先说结论：Muse Spark Open 是 Meta 在 2026 年 10 月 15 日开放权重的 Muse Spark 版本，816B 总参数、42B 激活的 MoE，上下文 1,048,576 tokens，输入支持文本、图像、视频和音频。 它不在 Meta Model API 上，要么自己下载 BF16 或 NVFP4 权重部署，要么走 Baseten、Fireworks、Groq、Together 等托管商。
它的长处在工具调用和 Agent 类任务（MCP-Atlas 89.2 是官方表里最高），短处在编码：Artificial Analysis 智能指数 39，低于 GLM 5.3 和 Kimi K3，第三方编码测试的排名也不靠前。许可证允许商用，但有标注和营收门槛，用之前要看清。
本文数字截至 2026-10-21，依据 Meta 官方 研究博客、Hugging Face 模型卡、开发者文档，以及 Artificial Analysis、OpenRouter 等第三方页面。第三方榜单分数会变动，以原页面为准。
Muse Spark Open 是什么
Muse Spark Open 是 Meta 闭源模型 Muse Spark 的开放权重版本。几个关键点：
- 10 月 15 日发布，权重在 Hugging Face 上，填表申请后下载，有 BF16 和 NVFP4 两种
- 不在 Meta Model API 上。官方合作的托管商有 Baseten、Fireworks AI、Groq、Modal、Nebius、Together AI，OpenRouter 上的模型名是
meta/muse-spark-open - 支持 SGLang、vLLM、Hugging Face Transformers、TensorRT-LLM、Unsloth、llama.cpp 等推理框架，苹果也给了 MLX 分布式方案
许可证是 Muse Model License，不是 Apache 或 MIT。模型卡里的要点：
- 允许使用、修改、微调、蒸馏和商用
- 用它做的产品要显著标注 “Built with Muse Spark Open”
- 以 API 方式对外提供模型服务、且公司及关联方过去 12 个月总营收超过 2,000 万美元的，要先和 Meta 单独签协议
- 不面向 18 岁以下用户
官方价格
Meta 没有给 Muse Spark Open 定 API 价，因为它不在 Meta 自己的 API 上，自己部署只花硬件钱。走托管商的话，OpenRouter 上列出的托管商标价一致（每百万 tokens，美元）：
| 项目 | 托管商标价 |
|---|---|
| 输入 | $1.25 |
| 缓存读取 | $0.15（Nebius 未提供缓存价） |
| 输出 | $4.25 |
作为对照，Meta Model API 上闭源的 Muse Spark 1.3 标准模式也是输入 $1.25、输出 $4.25、缓存 $0.15，和开源版托管价一样。
AI Code With 上架后会在这里补充我们的价格。
上下文和能力
| 项目 | 官方说明 |
|---|---|
| 架构 | MoE，816B 总参数、42B 激活 |
| 专家 | 256 个，每个 token 激活 8 个 |
| 层数 / 词表 | 62 层 / 202,048 |
| 视觉 | 自带 1.8B 参数的 Perception Encoder |
| 上下文 | 1,048,576 tokens |
| 最大输出 | 262,144 tokens（OpenRouter） |
| 输入 / 输出 | 文本、图像、视频、音频 / 文本 |
| 语言 | 训练数据覆盖 100 多种语言 |
| 推理档位 | low / medium / high / xhigh，默认 xhigh |
| 推荐采样 | temperature 1.0、top_p 1.0、关闭 top_k |
硬件门槛
这是自己部署前最该算清的。几份官方资料的说法不完全一样：
| 来源 | BF16 | NVFP4 |
|---|---|---|
| Meta 开发者文档 | 权重约 1.65 TB，8 卡（如 8×B300），整体按约 2 TB 显存规划 | 权重约 537 GB，单台 4 卡 Blackwell 节点 |
| Hugging Face 模型卡 | 至少 2 TB 显存 | 至少 700 GB 显存 |
| 苹果机器学习研究 | 未给出 | 约 493 GB，单台 512 GB 内存的 Mac Studio 放不下 |
结论很简单：这不是能在单张显卡或一台普通工作站上跑的模型，NVFP4 版本也要几百 GB 显存。个人开发者更现实的用法是走托管商。
测评和基准
官方数据
以下来自 Meta 发布的 Hugging Face 模型卡，全部是 xhigh 档、Meta 自己测的：
| 基准 | 测什么 | Muse Spark Open | GLM 5.3 | Kimi K3 |
|---|---|---|---|---|
| Artificial Analysis 指数 | 综合 | 39 | 45 | 44 |
| MCP-Atlas | MCP 工具调用 | 89.2 | 84.2 | 82.3 |
| JobBench | 职场任务 | 61.8 | 61.4 | 54.3 |
| Toolathlon Verified | 多工具任务 | 72.8 | 73.0 | 76.5 |
| HLE（带工具） | 高难度推理 | 61.0 | 62.5 | 56.0 |
| AA Omniscience | 知识可靠性 | 25 | 14 | 20 |
| DeepSWE 1.1 | 长任务编码 | 60 | 67 | 68 |
| Terminal-Bench 2.1 | 终端 Agent 编码 | 76.4 | 83.9 | 85.0 |
其他几项：OSWorld Verified 80.4（Kimi K3 84.8），GPQA Diamond 89.0（Kimi K3 93.5），SWE-Atlas-QnA 58（Kimi K3 66）。安全测试 StrongREJECT v2 越低越好，Muse Spark Open 是 0.5，GLM 5.3 是 62.9，Kimi K3 是 66.6。
怎么看：
- 工具调用和知识可靠性是强项：MCP-Atlas 和 AA Omniscience 在官方表里都是最高
- 编码明显落后：DeepSWE、Terminal-Bench、SWE-Atlas 都低于 GLM 5.3 和 Kimi K3
- 综合指数 39，比 Mistral Large 4 的 38 略高，比 GLM 5.3 和 Kimi K3 低一截
第三方数据
Artificial Analysis（截至 2026-10-21，原页面）：
- 智能指数 39，在 121 个同尺寸开源模型里排第 11
- 输出速度 141.7 tokens/s（多家托管商中位数），首 token 延迟 0.83 秒
- 跑一个指数任务平均 $0.84；跑完整套指数产出 110M tokens，同类中位数是 140M，比较省 token
Vals AI（OpenRouter 模型页转载，截至 2026-10-21）：
- Vals Index 46.6%
- Vibe Code Bench v1.1 76.2%，Finance Agent v2.1 60.7%
- Code Migration v1.1 26.9%，Terminal-Bench 4.0 只有 6.6%
Design Arena（同页转载）：网站生成 1310、游戏开发 1294 Elo。
OpenRouter 实测：托管商里最快的 P50 吞吐 184 tokens/s（Baseten），最低 P50 延迟 0.17 秒。
部署和编码实测
- 苹果 Mac 集群：苹果机器学习研究团队（发布合作方）用 M5 Ultra Mac Studio 和 MLX 跑 NVFP4 版本、8,192 上下文，原文：
| 配置 | 解码速度 | 首 token 延迟 |
|---|---|---|
| 2 台，流水线并行 | 15.74 tokens/s | 8.4 秒 |
| 2 台，张量并行 | 24.99 tokens/s | 8.2 秒 |
| 4 台，张量并行 | 36.73 tokens/s | 4.8 秒 |
- DGX Station：X 用户 @SJRonanMD 用两台 DGX Station GB300 跑 NVFP4，单路 23.7 tokens/s，16 路并发合计 117 tokens/s，开投机解码后单路 33.7 tokens/s（原帖）
- 真实项目编码：siliconcode.ai 的 @rogerhendriks 用 OpenCode + xhigh 在真实的 .NET/Vue 企业项目上测试。修 bug 得 50.5/71.5，43 个模型里排第 21；做用户故事 22/25，42 个里排第 35；总榜 41 个里排第 32。修 bug 比闭源 Muse Spark 1.2/1.3（50 / 49.5）略好，用户故事不如它们（24 / 23）（原帖）
这些都是个人或机构的测试，环境各不相同，只能当参考。第三方测评陆续出来后会更新。
优缺点和适合场景
优点：
- 开放权重、允许商用和微调，1M 上下文，能读图像、音频和视频
- 工具调用强，MCP-Atlas 89.2
- 托管价低（$1.25 / $4.25），托管商多，首 token 快
- 跑同样的评测比同类更省 token
缺点：
- 编码不如 GLM 5.3、Kimi K3，第三方编码测试排名靠后
- 硬件门槛很高，NVFP4 也要几百 GB 显存
- 许可证有标注要求和 2,000 万美元营收门槛，不是完全无条件的开源
- 各份官方资料的显存数字不一致，部署前要自己实测
适合：需要私有化部署的多模态 Agent、以工具调用为主的业务自动化、要在自有数据上微调的团队，以及想用开放权重模型处理音频和视频的场景。
不太适合：以编码为主的 Agent（同价位开源模型里有更好的选择）、只有单卡或小显存机器的个人开发者。
怎么接入
AI Code With 上架后会在这里补充我们的模型名和 Claude Code、Codex 配置示例。
现在可以这样用：
- 走托管商：在 OpenRouter 用模型名
meta/muse-spark-open，或者直接用 Baseten、Fireworks AI、Groq、Modal、Nebius、Together AI 的 API - 自己部署：从 Hugging Face 申请下载 BF16 或 NVFP4 权重，用 SGLang 或 vLLM 起一个 OpenAI 兼容服务。按官方建议把 temperature 和 top_p 都设成 1.0、关闭 top_k
- 推理档位：默认是
xhigh，简单任务可以调到low或medium省时间 - 合规：上线产品记得加 “Built with Muse Spark Open” 标注
第三方 API 的通用配置方式见《Claude Code 如何接入第三方 API》和《Codex config.toml 配置指南》。
常见问题
Muse Spark Open 和 Muse Spark 有什么区别？
Muse Spark 是闭源的，在 Meta Model API 上调用；Muse Spark Open 是它的开放权重版本，自己部署或走托管商。两者在托管价上一样，都是 $1.25 / $4.25。
能在自己电脑上跑吗？
很难。NVFP4 版本按官方资料也要约 500 到 700 GB 显存。苹果的实测用了 2 到 4 台 M5 Ultra Mac Studio，单台 512 GB 的 Mac Studio 放不下。
能商用吗？
可以，但要标注 “Built with Muse Spark Open”；如果你以 API 方式对外提供模型服务，且公司过去 12 个月营收超过 2,000 万美元，要先和 Meta 签协议。
和 GLM 5.3、Kimi K3 比怎么样？
按官方模型卡，工具调用（MCP-Atlas）和知识可靠性更好，编码和综合指数更低。以编码为主选 GLM 5.3 或 Kimi K3 更稳。
来源（核对于 2026-10-21）
- Meta 研究博客：Muse Spark Open 发布
- Hugging Face 模型卡：Muse-Spark-Open-816B-A42B（规格、基准、许可）
- Meta 开发者文档：Muse Spark Open
- Meta Model API：价格和限额（Muse Spark 1.3 对照价）
- Artificial Analysis：Muse Spark Open
- OpenRouter：Muse Spark Open（托管价、Vals AI、Design Arena 数据）
- Apple Machine Learning Research：MLX 分布式推理
- X @SJRonanMD：DGX Station GB300 部署实测
- X @rogerhendriks：siliconcode.ai 真实项目编码测试
