Meta 的 Muse Spark Open 登陸 Fireworks，提供美國 serverless API

Muse Spark Open 是 Meta 推出的開放權重模型，上線首日即可在 Fireworks 使用。它是一款擁有 816B 個參數的專家混合模型，每個 token 啟用 42B 個參數，並設有 1M token 的上下文視窗，專為需要在極長工作階段中保持連貫性的長期程式編寫及 Agent 工作而打造。

這是迄今最具能力的美國開放權重模型之一，也是我們見過在受監管專業工作中表現最出色的開放權重模型。在 Vals AI 的 Harvey’s Legal Agent Benchmark 排行榜上，它排名第一，通過率接近 Claude Opus 5 的 4 倍。在 Rogo 的 Big Finance Bench 上，它在所有難度級別均勝過 Claude Opus 5.5，並在最難的任務中略勝 GPT-6 Astra。

Muse Spark Open 在美國訓練和開發，Fireworks 預設採用 Zero Data Retention（零數據保留）。立即在無伺服器服務上試用，使用僅限美國的運算容量，毋須支付美國地區溢價。之後可轉用預留吞吐量以供正式環境使用，並透過無伺服器 LoRA 訓練進行微調。

Muse Spark Open 展現出強大的 Agent 工程能力：它能瀏覽程式碼儲存庫、實作具實質複雜度的修改，並驗證複雜的程式編寫工作。— Zimu，Factory 技術團隊成員

Muse Spark Open 在受監管工作中表現勝過 Claude Opus

Muse Spark Open 在準確性至關重要的工作中表現最佳，例如法律、金融和臨牀工作。以下結果來自獨立評估者及我們的 Specialized Intelligence Index；所有模型均在同一評測框架下執行：

•Harvey’s Legal Agent Benchmark 排名第一： 在Vals AI 排行榜上，以檔案和工具完成法律工作的評測中，Muse Spark Open 在 75 個模型中排名第一，得分為 25.4%，接近 Claude Opus 5（6.7%）的 4 倍。
•在 Rogo 的 Big Finance Bench 上勝過 Claude Opus 5.5： 在 Fireworks 的Specialized Intelligence Index評測中，Muse Spark Open 在所有難度級別均勝過 Claude Opus 5.5。在最難的任務中，它略勝 GPT-6 Astra（17.3% 對 16.5%），得分更是 Opus 5.5（6.6%）的 2.5 倍以上（圖 1）。
•Finance Agent 排名前三： 在Vals AI 的 Finance Agent v2上，它取得 60.6% 的分數，與 Gemini 3.8 Flash 相差不到一分，而每項測試的成本約低 60%。
•臨牀文件撰寫： 它在Vals MedScribe上取得 90.1% 的分數，與 Claude Opus 5（91.0%）相差不到一分，代幣價格則低 75-83%。

本文中來自 Vals AI 和 Artificial Analysis 的第三方結果，均根據 Meta 發布的此模型 API 版本測得。

在 Rogo，我們會用 Big Finance Bench 評測每個新模型。這套基準測試包含 928 條真實金融工作流程問題。Muse Spark Open 得分為 53.3%，是我們排行榜上得分最高的開放權重模型，甚至高於前沿模型 Claude Opus 5 的 49.2%。高性能美國開放權重模型的出現尤其令人振奮。它們為持續實驗，以及按金融工作的特定需求調整智能提供基礎。我們期待發揮其潛力，推進模型性能的前沿，同時為客戶創造更高層次的價值和效率。— Alex Wang，Rogo 技術團隊成員

Muse Spark Open on Rogo's Big Financial Bench — 圖 1：Muse Spark Open 在 Rogo 的 Big Finance Bench 上按任務難度劃分的表現，數據來自 Fireworks 的 Specialized Intelligence Index 評測。

Muse Spark Open 在標準基準測試中的得分

Muse Spark Open 在標準公開基準測試中表現不俗：

•幻覺較少：在 Artificial Analysis 的 AA-Omniscience 評測中，幻覺率為 33%，低於 Claude Opus 5.5（59%）和 GPT-6 Astra（51%）；因為不確定時會拒絕回答，而非猜測。
•代理程式編碼：在 Meta 的評測中，它在 Terminal-Bench 2.1 得分 82.9%，領先 GPT-5.6 Terra 和 Grok 4.5（圖 2）。

Muse Spark Open 為西方開源模型帶來重大突破，在我們的早期評測中，指令遵循能力尤其出色。我們期待以此為基礎，透過後訓練進一步提升模型，支援我們在 Decagon 推動的複雜工作流程。— Decagon Labs

Muse Spark Open vs Closed Frontier Models — 圖 2：Meta 公佈的代理程式編碼基準測試結果。每個模型均在各自的代理程式測試框架中接受評估。

開放端點前，我們先在生產環境服務堆疊上，使用上線驗證套件測試最終開放權重。Muse Spark Open 在 AIME26 得分 91.1%、在 GPQA Diamond 得分 89.7%、在 SWE-bench Verified 得分 84.3%，並在 OCRBench 和 MMMU Pro 的圖像理解評測中均保持 80% 以上（圖 3）。作為核對，我們亦在廣泛使用的開源推理引擎 SGLang 上測試相同權重，所得分數一致。你在 Fireworks 上呼叫的模型，表現與 Meta 建構時一致。

Filevine 在美國西部創立。我們相信，前沿技術應該開放。與 Fireworks 和 Meta 合作，讓 Filevine 能為法律界開拓更多可能，而毋須為降低成本而犧牲品質。— Ryan Anderson，Filevine 共同創辦人兼 CEO

Muse Spark Open on Fireworks — 圖 3：Fireworks 上的 Muse Spark Open。代理程式評測結果取決於測試框架，不能直接與 Meta 公佈的數據比較。

以下是即日開始建構的方法：

Muse Spark Open 現已透過我們的無伺服器 API 提供，僅提供美國容量，且不設美國附加費。請參閲 Muse Spark Open 模型頁面，瞭解目前價格。

無伺服器：立即開始，透過 Fireworks 無伺服器服務直接使用 Muse Spark Open，或轉用預留吞吐量以支援生產工作負載。
想按你的使用情境調整 Muse Spark Open？可試用我們的 Serverless Training API，或聯絡 Fireworks Lab尋求協助。