Meta发布816B参数Muse Spark Open，支持100万上下文，可在两台Mac Studio上运行

新闻摘要

Meta已发布Muse Spark Open的权重，这是一个8160亿参数的多模态模型，Meta称其为迄今为止美国开发者开发的最强大的开放权重模型。该公告于2026年10月15日发布在Meta的研究网站上；Meta未说明具体时间，因此无法确定发布时刻的时区。该模型采用混合专家设计，每个token激活420亿参数，支持最多100万token的上下文，面向编码和长时间运行的智能体任务。

Meta发布了什么

Muse Spark Open总共有8160亿参数，但处理每个token时仅激活约420亿参数。这是混合专家（MoE）模型的核心思想：存在许多专家子网络，路由器为每一步选择一小部分。结果是，与同等规模的密集模型相比，每个token的计算成本更低，但知识容量更大。该模型原生支持多模态，意味着它经过训练可以同时处理文本和图像，而不是后来添加视觉功能，并且支持100万token的上下文窗口，足以在一次会话中容纳大型代码库或数小时的转录材料。

权重已在Hugging Face上以仓库名称meta-models/Muse-Spark-Open-816B-A42B列出，采用BF16精度，并提供单独的NVFP4（4位浮点）构建以降低内存使用。Meta还列出了通过Amazon SageMaker AI、Google Cloud Model Garden和Microsoft Foundry Models的下载方式。

聚焦编码和智能体

Meta将该模型定位为用于软件工程、多步推理和长周期智能体工作，即模型进行规划、调用工具并持续执行多个步骤。Meta展示了两个使用Muse Code（由该模型驱动的Meta编码工具）的演示。第一个演示中，它修改了开源Mastodon客户端Ice Cubes for iOS。第二个演示中，它在DaVinci Resolve中处理端到端视频编辑，逐帧审查素材，并将最精彩的瞬间裁剪成竖屏片段。

在桌面上运行前沿规模模型

最引人注目的说法是本地部署。Meta表示，该模型使用Apple的MLX框架，可在两台Apple M5 Ultra Mac Studio上运行。每台机器可为其集成GPU提供高达512GB的统一内存，并提供1.2TB/s的内存带宽，因此两台机器合计提供约1TB的CPU和GPU共享内存。统一内存对大型模型很重要，因为权重无需在独立系统内存和图形内存之间复制。Meta将此视为“未来属于每个人”信念的一部分，包括在家中运行先进模型。

对于不熟悉该主题的读者，量化可以解释这是如何实现的。像NVFP4构建那样，用更少的位存储每个权重，可以缩小内存占用，但通常会在准确性上有所损失，具体取决于任务。

访问、工具和速度

托管API访问已列出，包括Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter和Together AI。支持的推理引擎包括SGLang、vLLM、TensorRT-LLM、Hugging Face Transformers、Apple MLX、llama.cpp和Unsloth，并针对AMD、Apple、Intel和NVIDIA硬件进行了优化。微调支持通过PyTorch和TorchTitan进行。

在性能工程方面，Meta表示，SGLang中自定义的可自动调优Helion GPU内核在NVIDIA和AMD GPU上提供了1.03倍至3.95倍的内核级加速，在AMD MI350硬件上实现了3%的端到端加速。内核是一个小型GPU程序，执行一个核心操作，因此那里的加速只能部分转化为整个模型的吞吐量，这就是端到端数字较小的原因。

许可证和安全

该模型采用Muse模型许可证，Meta将其描述为具有有限的商业条款，允许许多开发者免费使用。独立报道指出，它允许使用、修改、微调、蒸馏和重新分发模型，但附加了经典开源许可证不会包含的条件，因此“开放权重”比“开源”更准确。团队在基于该模型构建产品之前应阅读许可证文本。

Meta表示，该模型接受了额外的安全后训练，并按照其Meta超级智能扩展框架进行了评估，声称达到了框架的发布阈值。Meta自己的总结是“结果证明了在测量的风险类别中具有强大的保障措施。”详细结果在模型卡中，更完整的评估报告据称即将发布。

背景：在Meta模型系列中的位置

Meta于2026年4月推出了Muse Spark作为专有模型，同时表示计划开放未来版本。根据二手报道，2026年8月，一个300亿参数的开放模型Muse Glimmer在Apache 2.0下发布，Meta领导层后来表示将发布更新版Muse Spark的权重。Muse Spark Open是该序列中的大规模步骤。二手媒体还报道了更新的托管Muse Spark版本，因此不应假设开放模型与Meta最新的专有版本匹配。

需要谨慎对待的内容

Meta的研究页面有一个“关键基准”部分，并链接到评估方法报告，但基准数字无法为本报告提取，行业报道指出独立评估尚未确认Meta的能力声明。“美国最强大的开放权重模型”的描述是Meta自己的说法。实际速度（如双Mac设置上的真实世界速度）、量化构建的质量以及长上下文行为等实际问题，将随着社区测试权重而得到解答。

对学习者的意义

对于学生和开发者来说，这次发布提供了一个直接研究前沿规模混合专家模型的机会：检查其结构，使用开放工具运行，微调较小的适配，并比较量化的权衡。它还展示了具有大统一内存的硬件如何改变数据中心之外可以运行的内容。

来源

Meta Research（research.meta.ai/blog/muse-spark-open）；Hugging Face模型卡和集合；MarkTechPost、Unite.AI、Analytics India Magazine、iGeeksBlog和DEV Community的报道（日期约为2026年10月15日）；The Register和Constellation Research提供了早期Muse模型的背景。