Meta发布Muse Spark Open开放权重模型

Meta 发布开放权重模型 Muse Spark Open：免费下载能商用，本地跑要两台 512GB 内存的 Mac Studio Meta 10 月 15 日发布 Muse Spark Open，模型权重可以直接下载，按 Muse Model License 免费使用，商用也行。Meta 称它是“迄今最强的美国开放权重模型”。 Muse 系列推出以来，主力模型 Muse Spark 和三天前发布的 Muse Wonder 都只能通过 Meta 的产品和 API 用，开放权重的只有小模型 Muse Glimmer。这是 Meta 第一次放出大尺寸 Muse 模型的权重。 模型总共 8160 亿参数，处理每个 Token 只动用其中 420 亿，这种结构叫混合专家（MoE），算得快，但整个模型还是要全部装进内存。上下文 100 万 Token，能读文字、图片、视频和音频，输出文字，主打写代码和让 AI 长时间自己干活。 【能不能下载，能不能商用】 能下载。Hugging Face、亚马逊 SageMaker、Google Cloud Model Garden 和微软 Foundry 都提供权重。Hugging Face 上要先登录填申请表，写真实姓名、出生日期和完整机构名称，提交后不能改。 能商用。许可证允许使用、修改、微调、蒸馏（用它的输出训练别的模型）、再分发和出售，不收费。条件有三条。 第一，用了它的产品要在界面、文档、网站或设置菜单里显著标出“Built with Muse Spark Open”。 第二，遵守附带的使用政策：不能用于军事、武器、关键基础设施等高风险用途，不能在没有执业资格时提供金融、法律、医疗专业服务，也不面向 18 岁以下用户。 第三，卖模型接口的大公司要单独签协议。具体是：你把它或基于它改的模型通过 API 之类的方式卖给别人调用，而你的公司连同关联公司过去 12 个月总营收超过 2000 万美元，就要先通知 Meta、另签协议。算的是公司总营收，不只是这项业务的收入。 把它嵌进自己的 App 做功能、公司内部用、做研究，都不受第三条限制，公司多大都一样。Llama 当年的许可证门槛是月活 7 亿用户，这次换成了针对模型接口生意的营收门槛。 【普通电脑能不能跑】 跑不了。模型卡写的要求是：压缩到英伟达 4 位精度格式 NVFP4 的版本至少要 700GB 显存，原始 BF16 版本要 2TB。 Meta 说它针对两台 M5 Ultra Mac Studio 做了优化：每台最多 512GB 统一内存，两台连起来凑出 1TB，用苹果的 MLX 框架运行。官方没写在 Mac 上跑的是哪个压缩版本，也没给速度。 有服务器的开发者，SGLang、vLLM、TensorRT-LLM、llama.cpp 等主流推理框架都能跑，也可以用 PyTorch 和 TorchTitan 微调。 没有这种硬件，就调 API：Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter、Together AI 提供接口，价格由各平台定，Meta 没公布。 【和其他模型比怎么样】 Meta 只拿它和开放权重模型比：美国的 Inkling（前 OpenAI CTO Mira Murati 创办的 Thinking Machines 出品）和英伟达 Nemotron 3 Ultra，法国的 Mistral Large 4，中国的通义千问 Qwen3.8、智谱 GLM 5.3、月之暗面 Kimi K3。以下成绩都来自 Meta 的模型卡。 第三方机构 Artificial Analysis 的综合智能指数，Muse Spark Open 39 分，Inkling 26，Nemotron 3 Ultra 23，“美国最强”说的是这一层。放到全部开放权重模型里，它低于 GLM 5.3 的 45 和 Kimi K3 的 44，和 Qwen3.8 的 40 接近。Artificial Analysis 开源榜目前排第一的是小米 MiMo-V2.6-Pro，46 分，Meta 的对比表里没有它。 单项领先的是调用工具和难题推理：测模型通过 MCP 协议调外部工具完成任务的 MCP-Atlas，89.2 分，对手最高 84.5；不借助工具做“人类最后的考试”（HLE，一套极难的跨学科考题），26.1 分，对手最高 22.2。 写代码偏弱：命令行任务 Terminal-Bench 76.4 分，Kimi K3 85.0、GLM 5.3 83.9；软件工程任务 DeepSWE 60 分，Kimi K3 68、GLM 5.3 67。 最突出的是防越狱。StrongREJECT 测的是模型被人诱导时会不会输出有害内容，分数越低越安全，它是 0.5 分，其他模型都在 60 分以上。Meta 说开放权重版额外做了安全训练。 和自家闭源模型比，Meta 三天前引用的 Artificial Analysis 数据里，Muse Wonder 52 分，Muse Wonder Full 56 分，Muse Spark Open 低一截。 原文：https://x.com/AIatMeta/status/2110779754274292212 官方博客：https://research.meta.ai/blog/muse-spark-open 模型卡：https://huggingface.co/meta-models/Muse-Spark-Open-816B-A42B

曝光 21028 · 评论 24 · 点赞 53 · 书签 33

Meta 又开始发布开源模型了，发布了 Muse Spark Open。 他们说是迄今为止美国最强大的开源模型。 基于苹果的 MLX 框架做了深度优化。 这个 800B 的模型，居然可以在两台 M5 Ultra Mac Studio 上本地运行。 在长时任务、复杂软件工程和多步骤推理上很出色。 总参数是 816B，活跃参数 42B，支持 1T 的上下文窗口，原生支持文本、图像、视频、音频全模态输入。 在测评基准的分数上，跟 K3 和 GLM-5.3 差不多。 感觉这波美国全员进步，每家都有新进展。

曝光 17780 · 评论 30 · 点赞 50 · 书签 21

Meta表示，其名为Muse Spark Open的新开放权重模型专为编程和智能体任务打造，并与苹果合作，在后者的高端Mac电脑上本地运行。https://on.wsj.com/4sbR6RN

曝光 15034 · 评论 1 · 点赞 8 · 书签 1

坐不住了! Meta 把 Muse Spark 开源了! Meta 刚刚开源了 Muse Spark Open 大模型! 1M上下文, 支持全模态输入! 模型参数量816B-A42B, 说实话这个激活数量可不小, 尤其是对比 DeepSeek-v4.1-flash (552B MoE 主干 + 196B Engram 查找表) 这种 prefill 只激活 8B 的神奇玩意. 我还把 DeepSeek 的测试得分整合进了官方表格, 目前来看, 这个模型应该是个 Agent 能力特化模型, 不是一个编程能力很强的模型. 任何一个国产旗舰应该都能超过它的编程能力. 当然激活大除了推理更吃硬件导致速度慢以外, 还是有优点的, 一般来讲大激活对多步任务(Agent Loop)的稳定性更有帮助, 更不容易出现上下文漂移和逻辑崩溃. 不过 Meta 也补救了一手, 跟这个模型一起放出了用 PyTorch Helion DSL 编写的算子 (RoPE、RMSNorm、量化等), 在 NVIDIA GB300 上比手写的 CUDA/CuTe 算子快 1.03x～3.95x, 同一套代码直接移植到 AMD MI350 上也有类似的算子级提升 (端到端吞吐 +3%). 另外 SGLang 里还有实验性的 Helion megakernel, 把注意力、MoE 等整层操作融合成单个持久化核心 (Persistent Kernel), batch=1 的 decode 大概能快 10%. 但是这个激活量立刻让我想起了之前的 Llama 4 Scout (109B-A17B), 吹能支持10M上下文, 结果实际部署巨耗费显存, 这次更是激活参数量翻了2.47倍. 好消息是这次用了混合局部注意力, 62 层里有 46 层是 2048 token 的滑动窗口, 只有 16 层全局注意力需要存完整上下文的 KV Cache. 我试算了一下, NVFP4 权重 + 官方推荐的 FP8 KV Cache, 跑满 1M 上下文时 KV Cache 大概 34.6GB (如果 62 层全是全局注意力的话要 133GB), 加上权重 537GB 就是约 572GB, 再算上激活值和运行时开销, 官方建议至少 700GB 显存, 也就是单台 4 卡 Blackwell (比如 4×B300) 起步. 呃...总之跟我无缘了... 速报测试一会给大家放出, 看看效果咋样. 我看到 openrouter 上定价是 输入 $1.25/M tokens 输出 $4.25/M tokens, 也不便宜. > #MuseSparkOpen #Meta #MuseSpark #llama

曝光 14495 · 评论 31 · 点赞 64 · 书签 27