Meta开源8160亿参数模型，编码测试不及国产模型

Meta于当地时间10月15日开放Muse Spark Open模型权重，重点面向软件工程、长程任务执行和多步推理，并将其定位为目前能力最强的美国开放权重模型。该模型可通过MLX框架部署在两台搭载M5 Ultra的Mac Studio上，将大型智能体模型带到桌面设备，但并非普通电脑即可承担。

Muse Spark Open采用稀疏混合专家架构，总参数量8160亿，每个Token约激活420亿参数，上下文窗口达1,048,576 Token。它能接收文本、图片、音频和视频，输出仍为文本，因此具备跨模态理解能力，但不具备原生图像、音频或视频生成能力。模型重点能力包括规划任务、调用工具、检查结果及失败后调整行动。

官方演示显示，Muse Code曾在本地完成开源Mastodon客户端Ice Cubes的iOS开发，涵盖修复问题、增加功能和完整构建；另一项演示则让模型操作DaVinci Resolve，逐帧检查素材并完成片段选择和竖屏裁剪。不过，这些案例主要代表展示效果，不能据此认定同类任务都能无人值守完成。

评测中，模型在JobBench、MCP-Atlas和OSWorld Verified上的成绩分别为61.8、89.2和80.4；Terminal-Bench 2.1为76.4，DeepSWE 1.1为60。在后两项编程测试中，其成绩低于国产开源模型GLM 5.3 max和Kimi K3 max，并未实现所有项目全面领先。

本地部署的代价仍然很高。BF16权重约1.65TB，NVFP4约537GB，还需为KV Cache、激活值和运行时开销留出空间；官方示例分别使用8张或4张B300。苹果公布的四台Mac Studio分布式推理速度超过每秒36个Token。开发者也可通过Baseten、Fireworks AI、Groq、Modal、Nebius、Together AI和OpenRouter访问托管服务，相关工具包括SGLang、vLLM、TensorRT-LLM、llama.cpp和MLX。

模型采用Muse Model License，允许在条款范围内使用、修改、微调、蒸馏和分发，但需展示指定归属标识。若通过API提供模型服务的被许可方及关联方，连续12个月总收入超过2000万美元，则在将模型或衍生模型用于该业务前需通知Meta并签署书面协议；内部使用、研究及非模型即服务业务等场景有例外。海外社区对基准可信度、许可证和实际体验评价不一，也有用户比较Muse与Gemini 4 Argon的3D任务，称前者耗时约40分钟、成本约30美元，后者约30分钟、约10美元，结果略偏向Argon。

从技术上看，MoE只减少每个Token参与计算的参数，并没有消除全部权重的存储需求；8160亿参数决定容量压力，420亿激活参数主要影响计算量。量化、多机并行和推理框架共同降低部署门槛：NVFP4缩小权重占用，两台Mac通过Thunderbolt上的RDMA及MLX集合通信协同运行。M5 Ultra统一内存带宽为1.2TB/s，但不等于两台设备拥有一块可同速访问的1TB内存池，跨机通信仍可能成为瓶颈。

权重开放后，推理实现同样影响效率。Meta称，集成到SGLang的定制Helion GPU算子在英伟达和AMD GPU上可实现1.03至3.95倍的算子级加速，在AMD MI350上约带来3%的端到端加速；单个算子的提升不能直接等同于整套推理速度提升。整体来看，Muse Spark Open扩大了大型智能体模型本地运行的可能性，但稳定性、硬件成本和真实工作负载表现仍需进一步验证。