Meta 於 10 月 15 日釋出 Muse Spark Open 的權重，模型放在 Hugging Face 上，依 Muse Model License 授權。這是 Muse Spark 系列首度開放權重：總參數 8160 億，每個 token 啟用 420 億，上下文視窗 100 萬 token，原生支援影像、音訊與影音輸入。Meta 在 PyTorch 官方部落格中形容它是 “the most capable US open-weight model to date”（迄今美國能力最強的開放權重模型）。
開放版與同日推出的 Muse Spark 1.3 共用同一個基礎模型，差別在後訓練。開放版額外進行了一輪安全後訓練，Meta 的說法是，讓它在脫離系統層級防護、單獨部署時更難被濫用。依 Meta 自家的 Superintelligence Scaling Framework 評估，模型已達到發布門檻；完整評估報告尚未公布，官方只說「即將發布」。
主打程式設計與智慧代理
Meta 對它的定位相當聚焦：程式設計與智慧代理任務。訓練資料包含多檔案重構、除錯過程與長時間執行的任務，官方強調首次嘗試的準確率與工具呼叫的穩定性。在智慧代理方面，模型經過訓練，能處理跨多個網站的長鏈任務，可以拆出子代理分工，桌面、手機與瀏覽器上的電腦操作則是統一訓練。它也會在動手之前，另外輸出一段說明，交代打算做什麼。
Meta 研究部落格雖然設有 Key Benchmarks 一欄，文字部分卻沒有列出任何分數，第三方榜單的成績還得再等。Arena 已將它放進 Agent Arena，評分尚未公布。
兩台 Mac 跑得動嗎
Meta 提出的桌機方案是兩台 M5 Ultra Mac Studio，每台最高 512GB 統一記憶體，搭配最新版 MLX。蘋果機器學習研究團隊同日發表實測：NVFP4 量化後權重約 493GB，再加上推論過程的中間記憶體，單台放不下；兩台採流水線平行每秒 15.74 個 token，改成張量平行則為 24.99 個，四台張量平行為 36.73 個，測試上下文為 8192。機器之間透過 macOS 26.2 引入的 Thunderbolt 5 RDMA 驅動連線，每兩台之間接兩條線材。
在雲端上跑得更快。SGLang 與 vLLM 首日即支援，Together AI、Modal、OpenRouter 都已上架。Together 的無伺服器報價為每百萬輸入 token 1.25 美元、輸出 4.25 美元，快取輸入 0.15 美元，太平洋時間 10 月 18 日中午前限時免費。
Meta 也藉這次發布推廣自家的 PyTorch 工具鏈。模型附帶以 Helion 撰寫的算子，包括 RoPE、RMSNorm 與量化等，Meta 稱在 NVIDIA GB300 上比用 CUDA、CuTe DSL 手寫的核心快 1.03 到 3.95 倍；同一套核心直接移植到 AMD MI350，端到端吞吐量約提升 3%。微調可使用 TorchTitan，支援多輪 SFT、LoRA 與強化學習。
從閉源到開放
把 Meta 這條產品線串起來看。Muse Spark 首度推出時是 Meta 的第一款閉源模型，與 Llama 時代的路線分道揚鑣；8 月的 1.2 版同時帶出了程式設計產品 Muse Code；此前 Meta 還發表過一款小尺寸稠密模型 Muse Glimmer，主打端側裝置。如今 Spark 本身也開放了權重，Meta 的模型線變成閉源迭代版與開放版並行：同一個底座，差一層安全後訓練。
這套安排讓 Meta 兩頭都能兼顧。閉源版繼續在 Muse 產品與 API 中收費，開放版則去爭取開發者與推論服務商的首發支援；從 SGLang、vLLM 到幾家雲端服務商，第一天就全數跟進，這一步已經做到了。
授權條款仍是未知數。Meta 只寫了「有限的商業條款」，稱許多開發者可免費使用，部落格中沒有載明商用門檻，也沒有說明是否沿用 Llama 授權依月活躍用戶數設限的做法。條款全文以 Hugging Face 頁面為準，企業若要商用，得先把這份授權讀完。
參考來源：PyTorch 官方部落格、Meta 研究部落格、CocoLoop、蘋果機器學習研究部落格、Together AI；Together 價格頁用於核對每百萬 token 報價與免費期，蘋果實測用於核對量化體積與每秒 token 數。