重構工作及長時間除錯，讓模型能在長時程任務中規劃、執行、觀察結果並自行修正。

模型設有獨立的評述頻道，讓它在採取行動前説明意圖，提升代理工作流程的透明度。它亦支援協調子代理以處理複雜任務。Meta 亦進行額外的安全性後訓練，令開放權重版本在沒有 Meta 託管防護機制的情況下使用時仍更為穩健。

桌面級部署

其中一項最突出的説法是，Muse Spark Open 是同級首款可在桌面電腦上執行的模型。Meta 與 Apple 合作，使用 MLX 框架為兩部 M5 Ultra Mac Studio 作出最佳化。兩部電腦合共提供約 1 TB 的統一記憶體。Meta 示範了完全在裝置上執行的代理工作流程，包括為一款開源 iOS app 提交實際程式碼變更，以及在 DaVinci Resolve 逐格檢視影片片段。

模型權重提供 BF16 和 NVFP4 量化格式。模型卡指出，NVFP4 至少需要 700 GB GPU 記憶體，而 BF16 則需要約 2 TB。模型可在 SGLang、vLLM 等常見推理引擎上執行；除了 Apple silicon，亦支援 NVIDIA、AMD 和 Intel 硬件。

基準測試與定位

Meta 將 Muse Spark Open 定位為在部分代理評測中表現領先的模型。在 JobBench 上，模型得分為 61.8；在 MCP-Atlas（跨多個伺服器使用工具）上，得分為 89.2，是 Meta 比較表中最高的。在 Artificial Analysis Intelligence Index 等其他指標上，模型則落後於部分中國開放模型，包括 GLM 5.3 和 Kimi K3。Terminal-Bench 2.1 等編碼基準測試顯示，與最強的開放模型競爭者相比，模型表現不俗，但並非領先。

這次發布延續了 Meta 的開放權重策略；此前 Meta 曾以閉源方式發布 Muse Spark，亦推出較小型的 Muse Glimmer 模型。模型採用 Muse Model License 授權，附有限的商業條款，容許許多開發者免費使用及改編。

供應情況

模型權重可從 Hugging Face（meta-models/Muse-Spark-Open-816B-A42B）、Amazon SageMaker、Google Cloud Model Garden 和 Microsoft Foundry 下載。Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter、Together AI 等平台亦提供託管 API。PyTorch 的 TorchTitan 現已加入模型定義，讓開發者可使用 SFT、LoRA 或強化學習微調模型。

為何重要

由美國大型研究機構推出的開放權重前沿級模型仍然罕見。Muse Spark Open 讓開發者和企業能夠在自己的基礎架構上，甚至在高階消費級硬件上，執行、自訂及部署能力強大的代理式程式碼模型。結合百萬 token 上下文、強大的工具使用能力、多模態感知能力，以及在桌面級硬件上運行的可行性，降低了那些不希望只依賴封閉式 API 供應商的機構的使用門檻。與此同時，硬件要求和基準測試結果好壞參半，意味著它不會一夜之間取代所有現有選項，但確實大幅擴展了建構長時間運作的 AI 程式編碼代理的選擇。

來源

Meta AI Research：推出 Muse Spark Open
PyTorch Blog：Muse Spark 現已成為開放權重模型
AWS：Muse Spark Open 模型現已在 Amazon SageMaker JumpStart 上提供
SiliconANGLE：Meta 發佈擁有 816B 參數的 Muse Spark Open