Muse Spark：Meta押注开放编码 Agent
你让 AI 修一个项目里的登录故障。它得先读代码、找到相关文件、修改程序、运行测试，再根据报错返工。普通聊天模型也许能写出一段像样的代码，但走到第五、第十步，常会忘记最初目标，或不会正确使用终端。Meta 新发布的 Muse-Spark-Open-816B-A42B，瞄准的正是这种需要持续工作的编码 Agent——能查看代码库、编辑文件、调用工具，并依据执行结果继续行动的 AI 程序。
这款模型于 2026 年 10 月 15 日发布。Meta 将它称为“迄今能力最强的美国开放权重模型”。不过，目前公开材料没有给出足以支撑这一排名的统一定义、对照模型和第三方评测。因此，这句话更适合视为 Meta 的自我定位，而不是已经得到验证的结论。
816B 很大，但不是每次都全用
Muse Spark Open 共有 816B，也就是 8160 亿个参数；处理每个 token——模型切分文字等输入时使用的基本单位——时，实际激活约 42B 参数。它采用稀疏 MoE（混合专家）结构：模型内部有许多分工不同的“专家”子网络，每次只请其中少数参与计算。可以把它理解成一家人员庞大的咨询公司，项目来了，不必让所有员工同时开会，而是挑选相关团队处理。
因此，816B 主要描述模型的总容量，42B 更接近单次计算所动用的规模。后者不等于完整运行成本，但能解释为什么如此庞大的模型仍试图维持可部署性。
它还提供 1M tokens 的上下文窗口，也就是一次能够接收和参考的信息范围。长上下文对代码工作尤其重要：Agent 可能要同时查看大量文件、错误日志、任务说明和此前操作记录。不过，“能放进去”不等于“能始终准确利用”。材料没有给出长上下文检索或超长任务完成率，实际效果仍需测试。
目标不是补一句代码，而是做完整流程
Meta 把 Muse Spark Open 定位于 coding 和 agentic work，即编码与自主式多步骤工作。模型卡列出的目标包括写代码、调试、连续调用工具、遇到调用失败后诊断并重试，以及从头到尾处理多轮请求。这些都属于长程任务：模型必须跨越许多步骤维持目标、记住中间状态，并在失败后调整路线。
OpenRouter 的介绍称，它具有更高的首次尝试准确率、可靠的工具调用能力和深入理解代码库的能力。但该页面没有说明比较对象、基准或测试方法，这些说法目前仍带有明显的产品宣传性质。公开材料也没有提供软件工程任务成功率、工具调用正确率或与其他开放权重模型的直接对照数字。
Muse Spark Open 还是原生多模态模型——不只处理文字，也能理解其他形式的输入。多个材料至少确认了文本和图像能力；Meta 模型卡进一步列出视频与音频输入，但这部分目前只有单一官方信源。模型输出仍是文本。
开放权重，不等于没有门槛
开发者可以下载模型权重，并通过 Transformers、vLLM、SGLang 等工具部署；OpenRouter 也已经提供 API。权重采用 Muse Model License，而不是通常意义上不附特殊商业条件的开源许可证。
据 VentureBeat 对许可证的梳理，企业若把模型或衍生模型作为 API 等服务提供给他人，且连续十二个月总营收超过 2000 万美元，就需要通知 Meta，并另行达成书面协议。使用它的产品还须标注“Built with Muse Spark Open”。所以更准确的说法是“开放权重”：模型文件可以取得、修改和部署，但商业使用仍受条款约束。
本地运行也颇具象征意味。据 Axios 报道，Apple 与 Meta 为适配高端 Mac 合作了数月，演示配置是两台配备 M5 Ultra 的 Mac Studio。它说明超大模型正尝试离开纯云端环境，但“两台顶级工作站”显然还不是普通个人电脑的轻量部署。
Meta 还称，定制 Helion GPU kernels——针对 GPU 某类底层计算编写的优化程序——在 NVIDIA 和 AMD GPU 上取得 1.03–3.95 倍的 kernel 层加速。这个数字不能理解为整套模型快了同样倍数；材料披露的端到端提升只有 AMD MI350 上的 3%。
为什么值得关注
Muse Spark Open 把三个趋势放到了一起：超大规模稀疏模型、百万 token 上下文，以及为编码 Agent 和工具调用做专门优化。Meta押注的是，下一轮编码模型竞争不再只看“能否写出一段函数”，而要看它能否在真实代码库里持续工作、调用外部工具，并把失败处理掉。
但这次发布给出的主要是能力定位和部署入口，关键成绩单仍然缺席。“美国最强开放权重模型”是否站得住，最终要看独立测试中的完整任务成功率，而不是参数规模或产品文案。
局限与未知
- 公开材料没有披露可复核的编码、长程任务或工具调用基准，无法判断它相对同类模型究竟提升多少。
- 1M tokens 表示输入容量，不直接证明模型能在百万 token 范围内稳定找对信息、保持计划。
- 视频和音频能力、Apple 本地运行表现及多项效果描述，目前主要来自官方或单一报道，仍待更多独立验证。