Muse Spark Open – Meta 开源的原生多模态智能体与编码模型

Muse Spark Open是一款由Meta Superintelligence Labs于2026年10月推出的原生多模态开源权重模型，主要用于长程编码与智能体任务，支持文本、图像、视频与音频输入，适用于私有环境内的智能体与代码工程。

Muse Spark Open 的核心能力

稀疏 MoE 的 816B 规模与 100 万 token 上下文

Muse Spark Open 的总参数为 816B，每次推理只激活 42B，由 256 个专家中选出 8 个参与计算。上下文窗口为 100 万 token，可直接读入大型代码库或成册材料。这一体量落在 AI 模型 的开源权重一侧，权重可下载、微调与再分发，部署位置由使用方决定。

文本、图像、视频与音频的原生输入

模型的输入覆盖文本、图像、视频与音频四类，输出为文本，训练数据同样包含这四类信号。在 AI 智能体 场景中，它可以直接读取界面截图、录屏与通话音频后再给出结论，不需要先由外部工具转成文字。

面向长程编码与智能体任务的能力取向

官方把这款模型的能力集中在长周期任务、复杂软件工程与多步推理三处。Meta 公布的端侧验证中包含两项具体工作：为开源客户端 Ice Cubes 提交可编译的 iOS 改动，以及让模型逐帧审看素材后驱动 DaVinci Resolve 完成竖屏裁切。

桌面端推理与 MLX 支持

桌面端做法是把两台 M5 Ultra Mac Studio 用 Thunderbolt 5 直连，合并出的统一内存约 1TB；单台机器内集成 GPU 可支配的上限为 512GB，带宽 1.2 TB/s。开放权重版本随附 SGLang 中可自动调优的 Helion GPU 内核，官方给出的内核级加速区间为 1.03 至 3.95 倍，AMD MI350 上的端到端加速为 3%。

开放权重版本的安全后训练

开放权重版本额外交付了面向滥用的安全后训练，并按 Meta Superintelligence Scaling Framework 覆盖的严重风险类别完成评测后发布。官方披露的拒绝率为内部网络风险基准 99.2%，PolyGuard 网络子集、RedCode 与 CyberBench 2024 合并口径 94.8%。

Muse Spark Open 与同类开源模型的对比

上表数值取自 Meta 官方模型卡横向对比表，四列同口径；规格与发布时间取自各发布方官方资料。参数规模一项最能说明定位：816B 总参数配 42B 激活，比另外三款小一个量级，桌面端部署才有成立空间。智能指数与职业任务两行它均排在三款之后，通用表现并非其强项。软件工程与科学编码两行差距最小，实际表现需结合所用测试工具判断。工具调用密集、权重需留在自有环境的团队可优先测试；以长时编码为主时，另外几款更靠前。

同一系列的闭源旗舰 Muse Spark 1.3 未开放权重，可对照其能力与调用方式，判断开放权重版本能否满足自身需求。

Muse Spark Open 的应用场景与适用人群

常见场景包括：

• 大型代码库审查：借 100 万 token 上下文一次性读入整个仓库，定位结构与跨文件依赖。
• 数据不出域的智能体任务：权重部署在自有硬件或私有网络内，处理不便外传的材料。
• 视频与多模态素材分析：逐帧读取录屏或素材，抽出可用片段与结论。

适用人群：需要在自有硬件或私有网络内运行大模型的工程团队与企业，以及希望基于开放权重做微调与二次开发的开发者。

Muse Spark Open 的使用方法

Muse Spark Open 提供桌面端本地运行与接入推理框架两条路径，前者面向自有硬件，后者面向服务端部署。

在 Mac 桌面端运行

1. 核对许可与硬件要求：在 Muse Spark Open 官方发布页 确认许可条款与最低配置，再到 Hugging Face 的模型页提交信息获取下载权限。
2. 选择权重构建：按显存选择 BF16 或 NVFP4 构建，NVFP4 需要约 700GB 显存或等量统一内存。
3. 搭建运行环境：安装最新版 MLX 框架，把两台 M5 Ultra Mac Studio 通过 Thunderbolt 5 直连。
4. 加载模型并输入任务：MLX 会直接从 Hugging Face 拉取权重，推理档位默认为 xhigh。
5. 微调与定制：需要进一步训练时，用 PyTorch 的 TorchTitan 在自有数据上继续调整。

接入推理框架

自有硬件不足或需要服务化部署时，按所选框架接入对应构建。

1. 选择推理框架：官方发布首日已支持 SGLang、vLLM、TensorRT-LLM、Hugging Face Transformers、MLX、llama.cpp 与 Unsloth 七套引擎，覆盖 NVIDIA、AMD、Intel 与 Apple 四类芯片。
2. 使用托管接口：不自建硬件的，可通过 Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter 与 Together AI 调用。
3. 按需接入内核优化：SGLang 内的 Helion 内核可自动调优，用于压缩长任务下的推理耗时。

Muse Spark Open 的项目地址

• 官方发布页：research.meta.ai/blog/muse-spark-open
• 权重仓库：huggingface.co/collections/meta-models/muse-spark-open

Muse Spark Open 的价格与开源情况

Muse Spark Open 采用 Muse Model License，权重可免费获取，并允许使用、复制、修改、微调、蒸馏与再分发。向第三方以接口形式提供模型输出、且与关联方连续十二个月合计总营收超过 2000 万美元的组织，须先通知 Meta 并另行签署书面协议；内部使用、研究与不涉及模型接口服务的商业活动不受该条约束。

使用该模型或其衍生模型的产品，须在界面、文档、网站或设置菜单中标明「Built with Muse Spark Open」。权重本身不产生许可费用，实际支出主要来自托管平台的调用计费或自建硬件的算力投入。

Muse Spark Open 的常见问题