Meta 联手苹果推出全美最强开源模型，编码基测输给智谱、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。 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。 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。” 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