Meta Muse Spark Open 发布但编码基测输给智谱、Kimi

Meta 宣布开放权重 Muse Spark Open 模型，定位为美国最强开源模型，总参数量 8160 亿，激活参数 420 亿，支持 1M token 上下文及多模态输入。该模型采用稀疏混合专家（MoE）架构，主要面向软件工程、长程任务执行和多步推理等智能体场景，并可通过 MLX 框架在两台 M5 Ultra Mac Studio 上实现分布式本地部署。

尽管 Meta 宣称其为最强，但在编程相关基准测试中表现未达预期：Terminal-Bench 2.1 得分为 76.4，DeepSWE 1.1 为 60，均低于国产开源模型 GLM 5.3 max 和 Kimi K3 max。此外，其许可证包含商业条款限制，若企业通过 API 提供模型即服务且年总收入超过 2000 万美元，需签订单独协议。社区反馈显示，用户对基准成绩持保留态度，同时关注实际使用体验与成本。

关于本地部署的技术细节，文章指出 8160 亿参数无法仅靠单机内存容纳，需依赖量化（如 NVFP4）降低存储需求，并结合多台机器分布式推理。算子加速（如 Helion GPU 算子）虽可达 3.95 倍，但受限于内存带宽和跨设备通信，端到端加速效果有限。安全方面，开放权重意味着外部监测机制不再自动生效，风险取决于工具权限和环境控制。

事实：Muse Spark Open 已发布，参数规模 816B，激活 42B，基准测试得分低于部分国产模型。 推断：大型开源模型竞争正从参数规模转向实际部署能力与单位经济效率。 猜测：用户提到的“Muse 系列实际体验优于 Gemini 4 Argon”可能受提示词优化或特定任务适配影响，需更多验证。