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。