2026年10月15日，Meta 发布全新开源权重模型 Muse Spark Open。这是继 Llama 系列之后，Meta 重返开源权重领域的最新动作，官方称之为「美国目前能力最强的开源权重模型」，8160亿参数、420亿激活参数、100万 token 上下文，专为编程和 AI Agent 任务设计，剑指 Qwen、GLM、Kimi 等中国开源模型的主力市场。发布首日 GitHub 星标超 5 万，攀升至年度最受关注开源 AI 项目榜首。
核心参数：一句话结论
Muse Spark Open 是 Meta Muse 家族中第一款完全开放权重的模型。8160亿总参数、420亿激活，支持文本、图像、视频和音频四种模态，最高 100万 token 上下文。针对苹果 M5 Ultra 芯片专项优化，可本地运行于两台配备 512GB 统一内存的 Mac Studio，无需云端即可跑满性能。权重已上线 Hugging Face，使用时须标注「Built with Muse Spark Open」标签。
基准数据：编程与 Agent 全面领先
官方公布了在 JobBench、MCP-Atlas、HLE-Diamond 和 ZeroBench 四项基准上的得分。结果显示 Muse Spark Open 在多数任务上领先 Qwen 3.8、GLM 5.3 和 Kimi K3，尤其在软件工程和 Agent 任务上有明显优势。与同尺寸开源模型 Ternary Bonsai 2（Qwen 3.5 基座，iPhone 实测 120 词元/秒）相比，SWE-bench 得分提升约 18%，体现了专项优化的效果。
不过 Meta 也坦承：在复杂长程推理与多轮 Agent 任务中，Muse Spark Open 仍不及自家付费版 Muse Wonder Full，差距约 15-20%。这说明专项优化在模型规模压缩后仍存在能力边界，企业在选型时需要根据实际任务复杂度做权衡。差距最大的场景是超过 10 轮的对话式代码调试任务，以及需要跨文件语义关联的架构级代码审查任务。
本地部署成本：两台 Mac Studio 能否跑起来？
开发者社区对 Muse Spark Open 的本地运行能力最为关注。两台配备 M5 Ultra + 512GB 统一内存的 Mac Studio，总硬件成本约 1.2 万美元。这一门槛相比同等规模的云端 API 成本低了约 60%，且数据全程不离本地，对于有数据合规要求的企业具有实际吸引力。
实测数据显示：两台 Mac Studio 通过统一内存架构并行处理，文本推理速度约 28-35 tokens/秒；图像 Caption 任务单张约 1.2 秒；长视频理解（1小时素材）约需 8-12 分钟。多模态推理的总 Token 消耗约为云端同类方案的 35-40%，主要节省在图像和视频的本地编码环节。
对于中型开发团队（10-20人），两台 Mac Studio 可支持日常代码补全、自动化 Code Review 和 CI/CD 流程中的自动化测试生成，平均响应延迟低于 3 秒，满足工程团队对响应速度的基本要求。
定价策略对比：开源免费 vs 闭源订阅
与 OpenAI、Anthropic 的闭源付费模式不同，Meta 对 Muse Spark Open 采取「免费使用 + 强制标注」策略——任何基于该模型的产品或演示，都必须显式标注「Built with Muse Spark Open」。这一策略帮助 Meta 在企业 AI Agent 市场快速建立标准话语权，同时规避了 Llama 系列「被闭源产品拿去用」的历史问题。
强制标注策略的另一个实际效果是：帮助 Meta 追踪开源模型的真实使用量，为下一代产品的研发提供数据依据。对于企业用户而言，标注义务的合规成本极低，只需要在前端界面加一行小字。GitHub 5 万星的关注度表明，社区对开源全模态 Agent 的需求是真实且强烈的。
与 Qwen3.8-Omni-Flash 的正面竞争
Muse Spark Open 发布三天后，阿里千问发布了 Qwen3.8-Omni-Flash——首款原生全模态 Agent 模型，同样支持四种模态与 1M 上下文。两款模型定位高度重叠：全模态、Agent 优化、瞄准编程和生产力场景，形成直接竞争。
核心差异在于：Muse Spark Open 的优势是本地部署能力和开源免费策略；Qwen3.8-Omni-Flash 的优势是原生 Agent 工具链（Qwen-MM-Plugins + Qwen-Live Harness 完整生态）和音视频 Agent 场景的实测领先——WildClawBench-MM 提升 36.5 分，API 价格降幅超过 93%。
对于企业用户：需要本地部署、数据不离境，选 Muse Spark Open；追求完整 Agent 工作流和成本最低化，选 Qwen3.8-Omni-Flash。
模型规格对比
| 指标 | Muse Spark Open | Qwen3.8-Omni-Flash | Ternary Bonsai 2 |
|---|---|---|---|
| 总参数量 | 8160亿 | 未公布 | 约20亿（激活） |
| 激活参数 | 420亿 | 未公布 | 约2B |
| 上下文 | 100万 token | 100万 token | 未公布 |
| 模态 | 文本/图像/视频/音频 | 文本/图像/音频/视频 | 文本为主 |
| 本地运行 | 两台 Mac Studio | 需专业 GPU 集群 | iPhone 直接跑 |
| 价格 | 免费（需标注） | API 按量计费 | 免费 |
对中国开源模型的影响
Meta 的入局让中国开源模型面临直接竞争。Qwen、GLM、Kimi 三家的共同特点是「通用能力强、Agent 专项弱」，而 Muse Spark Open 正好反着来——在编程与 Agent 场景专项优化，在通用能力上略逊。对于原本计划基于 Qwen 或 GLM 构建企业 Agent 系统的团队，Muse Spark Open 提供了另一个值得评估的选项。
不过，开源模型的本地部署能力在中国市场是双刃剑：企业需要自有 GPU 集群或 Mac 集群才能真正发挥 8160 亿参数模型的性能，国内多数中小企业的算力储备并不充足。此外，Hugging Face 权重下载在国内仍面临网络限制，实际部署门槛比参数本身更高。
结语
Muse Spark Open 的出现，填补了 Llama 在高效编程 Agent 领域的空白，也让「开源全模态 Agent」赛道正式进入 Meta 与中国三强的正面竞争阶段。对开发者而言，这意味着更多选择；对企业而言，这意味着更低的 Agent 构建成本。这场竞争的结果，可能决定未来 2-3 年开源 AI Agent 的事实标准走向。值得观察的是，随着开源全模态 Agent 能力逼近闭源旗舰，两者的价格差将从 5-10 倍缩小到 2 倍以内，这将重塑企业 AI 采购决策。对国内开发者而言，Muse Spark Open 的开源权重为自主可控的本地化部署提供了新的选项，但需配套解决算力与网络两大基础设施问题。
延伸阅读
- OpenClaw v2026.8.1 更新发布2 月前
- DeepSeek Harness 桌面端安装教程：官网下载、4种模式与安全边界3 周前
- Meta联手Sierra推Personal Agent Protocol1 周前
- 阿里千问Go!发布：个人AI助理可代办理赔比价等7类事务3 天前
继续读
同一批更新里这几篇值得一看：
想快速查定义？对应的词条在这里：
- AI Agent词条 · AI 自学笔记