Meta 在 10 月 15 日放出了 Muse Spark Open 的权重，模型挂在 Hugging Face，按 Muse Model License 授权。这是 Muse Spark 系列第一次开放权重：总参数 8160 亿，每个 token 激活 420 亿，上下文窗口 100 万 token，原生支持图像、音频和音视频输入。Meta 在 PyTorch 官方博客里称它是 “the most capable US open-weight model to date”（美国迄今能力最强的开放权重模型）。
开放版和同日推送的 Muse Spark 1.3 共用一个基础模型，区别在后训练。开放版额外做了一轮安全后训练，Meta 的说法是让它在脱离系统级防护、单独部署时更难被滥用。按 Meta 自己的 Superintelligence Scaling Framework 评估，模型达到了发布门槛；完整评估报告还没放出，官方只说”即将发布”。
主打编程和智能体
Meta 对它的定位很窄：编程和智能体任务。训练数据里有多文件重构、调试会话和长时间运行的任务，官方强调首次尝试的准确率和工具调用的稳定性。智能体这边，模型被训练去做跨多个网站的长链路任务，可以拆出子智能体分工，桌面、手机和浏览器上的电脑操作是统一训练的。它还会在动手前单独输出一段说明，交代打算做什么。
Meta 研究博客留了 Key Benchmarks 一栏，文字部分却没有列出任何分数，第三方榜单的成绩还要等。Arena 已经把它放进 Agent Arena，评分尚未公布。
两台 Mac 能不能跑
Meta 给出的桌面方案是两台 M5 Ultra Mac Studio，每台最高 512GB 统一内存，配合最新版 MLX。苹果机器学习研究团队同一天发了实测：NVFP4 量化后权重约 493GB，加上推理过程的中间内存，单台装不下；两台用流水线并行每秒 15.74 个 token，改成张量并行到 24.99 个，四台张量并行 36.73 个，测试上下文为 8192。机器之间走 macOS 26.2 引入的雷雳 5 RDMA 驱动，每两台之间接两根线缆。
云端上得更快。SGLang 和 vLLM 首日支持，Together AI、Modal、OpenRouter 都已上架。Together 的无服务器报价是每百万输入 token 1.25 美元、输出 4.25 美元，缓存输入 0.15 美元，太平洋时间 10 月 18 日中午前限时免费。
Meta 也借这次发布推自家的 PyTorch 工具链。模型附带用 Helion 写的算子，包括 RoPE、RMSNorm 和量化等，Meta 称在 NVIDIA GB300 上比用 CUDA、CuTe DSL 手写的内核快 1.03 到 3.95 倍；同一套内核直接移植到 AMD MI350，端到端吞吐提升约 3%。微调可以用 TorchTitan，支持多轮 SFT、LoRA 和强化学习。
从闭源到开放
把 Meta 这条线连起来看。Muse Spark 首发时是 Meta 的第一款闭源模型，跟 Llama 时代的路线分开走；8 月的 1.2 版同时带出了编程产品 Muse Code；此前 Meta 还发过一款小尺寸稠密模型 Muse Glimmer，面向端侧。现在 Spark 本身也放了权重，Meta 的模型线变成闭源迭代版和开放版并行：同一个底座，差一层安全后训练。
这套安排让 Meta 两头都能顾上。闭源版继续在 Muse 产品和 API 里收费，开放版去抢开发者和推理服务商的首发支持，从 SGLang、vLLM 到几家云服务商都在第一天跟进，这一步已经做到了。
许可证仍是未知数。Meta 只写了”有限的商业条款”，称许多开发者可以免费使用，博客里没有写明商用门槛，也没有说是否沿用 Llama 许可证按月活用户数设限的做法。条款全文以 Hugging Face 页面为准，企业要拿去商用，得先把这份许可证读完。
参考来源：PyTorch 官方博客、Meta 研究博客、CocoLoop、苹果机器学习研究博客、Together AI；Together 价格页核验每百万 token 报价与免费期，苹果实测核验量化体积与每秒 token 数。