Meta 这次把话说得很满：美国迄今为止能力最强的开放权重模型。十月十五日放出的 Muse Spark Open，八千一百六十亿总参数，一百万 token 上下文，原生吃文本、图像、视频和音频。听上去像是把家底端出来了。
但独立榜单给出的分数是三十九。
同一个星期，小米的 MiMo-V2.6-Pro 拿了四十六，智谱 GLM 5.3 拿了四十五，月之暗面 Kimi K3 拿了四十四，阿里的 Qwen3.8 拿了四十。Meta 自己上一代闭源的 Muse Spark 1.3 是四十五，Muse Wonder 五十二。也就是说，这份「最强开源」放到真实牌桌上，是自家产品线里的中游，是开源阵营里的第八名上下。
先把事情说清楚，再说该不该用。
它到底是什么东西
Muse Spark Open 是混合专家架构，二百五十六个专家，每个 token 只激活八个。总参数八千一百六十亿，每个 token 实际参与计算的是四百二十亿。这个比例决定了它的性格：能力靠总参数堆出来，速度靠激活参数省下来。
上下文一百万 token。多模态是原生融合的，不是外挂一个视觉编码器补丁，模型卡里写了一个十八亿参数的感知编码器，五十层，稀疏注意力，每四层做一次全注意力。输入可以是文字、图片、视频、音频，输出只有文字。
训练数据覆盖一百多种语言，来源包括公开语料、网页抓取、第三方数据、Meta 自家产品，以及合成数据。
权重给了两个版本：十六位精度大约一点六太字节，四位量化大约五百三十吉字节。
三十九分是怎么算出来的，六分差在哪
Artificial Analysis 的综合分是十来项评测的加权，Muse Spark Open 在高推理档位下拿三十九。美国阵营里它确实第一：Reflection 的 Beam 是三十分，英伟达 Nemotron 3.5 Super VL 二十六分，Thinking Machines 的 Inkling 也在二十几分。所以「美国最强开源」这句话没错，只是这个冠军的地理范围有点小。
差的那六分，不是均匀分布的。按 Artificial Analysis 的拆解，它跟 GLM 5.3 的差距几乎全部来自智能体那几项。
工具调用这一项它反而是全场第一。MCP-Atlas 拿了八十九点二，高于 GLM 5.3 的八十四点二和 Kimi K3 的八十二点三，领先第二名将近五个点。长时间工具链的 Toolathlon 就没那么稳，落后两个对手。
写代码这一项是硬伤。Terminal-Bench 2.1 是七十六点四，GLM 5.3 八十三点九，Kimi K3 八十五。DeepSWE 1.1 差七到八分。一个自称「为编程和智能体而建」的模型，在最像程序员日常工作的那几项上，稳定输给中国同行七八分。Meta 在四月发闭源版 Spark 时就承认过类似的编码差距，这次开源版把同一个问题带了过来。
有一项它赢了所有开源对手：幻觉率百分之二十四，是综合分三十以上的开源模型里最低的；AA-Omniscience 测「知之为知之」拿了二十五分，同样是开源第一。
还有一个数字值得记：完成一道评测任务，它平均输出四万个 token，比 GLM 5.3 少百分之四十三。所以尽管 API 单价不便宜——每一百万输入 token 一点二五美元，输出四点二五美元——折算到每任务成本是零点八四美元，反而低于 GLM 5.3 的二元零一分。DeepSeek 的 V4.1-Flash-1017 只要零点二七美元，分数还更高。
两台 Mac Studio 才算「桌面能跑」
发布会上最抓人的一句是：两台苹果 Mac Studio 就能在桌面跑起来。
这句话是真的，但省略了配置。需要的是 M5 Ultra 加五百一十二吉字节统一内存的版本，两台通过雷雳五连起来，用 MLX 框架把计算切开。苹果自己的测试报告说，压到五百三十吉字节的量化版本，八千 token 上下文下大约每秒输出二十五个 token。这个速度能读、能写、能跑，但谈不上快。
而且那两台机器要到十月下旬才上市，两台加起来是几万欧元的量级。换算成人民币，一辆家用车的价钱换一个每秒二十五个 token 的本地模型。
如果走英伟达路线，官方口径是四位量化至少七百吉字节显存，十六位要两太字节。这不是工作站，这是小型机房。
所以「桌面能跑」这句话的正确读法是：在此之前，这种规模的模型在桌面上根本不存在可能性；现在有了，代价是一张五位数的账单和一张专门的书桌。
许可证里藏着一道两千万美元的闸门
Muse Model License 允许商用、修改、微调、蒸馏、再分发，条件是要在产品里标注「Built with Muse Spark Open」，并遵守使用政策。军工和战争用途明确禁止。
真正需要留意的是收入条款：如果拿它对外提供模型服务，并且使用方及其关联公司在任意连续十二个月里合计营收超过两千万美元，就得先通知 Meta 并另签书面协议。关联公司的收入也算进来。
这条款不拦小团队，拦的是「拿开源权重搭一个 API 生意」的那批人。同一天发布的 Beam 用的是 Apache 2.0，没有这道闸门——这也是很多人拿两者对比的原因。
老达点评
第一，「美国最强开源」是个地理冠军，不是技术冠军。放到全球开源牌桌上，它排在第八名上下，前面的位置被中国模型占着。Meta 的 AI 负责人 Alexandr Wang 自己说过，出于安全和能力考虑，最强的模型一般不会开源。这句话翻译过来就是：开源的这一版，是上一代底座。
第二，它的长处非常具体，短板也非常具体。如果你的系统里大量是工具调用、多步编排、跨服务查数据，MCP-Atlas 那个八十九点二是有意义的领先，值得排进候选。如果主要工作是读代码、改代码、跑终端，那 GLM 5.3 和 Kimi K3 现在的证据更硬，没必要为了「Meta 出品」多付三倍单价。
第三，别被「桌面能跑」这四个字骗了预算。两台顶配 Mac Studio 的钱，够你在 API 上跑几亿个 token。本地部署真正成立的理由只有三个：数据不能出门、网络不能依赖、调用量大到边际成本能摊平硬件。少一个都不成立。我站内那篇讲 DGX Spark 的文章算过一笔类似的账，结论一样——硬件是门票，不是省钱的手段。
第四，开源这件事本身还是有价值的。八千一百六十亿参数、一百万上下文的权重摆在 Hugging Face 上，意味着有人可以在它上面做蒸馏、做领域微调、做量化压缩，做出比原版更适合自己场景的东西。这是闭源 API 给不了的自由。但它给的是原料，不是成品。
谁该试，谁该等
值得试的：做智能体平台的团队，尤其是工具链复杂、调用密集的场景；对幻觉率敏感、要做文档问答和客服回答的产品；有硬性数据不出门要求的机构，比如律所、医疗机构、金融研究团队。
可以先等的：以编码为主业的开发者，现在换过去大概率是降级；预算敏感的个人开发者，同一分数段有便宜三倍的选择；想在自己机器上跑的人，等 M 系列顶配上市、等四位量化版本再压一轮，价格和速度都会好看一些。
想动手的话，最省事的路径是先走 Together AI、Fireworks、OpenRouter 这类托管端点，跑一周自己的真实任务，再决定要不要碰权重。别一上来就买机器。
相关阅读：老达 AI 实践专题、AI 智能体与自动化专题、美国也开源了：五千零一十亿参数的 Beam 只激活二百三十亿、DeepSeek 深夜换了个内核：代码跑分七十七，账单没变、DGX Spark 64GB 降到四千九百九十九美元：带宽却只有 Mac 的三分之一、Meta 发布 Muse Glimmer：一块显卡跑三百亿参数
