摘要： Meta 在 2026 年 10 月 15 日釋出 Muse Spark Open 的權重，稱其為目前最強的美國開放權重模型。816B 總參數（42B 活躍）、1M token 上下文，而且首次能在兩台 Apple M5 Ultra Mac Studio 上於桌面端完整運行。對 builder 來說，重點不只是榜單，而是「這個量級的 agentic 模型，現在可以放在自己機器上」這件事變得實際。
模型本身：為長時程工作而設計
Muse Spark Open 是原生多模態模型，主打編碼與 agentic 工作：長時程任務、複雜軟體工程、多步驟推理。它不是另一個通用聊天模型，而是延續這個系列把工具呼叫和代理行為往前推的路線——如果你想回顧這條線怎麼走到這裡，可以參考先前關於 Muse Spark 1.3 把「會問問題、知道極限」當成主打功能的分析。
權重的取得與部署選項相當完整：Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter、Together AI 提供託管推理；權重則可在 Hugging Face、Amazon SageMaker AI、Google Cloud Model Garden、Microsoft Foundry Models 下載。SGLang、vLLM、TensorRT-LLM、Apple MLX、llama.cpp 等主流推理引擎都支援，覆蓋 AMD、Apple、Intel、NVIDIA 硬體。
桌面運行的工程細節
這次最值得注意的是 Apple Silicon 的優化。根據 Meta 的說法，M5 Ultra 的統一記憶體架構讓每台 Mac Studio 的整合 GPU 可使用最多 512 GB，兩台機器合起來剛好容納整個模型；1.2 TB/s 的記憶體頻寬足以支撐每個 token 所需的讀取。兩台 Mac Studio 的效果接近一台擁有 1 TB 統一記憶體的超級電腦。
Meta 展示了幾個完全在本地運行的 agentic 工作流範例：用 Muse Code 驅動模型，對開源 Mastodon 客戶端 Ice Cubes 做出真實的 iOS 變更（修 bug、加功能、完整建置），以及端到端操作 DaVinci Resolve，逐格檢視影片找出最佳片段並裁成直式。這些是 Meta 自己展示的案例，不是第三方驗證，但它們指向一個具體場景：敏感程式碼和素材不必離開本地。
推理速度與安全評估
開放權重版本附帶自訂、可自動調校的 Helion GPU kernel，整合在 SGLang 中。Meta 宣稱在 NVIDIA 與 AMD GPU 上有 1.03 到 3.95 倍的 kernel 級加速，AMD MI350 上有 3% 的端到端加速。
安全方面，Meta 表示這個模型經過額外的安全後訓練，並依其 Superintelligence Scaling Framework 完成評估，達到該框架要求的發布門檻；詳細結果在 model card，完整評估報告稍後才會公布。考慮到模型能力與風險評估之間的張力，這份報告值得等——我們先前也討論過 Meta 把安全門檻往前挪到訓練之前的做法。
授權與下一步
權重以 Muse Model License 釋出，附有限商業條款，Meta 稱許多開發者可以免費使用——「有限」兩字的具體邊界，實際導入前記得讀條款。想微調的話，官方建議用 PyTorch 的 TorchTitan；要在 Apple Silicon 上跑，MLX 會直接從 Hugging Face 拉取權重。
務實的下一步：如果你的工作負載對資料隱私敏感、且已有 Mac Studio 硬體，值得先試桌面路徑；否則透過 OpenRouter 或 Together AI 這類託管平台接入成本更低，先驗證它的長時程編碼表現再決定要不要自建。