Meta發布「美國最強開源模型」

Meta CEO馬克·扎克伯格。圖片經由AI處理

文｜蘇揚

編輯｜徐青陽

美國當地時間10月15日，Meta正式發布Muse Spark Open，一款8160億總參數、420億活躍參數的混合專家模型，同時開放權重下載。

這是美國迄今為止能力最強的開源權重模型，原生支持多模態輸入，上下文窗口達到100萬token。

圖靈獎得主、Meta前首席AI科學家楊立昆"激情"點讚

01 兩台"蘋果"就能跑

Meta稱和蘋果合作優化，兩台M5 Ultra版Mac Studio就能完整運行整個模型。

具體配置是兩台M5 Ultra版Mac Studio，通過MLX框架協同工作，統一內存達到1TB。M5 Ultra的內存帶寬達到1.2TB每秒，可以支撐每個token所需的小切片讀取速度。

模型本身採用混合專家架構，8160億總參數中每次激活420億。這意味著推理時實際調用的參數量遠小於總規模，但完整權重仍然需要全部加載到內存中。模型卡上標註的NVFP4版本至少需要700GB加速器內存，BF16版本則需要2TB。

所以，兩台512GB的Mac Studio，剛好卡在能裝下量化版權重的門檻上。

原生多模態是Muse Spark Open的另一個重點。

模型接受文本、圖片、視頻和音頻四種輸入，輸出為文本。它不是生成式的多模態模型------不能畫圖、不能生成視頻、不能合成語音，它的能力在於理解和分析多種模態的信息。開發者可以讓它看截圖、聽錄音、分析視頻幀，再結合文字指令做判斷。對於代理式工作流來說，這種理解能力比生成能力更實用。

除了蘋果芯片，Muse Spark Open也支持主流推理引擎和硬件平台。SGLang、vLLM、TensorRT-LLM、Hugging Face Transformers、MLX、llama.cpp、Unsloth都已經適配，AMD、蘋果、英特爾、英偉達的芯片都能跑。

Meta還自帶了自定義的Helion GPU內核，在SGLang上能帶來1.03到3.95倍的內核級加速，在AMD MI350上端到端提速3%。

02 "美國最強"的含金量

Meta數次強調"美國最強開源權重模型"。

在Meta自己公布的跑分表中，Muse Spark Open在JobBench和MCP-Atlas兩項工具使用基準測試上領先，分別拿到61.8分和89.2分，高於GLM 5.3、Kimi K3和Qwen3.8等對手。

在無工具條件下的HLE-Diamond推理測試中，它也以26.1分領先。帶工具的視覺評測上，ZeroBench拿了50分，SimpleVQA拿了73.6分，同樣排在前面。

美國AI科學家內森·蘭伯特（Nathan Lambert）表示，他等美國開源模型重新有競爭力等了很久，現在終於看到了希望。

Box首席執行官阿倫·列維（Aaron Levie）也認為，這對美國開源社區是一大進步，企業以後可以混合搭配------用前沿模型做編排和高階任務，用低成本定制模型做重複性工作流。

呼聲很高，短板也很明顯。

在終端編碼測試Terminal-Bench 2.1上，Muse Spark Open拿到76.4分，低於GLM 5.3的83.9分和Kimi K3的85.0分。

軟件工程任務DeepSWE 1.1上，60分的成績同樣落後於GLM和Kimi的67分和68分。

綜合知識工作評估GDPVal-AA v2上，Muse Spark Open的1401分，和GLM 5.3的1653分、Qwen3.8的1613分、Kimi K3的1537分都有差距。

第三方測試機構Artificial Analysis的智能指數也提供了一個參照。

按照其公開榜單，Muse Spark Open（Xhigh模式）得分39，小米MiMo-V2.6-Pro得分約46分，智譜GLM-5.3約45分，月之暗面Kimi K3約44分，GLM-5.3-Flash約42分，阿里巴巴Qwen3.8 2.4T A95B約40分。

也就是說，至少有六款已發布的開源模型綜合評分在Muse Spark Open之上，而且全部來自中國廠商。

過去一年，中國開源模型的下載量已經超過美國模型，OpenRouter上美國來源請求中60%的token量由開源模型處理，其中大部分來自中國實驗室。Meta的這次發布，相當於在美國本土開源陣營裡立起了一根新的標杆。

價格方面，Together AI公布的Muse Spark Open API定價為每百萬輸入token 1.25美元，輸出4.25美元，和閉源版Muse Spark持平。

這個價格在開源模型裡不算便宜，DeepSeek-V4.1-Flash非高峰時段只要0.75美元百萬token總價，小米MiMo-V2.6-Pro是1.305美元，GLM-5.3是5.80美元。

Muse Spark Open的定位介於中端和高端之間，性價比優勢主要體現在自托管場景------企業自己部署的話，算力成本攤薄後可能比API調用更划算。

03 從修iOS到剪視頻

參數和跑分都是紙面數據，真正讓人感受到分量的，是Muse Spark Open的幾個實際用例。

Meta公布的第一個用例是修改iOS應用。

Meta用Muse Code（基於Muse Spark Open的編程智能體）在本地完整處理了Ice Cubes------一款開源的Mastodon客戶端。具體工作包括修復bug、添加新功能、完成全量構建。

第二個用例是Muse Spark Open在本地驅動DaVinci Resolve做視頻剪輯，逐幀審查素材，找出最精彩的片段，然後裁剪成豎版格式。

傳統的視頻剪輯輔助工具大多做的是自動加字幕、簡單轉場這類初級工作，而Muse Spark Open做的是"判斷哪些畫面最好"這種偏主觀的決策，它能逐幀看、理解畫面內容、做出取捨判斷，然後直接操作專業剪輯軟件輸出成品。

這個流程如果跑通，對短視頻製作、內容創作者、媒體機構都是效率上的直接提升。

Muse Spark Open也支持智能體購物。Hugging Face的機器學習工程師佩德羅·昆卡（Pedro Cuenca）在X上分享了一個購物演示，展示Spark Open在智能體任務、計算機使用和多模態推理方面的能力。

具體來說，就是模型可以直接操作瀏覽器，瀏覽電商網站，比較商品，完成選購。這種"AI幫你買東西"的場景說了很久，但一直受限於模型對網頁的理解能力和操作穩定性。Spark Open的多模態理解和工具調用能力，讓這類應用的落地門檻又低了一截。

Fireworks AI的開發者關係主管索菲亞·楊（Sophia Yang）則展示了一個更炫的玩法------用Spark Open逐幀生成代碼，製作出一部完整的互動式動畫網頁。

用戶可以像走進電影場景一樣瀏覽整個網頁，每一幀都是模型實時寫出來的。這個演示更多是技術秀，但它展示了本地大模型和創意工具結合的可能性。

這些用例背後，是Meta在開源模型上的完整佈局。

今年4月發布第一代Muse Spark，8月推出300億參數、Apache 2.0協議的Glimmer，10月上旬又發布了更高端的Muse Wonder和Wonder Full。現在Spark Open補上了開源權重這一環，形成了從小型本地模型到大型閉源模型的完整產品線。

授權協議也做了細分。Glimmer用的是完全開放的Apache 2.0，Spark Open用的是自定義的Muse Model License------大部分開發者可以免費使用，但如果你的公司是做模型即服務的，且年營收超過2000萬美元，就需要和Meta另外簽協議。

內部部署、研究、非模型服務類的商業應用都不在限制範圍內。這個設計很精準------企業內部用沒問題，用它做自己的產品也沒問題，但如果想拿來直接賣API，那就得談分成。