AI 摘要
- Meta 發布開放權重模型 Meta Muse Spark Open，總參數量 8160 億，每個 Token 激活約 420 億參數。
- 模型支援 100 萬 Token 上下文窗口，並可接收文本、圖像、視頻和音頻輸入，主攻編程與 Agent 任務。
- 在 Artificial Analysis 開放權重模型智能指數中得 39 分，低於 MiMo-V2.6-Pro 的 46 分與 GLM-5.3 的 45 分。
Meta Muse Spark Open 是 Meta 於 10 月 16 日凌晨發布的開放權重模型，定位為編程與 Agent 任務的高能力模型，重點在於支援本地部署。模型總參數量為 8160 億，每個 Token 激活約 420 億參數，支援 100 萬 Token 上下文窗口，並可接收文本、圖像、視頻和音頻輸入。Meta 稱其為迄今能力最強的美國開放權重模型。
產品定位與目標用戶
Muse Spark Open 採用稀疏混合專家（MoE）架構並具備原生多模態能力，主要面向長週期執行、複雜軟件工程與多步推理等場景，目標用戶包括需要自行部署模型的開發者與團隊。
主要功能與規格
| 項目 | 規格內容 |
|---|---|
| 架構 | 稀疏混合專家（MoE） |
| 總參數量 | 8160 億 |
| 每 Token 激活參數 | 約 420 億 |
| 上下文窗口 | 100 萬 Token |
| 輸入模態 | 文本、圖像、視頻、音頻 |
| 主攻場景 | 編程、Agent 任務、複雜軟件工程、多步推理 |
本地部署與硬體需求
Meta 表示，最新版 MLX 框架已針對搭載蘋果 M5 Ultra 芯片的 Mac Studio 優化。單機集成 GPU 最高可用 512GB 記憶體，兩台合計約 1TB 統一記憶體即可容納完整模型；1.2TB/s 的記憶體帶寬則用於支撐每個 Token 所需的參數讀取。
Meta 使用基於該模型的 Muse Code 測試了完全本地運行的 Agent 工作流，包括為開源 Mastodon 客戶端 Ice Cubes 完成 iOS 程式碼修改與整包構建，以及操作 DaVinci Resolve 逐幀審片並裁剪豎屏影片。
開發者接入與框架支援
開發者可透過 Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter 與 Together AI 等平台調用 API，也可在 Hugging Face 等平台下載權重。模型支援 SGLang、vLLM、TensorRT-LLM、MLX、llama.cpp 與 Unsloth 等主流框架，並針對四家芯片廠商進行優化。其定製的 Helion 內核在英偉達與 AMD GPU 上實現 1.03 至 3.95 倍的內核級加速。
Meta 指出，該模型在與蘋果新任 CEO 約翰·特努斯及蘋果團隊合作下，完成額外的安全後訓練，並達到其超級智能擴展框架的發布門檻。
評測表現
在 Artificial Analysis 開放權重模型智能指數榜單上，Muse Spark Open（xhigh）得 39 分，表現分化的結果如下：
| 模型 | Artificial Analysis 開放權重模型智能指數 |
|---|---|
| MiMo-V2.6-Pro | 46 |
| GLM-5.3 | 45 |
| Muse Spark Open（xhigh） | 39 |
| DeepSeek V4.1Flash | 39（與 Muse Spark Open 持平） |
來源另列出 Terminal-Bench2.1 得分 76.4、DeepSWE1.1 得分 60，以及 GDPval-AA v2 得分 1401，並提及該模型在 GDPval-AA v2 上落後於 Qwen3.8-2.4T-A95B 等國產模型。不過，來源對 Terminal-Bench2.1 與 DeepSWE1.1 的對比敘述前後不一致，讀者宜以原始評測頁面與同一測試條件的數據為準。
編輯觀點
Muse Spark Open 的核心賣點在於大規模參數、百萬級上下文與本地部署能力，對於重視資料留在本地、需要自主部署的開發團隊具有吸引力。然而，綜合智能指數的表現並未居於領先，因此在選擇模型時，仍應依實際任務需求與獨立評測結果進行評估。
Reference Link : news.aibase.com
