Meta 发布开源权重模型 Muse Spark Open，816B 参数、1M 上下文

核心亮点

Meta 正式发布并开源权重的 Muse Spark Open 模型，权重已在 Hugging Face 以 Muse Model License 提供，可直接下载研究和部署。规格上它总参数 816B、每 token 激活 42B、上下文 1M token，主攻编码与智能体工作流，并且原生支持图像、音频、文档的多模态理解。相比 8 月发布的版本，这次重点补了"安全后训练"，让模型在开放的同时更可控。

具体能力

开源权重意味着开发者可以本地跑、微调、蒸馏，而不必被 API 调用绑住。816B 总参、42B 激活的 MoE 结构兼顾能力强与推理省，1M 上下文适合处理超长代码库、长文档和长任务链。原生多模态让它能在智能体流程里看图、听声、读文件，配合编码与 Agent 定位，很适合做"会自己调用工具、能理解多模态输入"的自动化助手。

技术细节

MoE 架构是它低成本高性能的关键：每次推理只点亮一部分专家。1M 上下文需要高效长序列机制，否则注意力开销会爆炸。原生多模态通常来自预训练阶段的对齐，而不是后期接模块。Muse Model License 比 Apache 2.0 有更多使用边界（如不能用于某些商业或衍生限制），开发者接入前要读清条款。安全后训练（safety post-training）则是在开放权重前提下，用额外对齐步骤降低危险输出。

与竞品对比

和 DeepSeek、Qwen、Ling 等开放权重旗舰比，Muse Spark Open 的卖点是"多模态原生 + 智能体导向 + Meta 背书"。许可自由度不如完全开源的模型，但 Meta 的品牌和 Agent Arena 生态是加分项。对开发者，多一个西方来源的强大多模态开放模型，能在地缘和许可上提供备选。

行业影响或适用场景

Meta 持续开源权重，是在用"开放换生态"和中美之外的第三极选择。对需要长上下文、多模态、能跑智能体任务的团队，这是个强选项。安全后训练也回应了"开源模型失控"的担忧，可能成为大厂开源的标配。企业做私有化部署、研究者做智能体实验，都能直接受益。