本文来自微信公众号： InfoQ ，作者：冬梅，原文标题：《Meta 发布 Muse Spark Open，号称全美最强开源模型，但编程基测输给智谱、Kimi》
Meta将大型智能体模型带到了桌面设备上，但这次的“桌面”，需要两台高配置Mac Studio。
当地时间10月15日，Meta宣布开放Muse Spark Open模型权重，将软件工程、长程任务执行和多步推理作为主要应用方向。与模型权重一同受到关注的，是其本地运行方案：通过MLX框架，开发者可以在两台搭载M5 Ultra的Mac Studio上部署这一模型。
Meta将其定位为迄今能力最强的美国开放权重模型。
Muse Spark Open采用稀疏混合专家架构，总参数量达到8160亿，每个token激活约420亿参数，支持1,048,576 token上下文。模型可以接收文本、图片、音频和视频，输出则为文本。因此，它能够理解截图、视频和录音，但不能据此理解为具备原生图片、音频或视频生成能力。
这套能力组合指向的是需要持续操作的工作流程。模型不仅要理解用户意图，还要规划步骤、调用工具、检查执行结果，并在工具失败后调整行动。
1编程基准测试输给了智谱、Kimi
Meta的模型卡将端到端智能体任务、代码编写与调试、长程工具调用列为主要用途，同时也包括合成数据生成和模型输出评估。
在官方演示中，Meta使用由Muse Spark Open驱动的Muse Code，在本地完成了开源Mastodon客户端Ice Cubes的iOS开发工作，涉及修复问题、添加功能和完整构建。
另一项演示则让模型操作DaVinci Resolve，逐帧检查素材，挑选片段并进行竖屏裁剪。这些案例展示了模型连接真实软件的方向，但仍属于官方展示，不能直接推导为所有同类任务均可无人值守完成。
性能方面，Meta公布的结果显示，Muse Spark Open在JobBench上得分为61.8，MCP-Atlas为89.2，OSWorld Verified为80.4；编程相关测试中，Terminal-Bench 2.1为76.4，DeepSWE 1.1为60。
值得一提的是，在Terminal-Bench 2.1和DeepSWE 1.1测试中，Muse Spark Open得分低于国产开源模型GLM 5.3 max和Kimi K3 max。
客观来讲，以上结果也没有呈现出所有项目全面领先的局面。
2本地部署是模型最大亮点
本地部署是此次发布的一项重要看点，不过，420亿激活参数并不意味着只需要容纳一个420亿参数模型的内存。稀疏架构减少了每个token参与计算的参数量，完整权重仍需加载。按照官方文档，BF16版本权重约为1.65 TB，NVFP4版本约为537 GB，此外还要为KV Cache、激活值和运行时开销预留空间。
官方给出的GPU部署示例中，BF16版本使用8张B300，NVFP4版本使用4张B300。具体配置还取决于加速器内存、互联条件、上下文长度和并行策略。
这里不得不提一嘴，“可以本地运行”意味着开发者获得了控制部署位置的选择，并不意味着普通笔记本已经能够承担这类模型。
苹果公布的相关研究还展示了四台Mac Studio的分布式推理结果：Muse Spark Open的生成速度超过每秒36个token。
对于不准备自建硬件的团队，Muse Spark Open也提供托管访问路径。官方列出的生态伙伴包括Baseten、Fireworks AI、Groq、Modal、Nebius、Together AI和OpenRouter；部署工具覆盖SGLang、vLLM、TensorRT-LLM、llama.cpp和MLX等。开发者可以先通过API验证任务效果，再评估是否值得自行部署。
另一个需要注意的点是，Muse Spark Open采用Muse Model License，开放权重并不等于没有商业使用条件。许可证允许在满足条款的前提下使用、修改、微调、蒸馏和分发模型，并要求相关产品或文档展示指定归属标识。
其中，对通过API等方式提供模型即服务的企业，如果被许可方及其关联方在任意连续12个月内的合计总收入超过2000万美元，条款要求其在将模型或衍生模型用于该业务前通知Meta，并签订单独书面协议。
这一规定同时列有例外，包括内部使用、研究、非模型即服务商业活动，以及用模型支持自有非模型即服务产品的功能，不能简单概括为“所有年收入超过2000万美元的企业都要付费”。
从这次发布可以看到，大型开放权重模型的竞争正在延伸到实际部署环节：模型能否完成持续的软件操作，能否接入现有工具，开发者又需要付出多少硬件与运维成本，正变得与参数和榜单成绩同样重要。
Muse Spark Open增加了本地运行大型智能体模型的可能性，但从“下载得到”走向“稳定用得起”，仍需要真实工作负载下的验证。
模型发布后，在国外社区中引发热议，各平台用户对这次发布的评价不一。
有网友对基准成绩持保留态度：“他们的模型总是针对榜单做极致优化，我不知道该不该相信这些数据。”
也有人认可Meta再次开放模型权重，但对使用条款不满：“许可证令人失望，但我很高兴Meta又开始关心开发者了。”
另一些用户更看重实际体验。一位网友认为，Muse Spark Open从评测来看“似乎是目前第二好的开放权重模型”，但实际使用中可能更有竞争力：“Muse Spark系列在实际使用中表现非常出色，总能给我带来惊喜。”
还有用户分享了Muse系列其他模型与Gemini 4 Argon的对比，想要验证该系列模型和谷歌模型谁更强。他称，在相同提示词、各自最高可用推理设置下，Muse耗时约40分钟、花费约30美元，Argon则耗时约30分钟、花费约10美元。对于这次3D任务的结果，他评价：“Muse确实让我惊喜……不过我觉得Argon稍微好一些。”
3 8160亿参数如何搬上桌面：Muse Spark Open的技术逻辑
Muse Spark Open发布后，在Youtube上，有博主分析了Muse Spark Open实现桌面部署背后的技术逻辑。
将一个拥有8160亿参数的模型放到本地运行，首先面对的是物理约束：模型权重放在哪里，计算单元如何读取这些权重，以及多台机器之间如何交换数据。Muse Spark Open的桌面部署，需要模型架构、数值精度、内存系统和推理框架共同配合。
其中，最容易混淆的两个数字是总参数量与激活参数量。Muse Spark Open拥有8160亿总参数，但每个token激活的参数约为420亿。前者很大程度上决定权重存储需求，后者则影响每个token的计算负担。两者分别对应“装不装得下”和“算不算得动”，不能互相替代。
模型采用稀疏混合专家架构。在典型MoE层中，路由网络根据token当前的隐藏表示，为不同专家计算路由分数，再将计算分配给选中的少数专家，最后汇合结果。这让模型不必在处理每个token时都调用全部专家。
视频中，博主将这一机制比作图书管理员：回答一个问题时，不必翻遍整个图书馆，只需要取出相关书籍。稀疏架构减少了参与运算的参数，却没有消除全部权重的存储需求。不同token可能调用不同专家，系统仍需让这些专家权重能够被访问。因此，不能因为模型只激活约420亿参数，就按照一个420亿参数稠密模型估算内存需求。官方文档也明确区分了这两个概念。
该博主把桌面部署的主要原因归结为MoE，实际上，量化也是不可忽略的一环。
按每个参数约占两个字节粗略计算，8160亿参数仅BF16权重就需要约1.63TB，尚未包括推理期间的额外内存。两台各配备512GB内存的设备，无法直接容纳这一精度下的完整模型及其运行开销。
苹果公布的Muse Spark Open测试采用NVFP4精度，而非BF16。降低权重精度缩小了模型的内存占用，多机并行进一步分担权重和计算负载，才使这种桌面部署成为可能。
所以，在此基础上更完整的技术解释是：MoE减少每个token的活跃计算，量化降低权重存储开销，多台机器提供所需的总内存容量，推理框架则负责协调分布式执行。任何一项都不能单独解释全部结果。
视频着重介绍了Apple Silicon的统一内存架构。其重要特点是CPU与GPU可以访问同一物理内存池，减少某些工作流程中在系统内存与独立显存之间复制数据的需要，同时让集成GPU能够利用较大的内存容量。
但统一内存也不意味着内存瓶颈消失。计算单元仍需要读取权重和中间数据，实际速度依然受内存带宽、访问方式、缓存命中和计算效率影响。苹果公布的M5 Ultra统一内存带宽为1.2TB/s，但这是单机内存系统的指标，不能视为两台Mac之间的通信带宽。
同样，两台各有512GB内存的Mac，并不会仅仅因为连接起来，就变成一台拥有约1TB、所有内存都能以相同速度访问的计算机。分布式运行需要将模型或计算划分到不同设备，再通过通信机制交换必要的数据。苹果的方案使用Thunderbolt上的RDMA，并由MLX提供相应的集合通信支持。
这意味着，本地大模型部署既有容量问题，也有通信问题。机器数量增加后，即使模型能够装下，跨设备同步和数据交换仍可能限制扩展收益。
算子加速接近四倍，不等于整套推理接近四倍
视频后半段介绍了另一个值得保留的技术点：权重开放之后，推理实现仍决定开发者能否高效使用模型。
Meta在发布中介绍了集成于SGLang的定制Helion GPU算子，并称其在NVIDIA和AMD GPU上实现了1.03—3.95倍的算子级加速，在AMD MI350上实现约3%的端到端加速。这里必须保留“算子级”和“端到端”的区别。
GPU算子负责执行某一类具体计算，其性能与数据分块、线程组织、内存访问和硬件资源使用有关。自动调优通过测试不同配置，为目标设备和输入选择更合适的实现。它并不意味着每次生成token都重新探索最佳配置；Helion支持缓存调优结果，也提供提前调优的工作流程。
局部算子即使明显加速，对整体性能的影响仍取决于它原本占用了多少运行时间。其他算子、内存访问和跨设备通信没有同步改善，整体收益就会受到限制。所以这组数字真正说明的是底层优化能够带来实际收益，而不是模型在所有硬件上都能获得接近四倍的推理速度。
视频最后讨论了开放权重的安全问题。其核心判断可以保留：托管API的提供方能够部署输入输出检查、访问控制和监测机制；模型权重交给开发者后，这些外部措施不会自动随模型一起生效。
Meta表示，Muse Spark Open针对开放权重发布进行了额外安全后训练，并通过了其发布框架要求的评估。但这不能进一步解释为安全机制已经永久嵌入模型、无法改变，或者本地部署天然安全。
对于能够读取文件、执行命令和调用软件的智能体，实际风险仍取决于工具权限、运行环境和操作范围。数据留在本地，可以减少向外部推理服务传输的需求；但本地模型一旦获得过大的操作权限，同样可能造成错误修改或数据损失。
参考链接：
https://huggingface.co/meta-models/Muse-Spark-Open-816B-A42B
https://www.youtube.com/watch?v=-eG-hbmqcZg
https://research.meta.ai/static/muse-spark-open-evaluation-methodology
https://x.com/alexandr_wang/status/2110778736434184611
