2026 年 10 月 15 日，Meta 正式发布 Muse Spark Open，这款开放权重大模型以 8160 亿总参数、420 亿激活参数和 100 万 token 上下文窗口，一举登上美国开放权重模型榜首。与苹果合作后，开发者甚至可以在两台 Mac Studio 上本地运行该模型，这标志着开源大模型在性能与可部署性之间取得了新的平衡。
模型简介：稀疏 MoE 架构的又一次跃升
Muse Spark Open 采用稀疏混合专家（Mixture of Experts, MoE）架构，只有部分参数在每次前向传播中被激活，从而在保证性能的同时显著降低推理成本。据官方披露，模型预训练数据量达到 23.8 万亿 token，针对编程、推理与智能体任务进行了专门优化。
与 Meta 同期发布的闭源 Muse Wonder 系列相比，Spark Open 的定位更偏向研究者和中小企业开发者：它提供免费下载权重，允许本地微调与商用，适合对数据隐私敏感或希望降低 API 成本的用户。
核心能力与基准表现
在多个第三方基准测试中，Muse Spark Open 展现出与 Claude Opus 5.5、GPT-6 等闭源旗舰模型接近的水平：
- 编程能力：在 SWE-bench 和 CursorBench 中表现优异，支持复杂代码生成与多文件修改。
- 长上下文：100 万 token 上下文窗口使其能够一次性处理整本书籍、大型代码库或长篇技术文档。
- 多模态感知：支持文本、图像、视频与音频输入，适用于视频分析与语音交互场景。
- 本地部署：与苹果 Metal 深度集成，Mac Studio 双机即可实现可接受延迟的推理。
与闭源模型的竞争格局
Meta 的开放策略正在改变大模型市场格局。此前，Claude、ChatGPT 等闭源模型凭借顶尖性能占据高端市场，而 Spark Open 的出现让企业和开发者可以在自有基础设施上获得接近前沿的体验。
不过，开放权重也带来了安全与合规挑战。Meta 在发布时同步公布了模型安全评估报告，强调对有害内容、偏见和滥用场景的测试结果，并呼吁社区共同完善治理框架。
部署成本与使用门槛
虽然权重免费，但本地运行 8160 亿参数模型仍需要高端硬件。官方推荐配置包括多台高内存 Mac Studio 或配备大显存的服务器。对于不具备硬件条件的用户，可以通过 Muse Spark 的官方 API 或第三方推理平台按需调用。
适合人群与总结
如果你是 AI 研究员、需要数据不出域的企业开发者，或希望在本地构建私有助人的团队，Muse Spark Open 是 2026 年下半年最值得关注的开放权重模型之一。它不仅在多项基准上追平闭源旗舰，更通过本地部署能力拓展了大模型的应用边界。