Muse Spark Open 上架 Arena，可在 Agent Arena 实测，评分即将公布

核心亮点

Arena 宣布 Meta 的 Muse Spark Open 已经进入智能体竞技场（Agent Arena），普通用户现在就能上去实测、打分，正式排行榜分数随后公布。这不是又一个只看静态跑分的模型，而是把它放进真实智能体任务里让用户用脚投票。模型本身规格不低：总参数 816B、每 token 激活 42B、上下文长达 1M token，并且原生支持图像、音频、文档的多模态能力。

具体能力

Muse Spark Open 的定位是"能干活的多模态大模型"。816B 总参、42B 激活的 MoE 结构，意味着它脑子大但单次推理省，1M 上下文让它有超长记忆力，适合长文档、长对话、长任务。多模态原生支持图像、音频、文档，意味着它能看图、听声、读文件，而不是靠后期拼接。上 Agent Arena 则让它接受真实操作任务的检验，比单纯的问答评测更贴近落地。

技术细节

MoE 架构下，816B 总参中只有 42B 被激活，这是它能在合理成本下提供旗舰级能力的根本原因。1M token 上下文依赖高效的长序列注意力机制和相应的训练策略。多模态原生设计通常意味着在预训练阶段就把不同模态对齐进统一表示，而不是后期接一个视觉编码器凑数。开放权重（以 Muse Model License 提供）则让研究者和开发者能本地部署、微调与审计。

与竞品对比

和同级别的超大 MoE 模型（如 DeepSeek、Kimi、Ling 系列）相比，Muse Spark Open 的差异化在于"多模态原生 + 智能体实测"的双重标签，以及 Meta 在 Agent Arena 上的社区运营。许可证（Muse Model License）相对宽松但有边界，和完全 Apache 2.0 的模型比自由度略低。对开发者来说，多一个高质量的开放多模态选择总是好事，尤其当它能跑长上下文智能体任务时。

行业影响或适用场景

把模型放进 Agent Arena 公开实测，是评测范式从"实验室跑分"走向"社区真用"的信号。对 Meta，这是用开放换取生态与真实反馈；对开发者，这是提前体验下一代多模态智能体的机会。在客服、文档处理、多模态助手等需要长记忆和跨模态理解的场景，这类模型有天然优势，也为企业私有化部署提供了一个强选项。