刚刚，美国最强开源模型发布！放中国只能排第七？

智东西

编译 | 杨京丽

编辑 | 李水青

智东西10月16日消息，今天凌晨，Meta发布 开放权重模型Muse Spark Open ，总参数量达 8160亿 ，每次推理激活 420亿 参数，支持 100万Token上下文 窗口。该模型原生支持 多模态 ，主攻 编程和Agent任务 ，重点面向需要长时间执行的任务、复杂软件工程和多步推理。

Meta称，这是 迄今能力最强的美国开放权重模型 。借助最新版MLX框架，Muse Spark Open可在两台搭载苹果M5 Ultra芯片的Mac Studio上运行，将大模型编程、视频处理等Agent工作流搬到桌面端。

Meta创始人马克·扎克伯格也在X上发文称，得益于 与苹果新CEO约翰·特努斯及苹果团队的合作 ，Muse Spark Open在新款Mac Studio上运行良好，并晒出了两台Mac Studio搭配显示器的桌面照片。

特努斯在评论区回应：能够直接在桌面端高效运行令人惊叹，Mac Studio正持续拓展端侧AI的边界。

在第三方评测机构Artificial Analysis的开放权重模型智能指数榜单上，Muse Spark Open（xhigh）获得39分，低于 MiMo-V2.6-Pro 的46分、 GLM-5.3 的45分，以及 Step 5 Preview、Kimi K3 等模型的测评成绩，与 DeepSeek V4.1 Flash 持平。而蚂蚁百灵刚开源的Ling-3.1-flash也取得41分，领先Meta。

目前，开发者可通过Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter和Together AI等平台的API使用Muse Spark Open，也可通过Amazon SageMaker AI、Google Cloud Model Garden、Hugging Face和Microsoft Foundry Models下载模型权重。

该模型支持SGLang、vLLM、TensorRT-LLM、Hugging Face Transformers、苹果MLX、llama.cpp和Unsloth等主流推理框架，并针对AMD、苹果、英特尔和英伟达芯片进行了优化。开发者还可以使用PyTorch框架进一步定制模型。

开源地址：

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

一、8160亿总参数、百万Token上下文，编程落后于多款国产开源模型

Muse Spark Open采用稀疏混合专家架构，总参数量为8160亿，每个Token激活约420亿参数，支持100万Token上下文窗口，可接收文本、图像、视频和音频输入。

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领先，但在考察终端环境下编程与任务执行能力的Terminal-Bench 2.1中，其得分为76.4分，低于Qwen3.8-2.4T-A95B、GLM 5.3和Kimi K3；在软件工程测试DeepSWE 1.1中，其得分为60分，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中，Muse Spark Open得分为1401分，同样低于Qwen3.8-2.4T-A95B、GLM 5.3和Kimi K3。

二、两台M5 Ultra Mac Studio本地运行，能改代码、剪视频

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

Meta称，苹果统一内存架构允许每台Mac Studio的集成GPU使用最高512GB内存，两台设备合计可提供约1TB统一内存，从而容纳完整模型。M5 Ultra的内存带宽为1.2TB/s，可支持读取每个Token计算所需的部分模型参数。

由此，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。

Meta使用由Muse Spark Open驱动的Muse Code，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，模型为开源Mastodon客户端Ice Cubes完成了实际的iOS代码修改，任务覆盖修复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，模型能够操作视频剪辑软件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。

三、适配多家芯片与推理框架，进行安全后训练

Muse Spark Open发布时已适配SGLang、vLLM、TensorRT-LLM、Hugging Face Transformers、苹果MLX、llama.cpp和Unsloth等推理框架，并针对AMD、苹果、英特尔和英伟达芯片进行优化。

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。按照其公布的数据，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%。

安全方面，Meta称，针对开放权重发布，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评估，达到了该框架要求的发布门槛。

结语：开放权重模型走向本地工作流，实际能力仍待验证

Muse Spark Open开放权重，为开发者部署和定制大模型提供了更多选择，针对苹果桌面设备的适配也拓展了本地Agent的应用空间。

不过，从基准测试成绩及第三方评测看，其综合能力及部分编程表现仍落后于国产开放权重模型。在真实任务中能否稳定、高效地完成复杂工作，还需要更多独立测试和实际应用来验证。

资讯由采集器定时从公开的机器人 / AI 信息源自动聚合。