離開
進入Meta 開放 8160 億參數 Muse Spark Open，MoE 架構讓 Mac Studio 也可本機運行
Meta 10月15日正式釋出大型 AI 模型 Muse Spark Open 權重，宣稱這是目前美國開發能力最強的開放權重模型，主打程式開發、多步驟推理與長時間執行的 AI 代理任務。這款模型擁有8160億參數，支援100萬 token 上下文，並與 Apple 合作針對 M5 Ultra 晶片最佳化，讓開發者能透過兩台 Mac Studio 在本機執行，不必完全依賴雲端 GPU 服務。
Muse Spark Open 採用混合專家（MoE）架構，總參數達8160億（816B），但每次處理 token 時約啟用420億參數，以減少推論所需的計算量。模型原生支援文字、圖片、影片及音訊輸入，輸出則以文字為主，可用於分析大型程式碼庫、操作開發工具及處理需要反覆執行與修正的工作流程。這款模型以先前未開放權重的 Muse Spark 1.2 為基礎，加入額外安全後訓練，讓開發者在自行部署時也能取得一定程度的安全防護。Meta 表示，模型已通過內部安全框架的發布門檻，不過仍建議企業依實際用途另外建立工具權限、資料存取及內容安全機制。
此次發布也帶出 Meta 與 Apple 在 AI 模型部署上的合作。根據官方說明，Muse Spark Open 可利用最新版 MLX 框架，在兩台各配備512GB統一記憶體的 M5 Ultra Mac Studio 上運行。兩部電腦透過高速連線協同處理模型推論，讓大型模型的權重分散存放，不必由單一裝置負擔全部運算。
這種部署方式仍需要高階硬體。Meta 提供的 BF16 權重容量約1.65TB，量化後的 NVFP4 版本則約530GB，並非一般消費級電腦就能完整載入。開發者也可以改用 NVIDIA、AMD 等 GPU 伺服器，或透過 SGLang、vLLM、MLX 及其他推論框架部署。Meta 另外針對 GPU 推論提供 Helion 最佳化核心，在部分運算環節取得加速效果。
Muse Spark Open 的評測結果顯示，模型在 AI 代理的工具調用方面較具優勢。Meta 公布的 MCP-Atlas 測試中，Muse Spark Open 取得89.2分，高於同場比較的 Qwen、GLM 與 Kimi 等模型；JobBench 則取得61.8分，略高於 GLM 5.3 的61.4分。這些測試主要觀察模型能否理解工作目標、選擇合適工具，並依照執行結果完成後續步驟。
程式開發能力則呈現不同結果。在 Terminal-Bench 2.1 測試中，Muse Spark Open 取得76.4分，落後 Kimi K3 的85.0分、GLM 5.3 的83.9分及 Qwen3.8 的82.0分。外媒《SiliconANGLE》也指出，Meta 新模型的工具使用能力突出，但在純程式開發任務上，中國開放權重模型依然具有競爭優勢。相關數字來自 Meta 公布的比較測試，實際表現仍會受到推理設定與代理執行環境影響。
模型權重目前已上架 Hugging Face，提供 BF16 與 NVFP4 等版本，開發者可下載後自行部署或進行微調。不想自行準備硬體的使用者，也能透過 Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter 及 Together AI 等平台調用。Amazon SageMaker AI、Google Cloud Model Garden 與 Microsoft Foundry 也已納入模型供應管道。
授權方面，Muse Spark Open 採用 Meta 自訂的 Muse Model License，允許開發者免費使用、修改及建立衍生模型，但並非沒有商業限制。使用模型的產品須依規定標示「Built with Muse Spark Open」；若企業提供模型託管服務，且公司及關係企業在連續12個月的總營收超過2000萬美元，則須另外與 Meta 簽署授權協議。
Meta 今年8月曾推出較小型的 Muse Glimmer，參數規模約300億，主要面向本機 AI 應用。這次開放 Muse Spark 的大型版本，則進一步讓開發者取得適合複雜代理任務的模型權重。兩者同樣可自行部署，但所需硬體差距相當大；對缺乏高階 GPU 或大容量統一記憶體設備的團隊，現階段仍可透過託管 API 使用 Muse Spark Open，而不必自行架設完整的推論環境。
