徽声在线
编译 林晓华
编辑 陈明宇

徽声在线10月16日报道，今日凌晨，Meta正式推出其最新力作——开放权重模型Muse Spark Open。这一模型的总参数量高达8160亿，每次推理激活参数达420亿，并支持100万Token的上下文窗口。该模型不仅原生支持多模态输入，还专注于编程和Agent任务，特别适用于需要长时间运行的任务、复杂软件工程以及多步推理场景。

Meta宣称，Muse Spark Open是目前美国能力最强的开放权重模型。通过最新版的MLX框架，该模型能够在两台配备苹果M5 Ultra芯片的Mac Studio上流畅运行，从而将大模型的编程、视频处理等Agent工作流迁移至桌面端，为用户带来更加便捷的体验。

Meta的创始人马克·扎克伯格也在社交媒体X上分享了这一喜讯，他表示，得益于与苹果新任CEO约翰·特努斯及其团队的紧密合作，Muse Spark Open在新款Mac Studio上展现出了卓越的性能，并附上了两台Mac Studio与显示器的桌面照片。

特努斯在评论区回应称，Muse Spark Open能够直接在桌面端高效运行，令人印象深刻，Mac Studio正不断拓展端侧AI的应用边界。

在第三方评测机构Artificial Analysis发布的开放权重模型智能指数榜单上，Muse Spark Open（xhigh）获得了39分，虽然这一成绩低于MiMo-V2.6-Pro的46分、GLM-5.3的45分，以及Step 5 Preview、Kimi K3等模型的测评分数，但与DeepSeek V4.1 Flash持平。值得一提的是，蚂蚁百灵近期开源的Ling-3.1-flash模型取得了41分，略胜一筹。

目前，开发者可以通过Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter和Together AI等平台的API来调用Muse Spark Open，也可以通过Amazon SageMaker AI、Google Cloud Model Garden、Hugging Face和Microsoft Foundry Models等渠道下载模型权重，以便进行进一步的定制和开发。

Muse Spark Open支持SGLang、vLLM、TensorRT-LLM、Hugging Face Transformers、苹果MLX、llama.cpp和Unsloth等多种主流推理框架，并针对AMD、苹果、英特尔和英伟达等主流芯片进行了优化。此外，开发者还可以使用PyTorch框架对模型进行进一步的定制和优化。

开源地址：

https://huggingface.co/collections/meta-models/muse-spark-open

一、参数规模庞大，百万Token上下文，编程能力稍逊于国产开源模型

Muse Spark Open采用了稀疏混合专家架构，总参数量达到了惊人的8160亿，每个Token激活约420亿参数，支持100万Token的上下文窗口，能够接收文本、图像、视频和音频等多种模态的输入。

在基准测试方面，Muse Spark Open在部分Agent、知识推理和工具辅助多模态测试中表现优异，领先于其他模型。然而，在考察终端环境下编程与任务执行能力的Terminal-Bench 2.1测试中，其得分为76.4分，低于Qwen3.8-2.4T-A95B、GLM 5.3和Kimi K3等模型；在软件工程测试DeepSWE 1.1中，其得分为60分，同样低于GLM 5.3的67分和Kimi K3的68分。

在考察真实职业场景中知识工作任务完成能力的GDPval-AA v2测试中，Muse Spark Open得分为1401分，也未能超越Qwen3.8-2.4T-A95B、GLM 5.3和Kimi K3等模型。

二、两台M5 Ultra Mac Studio本地协同运行，轻松修改代码、剪辑视频

为了支持桌面端部署，Muse Spark Open针对最新版MLX框架和搭载M5 Ultra芯片的Mac Studio进行了深度优化。

Meta介绍称，苹果统一内存架构使得每台Mac Studio的集成GPU能够使用最高512GB的内存，两台设备合计可提供约1TB的统一内存，足以容纳完整的模型。M5 Ultra的内存带宽高达1.2TB/s，能够支持读取每个Token计算所需的部分模型参数。

因此，两台Mac Studio可以像一台拥有约1TB统一内存的超级计算机一样协同工作，为用户提供强大的计算能力。

Meta使用由Muse Spark Open驱动的Muse Code工具，测试了一系列完全在设备本地运行的Agent工作流。

在编程场景中，该模型成功为开源Mastodon客户端Ice Cubes完成了实际的iOS代码修改任务，包括修复Bug、添加新功能以及完成整个项目的构建。

在视频处理场景中，该模型能够熟练操作视频剪辑软件DaVinci Resolve，逐帧检查素材，寻找更适合保留的片段，并将画面裁剪为竖屏格式。

三、广泛适配多家芯片与推理框架，进行安全后训练确保模型可靠性

Muse Spark Open在发布时已经适配了SGLang、vLLM、TensorRT-LLM、Hugging Face Transformers、苹果MLX、llama.cpp和Unsloth等多种推理框架，并针对AMD、苹果、英特尔和英伟达等主流芯片进行了优化，以确保模型在不同平台上的稳定运行。

在推理性能方面，Meta为SGLang提供了可自动调优的定制Helion GPU内核。根据其公布的数据，这些内核在英伟达和AMD GPU上实现了1.03-3.95倍的内核级加速，在AMD MI350上带来的端到端性能提升为3%，进一步提升了模型的推理效率。

在安全方面，Meta表示，针对开放权重的发布，Muse Spark Open进行了额外的安全后训练，并依据Meta超级智能扩展框架开展了严格的评估，确保模型达到了发布门槛，为用户提供安全可靠的使用体验。

结语：开放权重模型助力本地工作流，实际能力仍需进一步验证

Muse Spark Open的开放权重为开发者部署和定制大模型提供了更多选择，其对苹果桌面设备的适配也进一步拓展了本地Agent的应用空间。然而，从基准测试成绩及第三方评测来看，其综合能力及部分编程表现仍落后于国产开放权重模型。

因此，在真实任务中，Muse Spark Open能否稳定、高效地完成复杂工作，仍需要更多的独立测试和实际应用来验证。我们期待未来能够看到更多关于这一模型的精彩表现。