Muse Spark Open：Meta 的旗艦權重已釋出——但其背後的數字則不然

Muse Spark Open是真的，可以下載，而且是美國實驗室發布過最大的一組開放權重。它背後的儲存庫——Muse-Spark-Open-816B-A42B——於 2026 年 9 月 15 日首次出現在 Hugging Face 上，並在設有存取限制且未經公告的情況下待了一個月。2026 年 10 月 15 日，Meta 發布了權重、一篇發布貼文、一份基準測試評分卡以及一份授權條款，整件事在一個下午內就正式定案。所以，誠實的定調既不是「暗中發布」，也不是「正式發布」：這個產物靜靜存在了四週，然後文書作業才跟上。還沒跟上的，是測量。發布隔天，廠商的數字已公布卻未經重現，獨立數字只是片面的，而 Meta 聲稱支持這次發布的安全評估尚未出爐。這就是目前公開紀錄真正支持的情況。

沉寂了一個月，然後一切同時發生。

這些日期很重要，因為它們會改變你解讀這次發布的方式。Hugging Face 的儲存庫——BF16 檢查點與第二個 NVFP4 建置——帶有 2026-09-15 的建立時間戳記。最後修改時間是 2026-10-15，而閘控表單內的授權條款文字標註日期為 2026 年 10 月 15 日，使用政策也標註同一天。Meta 的發布貼文帶有 2026-10-15 的發布時間戳記。所以順序是：儲存庫在九月，公告在十月。

這與「悄悄推出」這個說法通常描述的情況是兩回事。Meta 確實宣布了這件事，而且同時在三個地方發布——其研究部落格、開發者網站上的開發者建置指南，以及 Hugging Face 部落格上由 Hugging Face 員工共同撰寫的文章。缺席的是媒體報導週期。大約一週的發表報導並未出現；除了廠商自家的頁面和一兩篇彙整文章之外，關於這種規模的模型幾乎沒有什麼報導。安靜的部分是外界的反應，而不是發布本身。

儲存庫本身所證實的事

以下所有內容都可從檢查點中繼資料、設定、模型卡與 Meta 的發布文章中驗證，無需單憑任何人對基準測試的說法。這是紀錄中已經確定的部分。

• 規模 —— 總參數約 8,160 億個，每個 token 約有 420 億個啟用參數。

• 架構 — 稀疏專家混合（sparse mixture of experts）：62 層、隱藏維度 8,192、每個 MoE 層有 256 個專家，每個 token 選取 8 個，且專家佔總參數約 97%。分組查詢注意力（grouped-query attention），具有 128 個查詢頭與 16 個鍵值頭，每個維度為 64。

• 上下文 — 1,048,576 個詞元，這是 Meta 縮寫為 1M 的視窗，在同一預算中涵蓋文字、圖像、影片與音訊詞元。

• 輸入與輸出 —— 文字、圖像、影片和音訊輸入；文字輸出。這是多模態閱讀器，而不是生成器。

• 檢查點 — 兩種格式。BF16，約 1.5TB 的 safetensors，以及 NVFP4，這是一款專為 NVIDIA Blackwell 打造的 4 位元版本，Meta 表示它能在單一 B200 節點上運行。

記憶體運算 —— 分組查詢注意力讓這種規模的模型快取保持精簡，但每個 token 仍會增加 126,976 個值。在 BF16 下，這大約是每個 token 250KB，或者完整 1M token 的上下文約需 266GB。

• 推理 — 一種推理強度設定，分為低、中、高與 xhigh 等級。Meta 自家的工具指出，無法關閉推理功能。

• 執行階段 —— 在 Transformers、llama.cpp、SGLang、vLLM、TensorRT-LLM、Apple MLX 與 Unsloth 中獲得首日支援，Meta 也為 SGLang 推出可自動調校的自訂 Helion 核心，並表示這些核心能在 NVIDIA 與 AMD 晶片上帶來 1.03–3.95 倍的核心層級加速。

• 桌上型電腦——最受矚目的示範。Meta 在兩台搭載 M5 Ultra 晶片的 Mac Studio 機器上、於 MLX 環境下運行，這之所以可行，是因為每台機器都能提供最高 512GB 的統一記憶體、頻寬達 1.2 TB/s，因此兩台機器便能容納一份完整的 BF16 檢查點。Meta 的示範當時正在為一款開源 iOS 用戶端提交實際變更，並端到端驅動 DaVinci Resolve。

授權條款是大多數人會略過的部分

Muse Spark Open 以 Muse Model License 發布，Meta 將其描述為允許許多開發者免費使用該模型。但其中兩項條款改變了「免費」在實務上的意義，而這兩項都不在標題之中。

第一項是第 3 條，模型即服務條款。若您或您的關係企業透過 API 以產品或服務形式向第三方提供該模型的存取權，且您的合計總收入在任何連續十二個月期間內超過二千萬美元，您必須在經營該業務之前通知 Meta 並簽訂個別書面協議。將其內建於您自己的產品中屬於除外情形；轉售該模型則不屬之。

第二項是署名要求。該授權條款要求被授權人，凡使用該模型或其衍生作品的產品，均須在產品介面上，或於隨附的文件、網站或設定選單中，顯著標示「Built with Muse Spark Open」。

授權明確授予的兩件事，值得說明，因為它們正是開放權重的重點：你可以微調、蒸餾、合併、發布、再授權及販售衍生作品，而 Meta 聲稱不擁有輸出內容的所有權。Meta 也對下載本身設下關卡——該儲存庫受存取控制，申請表要求你的完整法定姓名、出生日期，以及附有公司識別資料的所屬組織，而且提交後無法編輯。任何期待一鍵下載的人都應預期要排隊。

Meta 所聲稱但尚未發表的內容

Meta 隨此次發布一併推出了基準測試評分卡，而其中呈現的整體模式，比任何單一列都更有參考價值。下方數字為廠商自行提報；卡上的每個模型都是在各自的代理測試框架內測得，而非在共用框架中測量，我們也未重現其中任何一項。這些是關於能力的主張，不是經稽核的排名。

• Terminal-Bench 2.1、Terminus 2 代理 — 76.4

• MCP-Atlas — 89.2

• GDPval-AA v2 — 1401

• SciCode — 58.5

JobBench — 61.8

• HLE-Diamond，不使用工具 — 26.1

• DeepSWE 1.1 — 60，在現有最佳測試框架上自行報告的結果

最強的項目是代理式與工具使用評估；最弱的是閉卷推理。這與 Meta 所說該模型的用途一致——長時程編碼、閱讀程式碼庫、除錯、在長時間執行中呼叫工具——也與把它解讀為對任何事物的通用推理升級不一致。

接著是 Meta 尚未發布的評估。其發布貼文表示，該模型是在 Meta Superintelligence Scaling Framework 下接受評估，且它「達到了我們框架所要求、可供發布的門檻」，而詳細結果則位於模型卡中。模型卡指向一份完整評估報告，該報告被描述為即將提供。截至撰寫本文時，該報告尚未發布。一項已通過內部框架的安全主張，與讀者能夠檢視的安全報告是截然不同的東西，而今天只有前者存在。

單一的獨立數字，以及其周圍的間隙

Artificial Analysis 有一筆 Muse Spark Open 的登錄資料，而這是目前公開紀錄中唯一的第三方量測。它將該模型在 Artificial Analysis Intelligence Index 上列為 39，在參數量大於 1,500 億的開放權重模型類別中，118 筆登錄裡排名第九，高於該類別的中位數 19。它也測得輸出速度為每秒 103.4 個 token，並將代管途徑定價為每百萬輸入 token 1.25 美元、每百萬輸出 token 4.25 美元，每項 Intelligence Index 任務為 0.84 美元。那筆登錄的價值不只在那個指數：這意味著發表時空白的輸送量與成本欄位現在已填上。

把這兩組數字放在一起讀，落差不在規格本身，而在於規格有多少已被實際檢驗。分析師的清單獨立記錄了 816B 總參數與 42B 活躍參數、1M token 上下文視窗、以 Hugging Face 作為權重來源，以及 Muse Model License——同樣的架構、同樣的授權，以及 Meta 所聲稱的相同模態，描述為輸入文字、圖像、語音與影片，輸出文字。兩份說法分歧之處在於涵蓋範圍。Meta 回報八項基準測試，全都在自家的測試框架下進行。獨立紀錄則是一項指數、一個速度數字和一個價格。公開場合中沒有任何音訊量測，也沒有任何視訊量測，沒有與封閉的 Muse Spark 系列進行吞吐量比較，也沒有第二位分析師來核對第一位。在規格表上一致，不等於在數字上一致，而這裡只有數字受過檢驗。

自己運行它到底要花多少成本

對開放權重而言，相關的成本問題在於硬體，而在這裡，已公布的細節異常具體。

• BF16、資料中心——Meta 自家的 Transformers 配方以 32 路張量平行，在四個各含八張 H200 GPU 的節點上執行 BF16 檢查點。也就是說，單一模型就動用了 32 個加速器。

• NVFP4、資料中心——這個量化版本是在單一 B200 節點上記錄的，而 Meta 為其提供的 SGLang 參考配置則可跨四張 GB300 GPU 執行。

• 桌上型電腦、已量化 —— Hugging Face 與 llama.cpp 團隊在一台 512GB M3 Ultra 上測試了 2 位元量化：消耗了 304GB 記憶體，以每秒 18 個 token 的速度執行，且仍有空間留給 KV 快取。這很慢，而且它與 Meta 所評估的 BF16 檢查點是不同的模型。

• 承諾給你的上下文視窗，和你真正負擔得起的上下文視窗，是兩筆不同的預算——在 BF16 下以完整的 1M token 上下文運作時，光是 KV 快取就大約要 266GB。大家引用的記憶體數字，是載入模型的代價，而不是使用模型所宣稱上下文長度的代價。

這讓今天只需要一個模型的人處於什麼境地

Muse Spark Open 不是那種你把 API 金鑰指向它就能使用的模型。它是一次下載、一份授權、一張有門檻的申請表，以及一項硬體決策；如果你的工作負載這週就需要答案，那麼在產出第一個 token 之前，要處理的環節實在太多了。這個問題的實際版本是：你現在能觸及的是哪一款 Muse 模型：Muse Spark 1.2 與 Muse Spark 1.1 是 OrcaRouter 所路由的封閉 Muse Spark 系列中的兩個成員，兩者皆以 Meta 的定價提供、0% 加價，因為供應商的定價是直接傳遞而非加價。Muse Spark Open 不在我們的目錄中，我們也不會暗示相反的情況——一款整體主張就是你可以下載它的模型，就是你要自行運行的模型。

那種拆分也是把兩者保留在同一個地方的論據。一套 API 橫跨 200 多個模型，意味著未經證實的模型不必成為正式生產的賭注：當第一個供應商效能下降時，自動容錯移轉可將請求轉送到第二個供應商，而路由 DSL 能透過設定而非變更程式碼，在模型之間移動流量。對於一天前才發布、沒有獨立基準測試套件的模型而言，這是了解它在你的流量上表現如何最便宜的方法。

值得關注的重點，以及什麼會改變本文觀點

有三件事尚未解決，而非未知，而每一件都會改變整體局面。

第一項是 Meta 表示即將發布的評估報告。在它發布之前，該模型的安全主張所依據的是一份門檻聲明，而非一份文件。

第二點在於，獨立基準測試是否會擴展到單一指標之外。僅有一份分析師評分，既沒有重現，也沒有與託管的 Muse 系列進行吞吐量比較，更沒有音訊或視訊量測，這只是起點，而非定論。

第三點是，微調生態系是否會真正成形。Meta 推出 TorchTitan 正是為此，而開放權重的價值在於衍生成果——合併、量化、領域調校——而非下載次數。四週後，衍生的軌跡才是衡量這次發布是否真正重要的誠實標準。

目前，精確的總結仍很狹隘：Meta 發表了迄今美國最大的開放權重模型，詳盡地記錄了它，卻完全沒有為它定價，以附帶營收條款的授權方式釋出，並將測量工作留給下一個動手的人。

基準測試會過時，價格會波動，但失敗紀錄不會：這一類模型背後有據可查的 AI 事故與代理失誤，全都收錄於the OrcaRouter AI Incident Archive，其中每一筆紀錄都附有自己的來源、嚴重程度、可信度評級與爭議標記。