导读10 月 15 日，Meta 开放 Muse Spark Open 权重，把 816B 多模态模型带到双 Mac Studio 的本地运行环境。它在部分工具任务上领先，在统一 Agent 框架下的终端测试中仍落后于同表中的 GLM 5.3 和 Kimi K3。结合模型卡、评测方法和苹果原厂测试，本文解释怎样看待模型与 Agent 的适配、双机怎样运行，以及开发者接入前需要看清的许可条件。
本文 2705 字，阅读约 7 分钟
816B 权重开放，重点落在编程与 Agent
工具任务有亮点，编程成绩仍有差距
两台 Mac 能跑，靠的是容量与推理适配
官方披露的工作流：修应用、剪视频
权重可用，下载和商用仍有具体条件
816B 权重开放，重点落在编程与 Agent
2026 年 10 月 15 日，Meta 发布 Muse Spark Open：总参数 816B，也就是 8160 亿，每个 token 的计算激活约 42B 参数，上下文窗口达到 100 万 token。token 是模型处理信息的基本单位，上下文窗口限制了模型一次可处理的信息范围。
Meta 将它定位为美国迄今能力最强的开放权重模型，重点面向编程、长程任务和多步推理。对开发者来说，这次发布有两件值得看：一是它在工具与编程任务上处于什么位置，二是这么大的模型怎样在桌面环境运行。
模型原生接收文本、图像、视频和音频，输出则是文本。开发者可以把截图、录音或视频作为输入，让模型理解内容、生成回答或工具调用信息。图像和视频在这里承担输入信息的角色，不能据此期待它直接生成图片或成片。
从左向右看：文本、图像与视频帧、音频分别转换为模型可处理的表示，合成序列后交给右侧的语言模型，最终输出文本。 ｜ 来源：Hugging Face，Muse Spark Open 发布文档
Agent 指能够围绕目标调用工具、分步执行任务的智能体系统。模型提供理解、推理和决策能力，外部工具负责读文件、改代码、操作软件，再把执行结果交回来。开放模型权重，让开发者可以把这个决策环节放进自己控制的运行环境。
这也是本次发布的实际落点：权重之外，还有推理框架适配和官方披露的本地工作流，供开发者沿着具体路径接入。
工具任务有亮点，编程成绩仍有差距
先看官方公布的评测。在 MCP-Atlas 上，Muse Spark Open 得到 89.2 分，高于同表中的 GLM 5.3 和 Kimi K3，后两者分别为 84.2 和 82.3。
MCP 是让智能体连接外部工具的一种协议。MCP-Atlas 检验智能体能否找到合适的工具、调用它们并完成要求，89.2 在这里表示通过任务的百分比。按照 Meta 的方法说明，上述三款模型的结果来自 Scale AI，采用该榜单的智能体运行框架与评分流程。
到了 Terminal-Bench 2.1，Muse Spark Open 得到 76.4 分，低于 GLM 5.3 的 83.9 和 Kimi K3 的 85.0。这个基准要求智能体在终端环境中完成任务，三款模型都接入 Terminus 2。它是用于终端评测的 Agent 程序，执行模型给出的终端操作，再将运行结果交回模型，推进下一步行动。
重点看 MCP-Atlas 与 Terminal-Bench 两行的不同强弱；DeepSWE 一行采用各模型偏好的运行框架，不能把整张表视为所有条件一致的综合排名。 ｜ 来源：Meta，Muse Spark Open 发布页，评测图 v6
在这组对照中，它的工具任务成绩领先，统一框架下的终端任务成绩仍有差距。接下来还要问：这套框架能否让各模型充分发挥能力？
模型与 Agent 的适配，可能在训练阶段就开始了。以较早的 Kimi K2 为例，官方介绍了用真实及合成工具构造模拟环境，让智能体进行多轮交互，再筛选完整的操作与反馈记录，用于后续训练。模型由此学习如何选择工具、利用反馈推进任务，部分产品能力也在这个过程中形成。换用其他工具接口、提示词或上下文组织方式，效果需要重新验证；这个案例不代表 Muse Spark Open 或 Kimi K3 采用了相同训练方式。
统一使用 Terminus 2，能减少 Agent 实现差异，回答“在这套共同框架里，换哪个模型表现更好”。但相同框架不保证对各模型都最适配，因此，这一行成绩也不能代表各家完整产品的能力上限。
长程软件工程测试 DeepSWE 1.1 则采用各模型偏好的框架。官方方法报告列出，Muse Spark Open 使用 Muse Code，GLM 5.3 使用 mini-swe-agent，Qwen3.8 使用 Claude Code，Kimi K3 使用 Kimi Code。这更接近比较不同系统组合，差异不能全部归因于模型本身；其中还包含厂商自报，成绩来源也要一起核对。
所以我会把两类结果结合着看：统一框架比较换模型后的效果，各自适配框架比较系统组合的效果。实际接入时，再把模型和准备使用的工具、上下文管理放在一起验收。
大模型长程 Agent 怎么测？美团工业级评测体系与双环演进实践
两台 Mac 能跑，靠的是容量与推理适配
Meta 给出的桌面路径，是两台搭载 M5 Ultra 的 Mac Studio，结合 MLX 运行。MLX 是面向苹果芯片的机器学习框架，在这套方案中承担模型计算与运行支持。
桌面上的两台 Mac Studio，以及屏幕中的对话与代码界面，展示了本地运行的实际场景。 ｜ 来源：Mark Zuckerberg，2026 年 10 月 15 日发布原帖
按官方说明，每台机器的集成 GPU 可使用最高 512GB 统一内存，两台合计达到 1TB。统一内存让芯片上的 CPU、GPU 使用同一套内存资源；跨越两台机器时，还需要 MLX 分配模型计算，并交换中间结果。
这里最容易混淆的是 816B 与 42B。模型采用混合专家架构 MoE，专家是其中负责部分计算的子网络。Muse Spark Open 的每个 MoE 层有 256 个专家，每个 token 在该层选择 8 个参与计算。其他专家的权重仍需保留，后续 token 还可能用到它们。因此，激活参数量反映当前 token 动用了多少参数，加载需求则要看完整模型。
因此，每步计算只激活一部分参数，内存仍要容纳完整模型。
模型卡给出的通用 GPU 运行条件是：NVFP4 版本至少需要 700GB 显存，BF16 版本至少需要 2TB。Mac 的 MLX 路径则有另一套具体实现与测试条件，不能把上述显存要求当成 Mac 上的实测内存占用。
NVFP4 与 BF16 是不同的数值表示格式。量化用更低精度表示权重，减小存储与读取负担，也可能带来质量差异。苹果的 MLX 测试使用 NVFP4；其说明指出，模型占用约 493GB，再加上推理中间计算所需的内存，单台 512GB 机器仍装不下。
苹果还给出了运行速度。在 8192 token 输入、生成 128 token 的原厂测试中，两台 M5 Ultra 采用流水线并行时，生成速度为 15.74 token/s；改为张量并行后，为 24.99 token/s。
流水线并行是把前后不同层分给两台机器，前一台算完后将结果交给后一台；张量并行则让两台机器各承担同一层的一部分计算，再汇总结果。相同的设备数量，计算怎样拆分、机器之间怎样通信，都会影响速度。
这些数据让“能跑”有了具体参照，但它们衡量的是上述配置下的文本生成速度，不能直接当作完整 Agent 任务的完成速度，也没有测到 100 万 token 满上下文的表现。
苹果之外，官方还列出了 SGLang、vLLM、TensorRT-LLM 等推理引擎适配。在 NVIDIA 和 AMD GPU 上，Helion 计算内核优化带来 1.03–3.95 倍的内核级加速，而 AMD MI350 的端到端提速约为 3%。局部计算加快多少，与整条推理流程加快多少，是两种口径。
官方披露的工作流：修应用、剪视频
Meta 披露了两类完全在设备本地运行的工作流，使用由 Muse Spark Open 驱动的 Muse Code 编程智能体。
一类面向开源 Mastodon 客户端 Ice Cubes：修复缺陷、增加功能，并完成应用构建。另一类操作 DaVinci Resolve：逐帧审看视频素材，挑选片段，再做竖屏裁切。
沿着这些任务，就能理解模型与工具的分工：模型读取项目或视频中的信息，给出下一步动作；智能体系统调用工具修改文件或操作软件，再把执行结果交回模型，决定继续修改还是结束。模型输出文本，构建和剪辑由工具执行。
Meta 的公开说明可以支持它尝试了哪些工作流，但没有给出足以推导普遍成功率的重复测试记录。本地运行解决了模型放在哪里的问题；遇到失败能否恢复、何时需要人工介入、结果是否达标，还要由具体任务检验。
权重可用，下载和商用仍有具体条件
Muse Spark Open 使用自定义的 Muse Model License。官方仓库能看到权重文件列表，获取模型文件则需要登录并完成相应的访问流程。
许可允许使用、修改、微调、蒸馏和再分发，同时包含保留许可与使用政策、展示“Built with Muse Spark Open”等要求。将它接进产品前，需要一起检查这些条件。
其中的营收条款针对特定的模型服务业务：被许可方或其关联公司通过 API 等接口向第三方提供模型服务，且被许可方及关联公司在连续 12 个月内的合计总营收超过 2000 万美元时，在该业务中提供本模型或衍生品前，需要通知 Meta 并另签协议。
这个门槛看的是被许可方及关联公司的合计总营收，不只是模型 API 的收入。该节同时列出内部使用、研究、非模型服务类商业活动，以及用于自有非模型服务产品功能等例外。做具体产品时，要按业务形态核对完整许可。
如果要把它用于项目，我会先选一个有明确验收结果的任务：工具调用场景看它能否选对工具、拿回正确结果；代码任务看修改能否通过构建与测试。在此基础上记录耗时、重试和人工介入，再决定是否扩大使用。权重与运行路径已经交出来，是否适合自己的业务，就让交付结果回答。
参考资料
•Meta 发布说明： https://research.meta.ai/blog/muse-spark-open
•官方模型卡与许可： https://huggingface.co/meta-models/Muse-Spark-Open-816B-A42B
•官方评测方法报告： https://research.meta.ai/static/muse-spark-open-evaluation-methodology
•官方模型文件与访问条件： https://huggingface.co/meta-models/Muse-Spark-Open-816B-A42B/tree/main
•Hugging Face 模型接入与结构说明： https://huggingface.co/blog/meta-muse-spark-open
•双 Mac 运行场景原帖： https://x.com/finkd/status/2110778025629347999
•苹果 MLX 分布式推理与原厂测试： https://machinelearning.apple.com/research/mlx-distributed-inference
•Kimi K2 工具使用与训练说明： https://www.kimi.com/en/blog/kimi-k2
•Terminus 2 官方说明： https://www.harborframework.com/docs/agents/terminus-2
蘑菇头表情图片来源：蚊子动漫
文章仅做学术分享，如有侵权请联系删除，非常感谢！