不会太久，Meta 把旗舰级模型权重全部开放
这是什么：Meta 把旗舰规模的模型权重直接开放了
10 月中旬，Meta 发布了名为 Muse Spark Open 的开放权重模型，并且在官方公告里给了个相当高的定位——「迄今最强的美国开放权重模型」。这不是 Meta 第一次开源：8 月份它开源过一个 30B 的小模型 Muse Glimmer，主打本地部署。而这次的 Muse Spark Open 属于 Spark 系列，规模直接拉到旗舰级，主体是一个约 816B 总参数、每个 token 激活约 42B 的多模态模型。
对普通读者来说，这件事一句话概括：过去你要用这种体量的模型，只能等官方 API；现在权重文件本身就能下载、自己部署、自己改。这就是「开放权重」的意义——它不是产品发布，而是把模型这东西本身交到你手里。
Muse Spark Open 的权重以 BF16 和 NVFP4 两种格式开放,BF16 版存下来就得 1.5TB 起步(图源:Unsplash)
参数配置：几个数字都是什么意思
先给不熟悉模型参数结构的读者做个通俗解释。816B 是「总参数量」，42B 是「每个 token 实际计算时用到的参数量」。Muse Spark Open 用的是 Mixture-of-Experts（MoE，专家混合）架构：模型里每一层塞了 256 个「专家」网络，但每次计算只挑 8 个出场。你可以把它理解成一个 816 人的公司，每个任务只会叫上其中 40 人左右干活，其他人待命——存储要按 816 人算，速度按 40 人算。
几个关键规格：
- 总参数：约 816B，激活约 42B（256 个专家选 8 个）
- 输入：文本、图像、音频、视频都能接（同一个模型既能看截图、也能听语音、还能看录屏）
- 输出：文本
- 上下文窗口：最高 100 万 token，图像、音频、视频和文本共用同一个窗口
- 权重格式：BF16 和 NVFP4 两种，后者专为 NVIDIA Blackwell 系列 GPU 做了 4-bit 量化
1M 上下文本身不算新鲜，但要注意它的前提：这个窗口里的多媒体内容也算 token。也就是说你可以丢进去一整个小时的会议录音（按每秒约 12.5 个音频 token 算，一小时约 4.5 万 token）加上几十张架构图，还在窗口容量之内。
想跑起来要多硬的硬件：从数据中心到账桌
先说数据中心部署：BF16 版需要 4 台 8 卡 H200 服务器（张量并行）才能用 Transformers 跑起来；NVFP4 版则一台 8 卡 B200 节点就够。这是「机构级」的门槛。
更有意思的是「个人桌面」路线。llama.cpp 已经集成了 2-bit 量化版本，oMLX（mlx-lm）的 3-bit 和 4-bit 量化也现成可用。Hugging Face 官方在一台 M3 Ultra（512GB 内存）的 Mac 上实测了 oQ3e 量化：模型占约 344GB 内存，生成速度约 21 token/s——绝对不快，但确实是「一台台式机 Sytem 能跑 816B 模型」这种以前不敢想的事。
一笔账（据 Reuters、VentureBeat 等媒体报道，媒体口径仅供参考）：Meta 展示的参考方案是两台配对的 Mac Studio 组网运行，这套组合价格大约在 1 万美元上下。对于数据不能出内网、又要长期用模型的场景，这比长期租用 816B 级别的推理服务更划算。
为什么 Meta 要把这么大的模型开放
一个明显的问题是：Meta 自己已经有线上的 Muse Spark 付费版本（此前 Spark 1.3 的智能指数就紧咬第一梯队），这跟把权重全放出去看起来矛盾。但把这几步放在一条线上看就通了：Muse Spark 1.3 是产品，Muse Spark Open 是生态。
开放权重至少带来三件事：一是吸引那些不放心把数据交给第三方 API 的机构（金融、医疗、政府背景公司）来用 Meta 的模型体系；二是让开发者社区围绕它做微调、量化、工具链——llama.cpp、vLLM、SGLang、oMLX 首发就全支持，这种生态热度是闭源 API 买不来的；三是给「美国最强开放权重」这个位置占个座。此前这个位置长期被各种小一档的开源模型占着，现在 Meta 用 816B 直接把体量标杆拔高了一大截。
能力侧的重点是 agentic coding。官方描述里，这个模型专门针对真实开发工作流训练：读整个代码库、多文件重构、长时间调试会话、跨多步的工具调用，甚至可以边看屏幕截图或录屏边改代码。换句话说，它的目标用户不是「聊天用户」，而是想让 AI 替自己干完整开发任务的人。
适合谁，不适合谁
适合：
- 想自部署前沿模型、不想受制于 API 的企业和实验室——NVFP4 版一台 B200 节点能跑
- 本地化部署要求极高的行业（数据不能出内网那种），两台 Mac Studio 组网是个新选项
- 研究大规模 MoE 架构的研究者——权重直接下载，架构细节官方全公开
不适合：
- 想在自己笔记本上完整跑的个人玩家——就算极低 bit 量化也要几百 GB 内存，Mac mini 级别的设备基本无缘
- 只想找个 API 直接调的开发者——那不如直接用 Meta 的线上 Muse Spark 版本，没必要自找麻烦
- 追求最快响应速度的场景——42B 激活的桌面量化版生成速度大约 20 tok/s 上下，实时对话会嫌慢
怎么开始用
权重已经在 Hugging Face 上，仓库名是 meta-models/Muse-Spark-Open-816B-A42B（NVFP4 版在同系列另一个仓库）。推理侧支持矩阵首发就相当齐：Transformers 原生支持，llama.cpp 已进预编译二进制，vLLM 和 SGLang 有官方部署配方，oMLX/mlx-lm 面向苹果芯片。llama.cpp 用户一条 llama serve -hf ggml-org/Muse-Spark-Open-816B-A42B-GGUF:Q2_K 就能起本地服务。
一句话收尾：816B 开放权重这件事不一定马上改变你我的日常，但它把「开放权重模型的天花板」抬到了旗舰级——接下来几个月，看其他家跟不跟。
参考来源
- Meta AI 官方博客：Introducing Muse Spark Open
- Meta AI 官方 X：发布声明
- Hugging Face 官方博客：Welcome Muse Spark Open
- Reuters：Meta releases open-weight Muse Spark model
- PyTorch 官方博客：Muse Spark Is Now an Open-Weights Model