Muse Spark Open：Meta 的旗舰权重已发布——但背后的数字并未公布

Muse Spark Open是真实存在的，它可以下载，而且是美国实验室迄今发布的最大规模开放权重集合。其背后的代码仓库——Muse-Spark-Open-816B-A42B——于2026年9月15日首次出现在 Hugging Face 上，随后便在那里受限访问、无人宣告地静置了一个月。2026年10月15日，Meta 发布了权重、一篇发布博文、一份基准测试记分卡和一份许可证，整件事在一个下午之内就正式成立了。所以，诚实的定性既不是"秘密投放"，也不是"正式发布"：这件产物安静地存在了四周，然后文书工作才跟上。没有跟上的是测量。发布一天之后，厂商的数据已公布却未被复现，独立数据只是部分性的，而 Meta 声称支撑此次发布的安全评估也尚未出炉。这就是目前公开记录实际能支持的内容。

一个月的沉默，然后一切同时爆发。

这些日期很重要，因为它们会改变你对这次发布的解读。Hugging Face 的仓库——BF16 检查点和第二个 NVFP4 构建——创建时间戳均为 2026-09-15。最后修改时间是 2026-10-15，而受限访问表单中的许可证文本标注日期为 2026 年 10 月 15 日，使用政策也标注为同一天。Meta 的发布帖带有 2026-10-15 的发布时间戳。因此顺序是：仓库在九月，公告在十月。

这与“悄然发布”这个说法通常所描述的情形不是一回事。Meta 确实宣布了此事，而且是同时在三个地方宣布——其研究博客、其开发者网站上的开发者构建指南，以及一篇由 Hugging Face 员工撰写、发布在 Hugging Face 博客上的联合署名文章。缺席的是媒体报道周期。预期中大约一周的发布报道并未出现；除了厂商自己的页面和一两篇聚合类帖子外，关于一个如此规模的模型，外界几乎没有什么相关文字。安静的是外界反响，而不是发布本身。

仓库自身所确认的内容

以下所有内容都可以通过检查点元数据、配置、模型卡以及 Meta 的发布文章得到验证，而无需听信任何人对基准测试的说法。这是记录中已经确定的部分。

• 规模 — 总参数量约 8160 亿，每个 token 大约激活 420 亿。

• 架构——稀疏专家混合：62 层，隐藏维度 8,192，每个 MoE 层 256 个专家，每个 token 选择 8 个专家，专家约占总参数量的 97%。分组查询注意力，128 个查询头、16 个键值头，每个头 64 维。

• 上下文 — 1,048,576 个 token，即 Meta 缩写为 1M 的窗口，在同一预算内覆盖文本、图像、视频和音频 token。

• 输入与输出——文本、图像、视频和音频输入；文本输出。这是一个多模态阅读器，而非生成器。

• 检查点——两种格式。BF16，约 1.5TB 的 safetensors；以及 NVFP4，一种面向 NVIDIA Blackwell 的 4 位版本，Meta 称其可在单个 B200 节点上运行。

• 内存计算——分组查询注意力让这种规模模型的缓存保持很小，但每个 token 仍会增加 126,976 个值。在 BF16 下，每个 token 约 250KB，而完整的 100 万 token 上下文大约需要 266GB。

• 推理 — 一种推理强度设置，包含低、中、高和 xhigh 级别。Meta 自己的工具指出，无法关闭推理。

• 运行时——在 Transformers、llama.cpp、SGLang、vLLM、TensorRT-LLM、Apple MLX 和 Unsloth 中首日获得支持，同时 Meta 为 SGLang 提供了可自动调优的自定义 Helion 内核，并称这些内核在 NVIDIA 和 AMD 芯片上可实现 1.03–3.95 倍的内核级加速。

• 桌面端——最重磅的演示。Meta 在两台搭载 M5 Ultra 芯片的 Mac Studio 机器上通过 MLX 运行了它；这之所以可行，是因为每台机器都能以 1.2 TB/s 的带宽提供高达 512GB 的统一内存，因此两台机器即可容纳一个完整的 BF16 检查点。Meta 的演示向一个开源 iOS 客户端提交了真实改动，并端到端地驱动 DaVinci Resolve。

许可证是大多数人会跳过的部分

Muse Spark Open 依据 Muse Model License 发布，Meta 称该许可证允许许多开发者免费使用该模型。其中有两个条款改变了“免费”在实际中的含义，而这两个条款都没有出现在标题中。

第一项是第3节，即模型即服务条款。如果您或您的关联方通过 API 以产品或服务形式向第三方提供对该模型的访问权限，并且您的合计总收入在任何连续十二个月期间内超过两千万美元，那么您必须通知 Meta，并在开展该业务之前签订一份单独的书面协议。将其内置于您自己的产品中属于除外情形；转售该模型则不属于。

第二项是署名要求。该许可证要求被许可方在使用该模型或其衍生品的任何产品界面中，或在随附文档、网站或设置菜单中，显著展示“Built with Muse Spark Open”。

许可证明确授予了两项权利，值得说明，因为它们是开放权重的真正意义所在：你可以进行微调、蒸馏、合并、发布、再许可和出售衍生作品，而 Meta 不对输出主张任何所有权。Meta 还对下载本身设了门槛——仓库设有访问控制，申请表单要求填写你的法定全名、出生日期以及带有企业标识符的组织信息，且提交后无法修改。任何期待一键下载的人，都应该做好排队的准备。

Meta 声称但尚未发布的内容

Meta 随此次发布提供了一份基准测试评分卡，而其中呈现出的整体模式比任何单独一行都更有用。下面的数字由厂商报告，卡片上的每个模型都是在各自的智能体测试框架中测得的，而不是在同一个共享框架中，我们也没有复现其中任何一项。它们是对能力的一种宣称，而不是经过审计的排名。

• Terminal-Bench 2.1，Terminus 2 智能体 — 76.4

• MCP-Atlas — 89.2

• GDPval-AA v2 — 1401

• SciCode — 58.5

• JobBench — 61.8

• HLE-Diamond，无工具 — 26.1

• DeepSWE 1.1 — 60，基于现有最佳评测框架的自报成绩

表现最强的几行是智能体与工具使用类评测；最弱的是闭卷推理。这与 Meta 所说的该模型定位相符——长时程编程、阅读代码库、调试、在长时间运行中调用工具——而与把它解读为对任何东西的通用推理升级则并不相符。

此外还有 Meta 尚未公布的那项评估。其发布帖称，该模型是在 Meta Superintelligence Scaling Framework 下接受评估的，它“达到了我们框架为发布所要求的阈值”，而详细结果则位于模型卡中。模型卡指向一份完整的评估报告，该报告被描述为即将发布。截至撰写本文时，它尚未发布。一项通过了内部框架的安全声明，与读者可以查阅的安全报告是两回事；而今天存在的只有前者。

单个独立数字，以及它周围的间隙

Artificial Analysis 为 Muse Spark Open 建立了一个条目，而这是当前公开记录中唯一的第三方测量结果。它把该模型在 Artificial Analysis Intelligence Index 上定为 39 分，在参数量超过 1500 亿的开放权重模型这一类别中的 118 个条目里排名第九，高于该类别中位数 19。它还测得输出速度为每秒 103.4 个 token，并将托管路线的价格定为每百万输入 token 1.25 美元、每百万输出 token 4.25 美元，每项 Intelligence Index 任务 0.84 美元。这个条目的价值超过该指数本身：它意味着发布时还空白的吞吐量和成本两列，如今已被填上。

把这两组数字放在一起看，差距不在规格说明里，而在于其中有多少已被实际检验。分析师的清单独立记录了总计 816B 和 42B 活跃参数、1M token 上下文窗口、权重来源为 Hugging Face，以及 Muse Model License——与 Meta 声称的相同架构、相同许可证和相同模态，描述为输入文本、图像、语音和视频，输出文本。两份记录出现分歧的地方在于覆盖范围。Meta 报告了八项基准测试，全部在其自家测试框架下进行。独立记录只有一个指数、一个速度数据和一个价格。公开信息中没有任何音频测量或视频测量，没有与闭源 Muse Spark 系列的吞吐量比较，也没有第二位分析师来核对第一位。在规格表上一致，并不等同于在数字上一致，而这里只有数字经过了检验。

自己动手运行的真实成本

对于开放权重而言，相关的成本问题在于硬件，而在这方面，已公布的细节异常具体。

• BF16，数据中心 — Meta 自家的 Transformers 方案在四个节点、每个节点八块 H200 GPU 上运行 BF16 检查点，张量并行度为 32。也就是说，一个模型用了 32 个加速器。

• NVFP4，数据中心——量化构建的文档记录在单台 B200 节点上，而 Meta 针对它的 SGLang 参考配置跨四个 GB300 GPU 运行。

• 桌面端，量化——Hugging Face 和 llama.cpp 团队在一台 512GB M3 Ultra 上测试了 2 比特量化：消耗了 304GB 内存，以每秒 18 个 token 的速度运行，并为 KV 缓存留出了空间。这很慢，而且它与 Meta 评估的 BF16 检查点是不同的模型。

• 你被承诺的上下文窗口和你实际负担得起的上下文窗口，是两笔不同的预算——在 BF16 下、完整的 1M token 上下文时，仅 KV 缓存就高达约 266GB。大家引用的那个内存数字，是加载模型的代价，而不是使用模型所宣传的上下文长度的代价。

这让今天就需要一个模型的人处于什么境地

Muse Spark Open 不是那种你拿着 API 密钥就能直接调用的模型。它是一次下载、一份许可证、一份设有门槛的申请表，外加一项硬件决策；如果你的工作负载本周就需要答案，那么在产出第一个 token 之前，要处理的事情可太多了。更实际的问题表述是：你现在能访问哪个 Muse 模型：Muse Spark 1.2 和 Muse Spark 1.1 是 OrcaRouter 所路由的闭源 Muse Spark 系列中的两个成员，两者均按 Meta 的标价、以 0% 加价提供，因为提供商的标价是直接传递的，而非加价。Muse Spark Open 不在我们的目录中，我们也不会暗示相反的情况——一个全部卖点就是你可以下载它的模型，就是一个你要自己运行的模型。

这种拆分也是主张将两者保留在同一处的理由。一个 API 覆盖 200 多个模型，意味着一个未经验证的模型不必成为生产环境的赌注：当第一个提供商性能下降时，自动故障转移可以把请求转到第二个提供商；而路由 DSL 通过配置而非修改代码在模型之间调配流量。对于一个一天前才发布、没有独立基准测试套件的模型来说，这是了解它在你的流量上表现如何的最廉价方式。

需要关注什么，以及什么会改变这篇文章

有三件事是尚未解决，而非未知，而每一件都会改变全局。

第一项是 Meta 称即将发布的评估报告。在它落地之前，该模型的安全主张依赖的只是一项阈值声明，而非一份文件。

第二点是，独立基准测试是否会扩展到单一指标之外。一个没有复现、没有与托管版 Muse 产品线进行吞吐量对比、也没有音频或视频测量的分析师评分，只是一个起点，而非定论。

第三点是，微调生态是否会真正成形。Meta 正是为此推出了 TorchTitan，而开放权重是在衍生品——合并、量化、领域微调——中体现价值的，而非下载量。四周之后，衍生品留下的轨迹才是衡量这次发布是否真正重要的诚实标准。

目前，准确的总结仍很有限：Meta 发布了迄今为止美国最大的开放权重模型，对其做了详尽记录，却没有为其定价，还以带有营收条款的许可证发布，并把评测留给接下来做评测的人。

基准测试会过时，价格会变动，但失败记录不会：这一类模型背后有据可查的 AI 事故与智能体故障，均收录于OrcaRouter AI 事故档案库，其中每条记录都带有各自的来源、严重程度、置信度评级和争议标记。