Meta开源Muse Spark Open：816B参数MoE直面中国开源强敌

Meta超级智能实验室（Meta Superintelligence Labs）正式发布其旗舰模型Muse Spark的开源权重版本——Muse Spark Open。这是一款总参数量达816B、每个token仅激活42B参数的混合专家（MoE）模型，支持文本、图像、视频和音频四种模态输入并输出文本，上下文窗口高达100万token。Meta团队宣称这是迄今能力最强的美国开源权重模型，而它真正的意义，在于直接向Kimi K3、GLM 5.3、Qwen3.8等中国顶级开源模型发起挑战。

架构解析：稀疏MoE与百万上下文

根据模型卡，Muse Spark Open共有62层，隐藏维度8192。每个MoE层包含256个专家，top-k路由机制在每个token激活其中8个，这种稀疏激活设计让816B的庞大参数量得以高效运转。注意力部分采用分组查询注意力（GQA），配置128个查询头和16个KV头。

多模态能力由一个独立的1.8B参数感知编码器（Perception Encoder）负责处理视觉输入。模型词表含202,048个token，训练数据覆盖超过100种语言。开发者可通过reasoning_effort参数设定推理深度，分为low、medium、high和xhigh四档，默认即为最高的xhigh。权重以BF16和NVFP4两种格式在Hugging Face上发布，开源版本还接受了额外的安全后训练，Meta表示这使其在没有系统级防护栏的情况下也更加稳健。

跑分亮眼：工具调用登顶，编码落后

在Meta公布的对比表中，Muse Spark Open在最擅长的工具使用与知识可靠性上表现突出：MCP-Atlas拿下89.2分，领先Qwen3.8的84.5和GLM 5.3的84.2，为表内最高分；JobBench以61.8分险胜GLM 5.3的61.4；HLE-Diamond无工具测试得分26.1，高于Kimi K3的22.2；AA Omniscience拿下25分居首；ZeroBench带工具成绩50.0，同样压过Kimi K3的41.0。

但编码恰恰是短板。在采用Terminus 2测试框架的Terminal-Bench 2.1上，它仅得76.4分，明显落后于Kimi K3的85.0、GLM 5.3的83.9和Qwen3.8的82.0。综合性的Artificial Analysis智能指数为39，也排在GLM 5.3（45）、Kimi K3（44）和Qwen3.8（40）之后。换言之，“美国最强开源”的说法成立，但整体上中国开源模型依然领先。需要注意的是，部分竞争对手的分数为厂商自报，Meta在评估方法论文档中逐项列明了数据来源。

部署门槛：两台Mac Studio就能跑

对开发者而言，部署要求是最大的惊喜。BF16完整权重大约1.6TB，NVFP4量化只压缩专家权重，体积降至约530GB；模型卡建议NVFP4至少配700GB显存，BF16则需要2TB。数据中心场景下，NVFP4版本可在4张Blackwell Ultra GPU或8张H200上运行。

桌面场景堪称亮点：借助MLX框架的张量并行，通过Thunderbolt 5链路和RDMA互联，两台各配512GB统一内存的M5 Ultra Mac Studio即可承载该模型，每层被拆分到两台机器上。工作站用户则可使用Unsloth Dynamic GGUF的2-bit量化版本，将总内存需求压缩到约300GB。

生态支持：首日适配与API定价

发布当天，SGLang、vLLM、TensorRT-LLM、Hugging Face Transformers、MLX、llama.cpp和Unsloth等主流推理引擎均已支持。托管API已在Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter和Together AI上线，OpenRouter标价为每百万输入token 1.25美元、每百万输出token 4.25美元。

Meta还配套推出两个投机解码草稿模型：SGLang用的DFlash V2和vLLM用的DSpark，官方报告DFlash V2在AMD MI355X上实现3.7倍的单请求吞吐提升。微调方面支持TorchTitan、Hugging Face TRL和NVIDIA NeMo AutoModel。

许可证条款：小厂免费，巨头付费

Muse Model License允许使用、微调、蒸馏和再分发，但有两个关键条件：其一，产品必须标注“Built with Muse Spark Open”；其二，12个月收入超过2000万美元的模型即服务（MaaS）提供商需要与Meta另行签署协议。内部使用、科研用途以及为自己产品功能提供支撑的场景，均不受收入条款约束。

横向对比来看，Muse Spark Open以816B总参、42B激活的配置，对阵总参2.8T、激活104B的Kimi K3、总参753B、激活约40B的GLM 5.3，以及总参2.4T、激活95B、原生上下文26.2万可扩展至101万的Qwen3.8，在规模与效率间选择了折中路线。

展望未来，Muse Spark Open的发布标志着美国开源阵营首次在工具调用等关键维度逼近中国开源前沿。它的桌面级部署方案大幅降低了试验门槛，但编码短板与许可条款的营收限制，也为其能否真正撼动Kimi K3和GLM 5.3的市场地位画上了问号。开源竞争的天平，正变得更加微妙。