Meta发布Muse Spark Open，官方称美国最强，开发者：基准测试不如自家旧版

Meta 发布开源权重模型 Muse Spark Open。官方称它是目前美国能力最强的开源权重模型。

总参数量 816B，激活参数 42B；上下文窗口 100 万 token；文本、图像、视频、音频都支持。社区讨论最集中的是两件事：跑它要什么硬件，这个版本是不是被削弱过。

针对 Apple Silicon，Muse Spark Open 做了专门优化。两台 Apple M5 Ultra Mac Studios 搭配最新 MLX 框架就能跑。推理引擎方面，兼容名单很长：SGLang、vLLM、TensorRT-LLM、Hugging Face Transformers、Apple MLX、llama.cpp、Unsloth。芯片覆盖 AMD、Apple、Intel、NVIDIA。有开发者指出：本地托管这套东西，内存要到几百 GB 量级。个人开发者想自己跑，开销不小。

性能是评论区最集中的争点。有开发者直接说：它在基准测试上比 Muse Spark 1.2 差。更重的说法是，Meta 把老模型“阉割”之后再拿出来。还有人只敲了一个词：nerf，游戏里指把角色削弱。有人原本期待的是 Spark 1.3 级别的模型，拿到手发现不是。在 Artificial Analysis 上，有评论者说它表现只能算中等。另一边有人认可基准成绩，但补了一句：自己没有那么多内存来本地托管。

不是所有人都失望。模型实际激活规模比不少人预期的小。能在这种规模跑出这个成绩，有评论者觉得相当可以。也有人提出，出一个 27B 参数的小版本。

对照也在发生。有评论者拿它和 GLM 5.3 比。两者参数规模相近，能力不弱于 Muse Spark Open，主流推理栈都能跑。区别在于，GLM 5.3 没有那套被削弱过的“安全”权重。两款模型能力接近，一个带安全限制，另一个不带。安全后训练在开源社区的分歧就在这里。

发布说明里专门提到了安全后训练。模型在训练后做了额外的安全处理，评估按 Meta 的超级智能扩展框架来做。官方没有说明这些处理具体限制了哪些能力，影响范围多大也不清楚。社区对这个部分的反应很直接——不满。但有开发者在喝倒彩的同时，认可了另一处。自定义 SGLang 内核用得很用心，主要推理引擎的支持也到位。

许可方面，模型采用 Muse Model License。有限商业条款允许许多开发者免费使用。有评论者明确表达失望，希望它用 Apache-2.0 那种宽松许可。另一点让社区不舒服：要访问模型，得先提供用户数据。有评论者的原话是：这不叫“开放”。

模型自带为 SGLang 定制的 Helion GPU 内核，支持自动调优。NVIDIA 和 AMD GPU 上，内核加速为 1.03 到 3.95 倍；AMD MI350 上的端到端提升为 3%。开发者可以用 PyTorch 和 TorchTitan 做微调，也能通过 API 调用模型。API 平台包括 Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter、Together AI。权重文件放在 Amazon SageMaker AI、Google Cloud Model Garden、Hugging Face 和 Microsoft Foundry Models。已经有开发者发布了 GGUF 量化版本，方便想本地部署的人。

评论区对这个模型的定位分成两派。一派把它当作美国开源权重领域里值得用的选项；另一派坚持它在基准测试上不及自家旧版本。两份意见可以同时成立：Muse Spark Open 的能力是真的。但它不是 Meta 目前能给出的最强模型。

至于为什么开源这一版而不是 Spark 1.3，官方没有解释。评论区有人替它找到了务实的价值。如果工作要求必须用非中国模型，Muse Spark Open 是一个替代选项。前提是你拿得出几百 GB 内存。