Meta 于当地时间 10 月 15 日宣布开放 Muse Spark Open 模型权重，并将其定位为迄今能力最强的美国开放权重模型。该模型采用稀疏混合专家架构，总参数量 8160 亿，每个 token 激活约 420 亿参数，支持 1,048,576 token 上下文，可接收文本、图片、音频和视频，输出为文本。Meta 将软件工程、长程任务执行和多步推理列为主要应用方向。

与权重一同受到关注的是本地运行方案。通过 MLX 框架，开发者可在两台搭载 M5 Ultra 的 Mac Studio 上部署该模型。官方文档显示，BF16 版本权重约 1.65 TB，NVFP4 版本约 537 GB，另需为 KV Cache、激活值和运行时开销预留空间。GPU 部署示例中，BF16 版本使用 8 张 B300，NVFP4 版本使用 4 张 B300。苹果公布的研究还展示了四台 Mac Studio 的分布式推理结果，生成速度超过每秒 36 个 token。

性能方面，Meta 公布的结果显示，Muse Spark Open 在 JobBench 上得分 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。值得注意的是，在 Terminal-Bench 2.1 和 DeepSWE 1.1 两项测试中，其得分低于国产开源模型 GLM 5.3 max 和 Kimi K3 max，并未呈现全面领先。

官方演示中，Meta 使用由 Muse Spark Open 驱动的 Muse Code 在本地完成开源 Mastodon 客户端 Ice Cubes 的 iOS 开发，涉及修复问题、添加功能和完整构建；另一项演示让模型操作 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。

本地部署是此次发布的重要看点，但“可以本地运行”不等于普通笔记本能够承担。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。技术分析指出，MoE 减少活跃计算、量化降低权重存储开销、多台机器提供总内存容量、推理框架协调分布式执行，四者共同作用才使桌面部署成为可能。苹果方案使用 Thunderbolt 上的 RDMA，由 MLX 提供集合通信支持；M5 Ultra 统一内存带宽为 1.2TB/s，但这是单机指标，不能视为两台 Mac 之间的通信带宽。

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。开发者可先通过 API 验证任务效果，再评估是否自行部署。

许可证方面，Muse Spark Open 采用 Muse Model License，开放权重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。对通过 API 等方式提供模型即服务的企业，若被许可方及其关联方在任意连续 12 个月内合计总收入超过 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。该规定同时列有例外，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。

Meta 还介绍了集成于 SGLang 的定制 Helion GPU 算子，称其在 NVIDIA 和 AMD GPU 上实现 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。这里需区分“算子级”与“端到端”：局部算子加速对整体性能的影响取决于其原本占用的运行时间，不能理解为模型在所有硬件上都能获得接近四倍的推理速度。

模型发布后在国外社区引发热议，评价不一。有网友对基准成绩持保留态度，认为模型总是针对榜单做极致优化；也有人认可 Meta 再次开放权重，但对使用条款不满。另有用户分享实际对比称，在相同提示词和各自最高可用推理设置下，Muse 耗时约 40 分钟、花费约 30 美元，而 Gemini 4 Argon 耗时约 30 分钟、花费约 10 美元，并评价 Argon 稍好一些。

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”，仍需真实工作负载下的验证。