Concitech AI · 深度长文
2026/10/16 07:42
Meta 开放 8160 亿参数模型:700GB 显存,商用有门槛
Meta 发布 Muse Spark Open,规格包括 8160 亿总参数、420 亿激活参数与百万 Token 上下文。本文介绍模型能力、显存要求、官方评测和 Muse 许可条款,拆解开放权重与部署成本、商业使用之间的区别。

Meta 交出了 Muse Spark Open 的模型权重。
官方公告的发布日期是 2026 年 10 月 15 日。这款模型的总参数达到 8160 亿,定位是编程、多步推理和 Agent 工作流,输入覆盖文字、图像、视频与音频。Meta 公告
“开放权重”给开发者带来下载、自托管和定制模型的入口。模型的部署门槛与商业条款,构成另一半新闻。
NVFP4 版本的官方最低显存要求是 700GB。Muse 许可证包含署名义务、用途限制,以及特定模型服务业务的额外协议要求。
模型文件的获得,算力的拥有,商业使用的许可,是三个问题。
8160 亿参数,420 亿参与单个 Token 计算
Muse Spark Open 采用稀疏混合专家架构,英文缩写是 MoE。其总参数是 816B,单个 Token 的激活参数是 42B。两者对应中文数字 8160 亿与 420 亿。
模型拥有 256 个专家,每个 Token 的路由选择其中 8 个。专家选择减少了单个 Token 的计算规模,完整模型权重的装载占用存储与显存。Meta 开发者文档给出了这项区别。架构与部署文档
一个通俗的类比是图书馆:一次查阅涉及几排书架,整座图书馆占据的空间取决于全部藏书。这个类比解释计算与存储的区别,省略了真实推理系统的分片、通信与缓存细节。
官方规格中的上下文窗口是百万 Token;开发者文档列出的精确上限是 1,048,576 Token。Token 是模型处理内容的单位,区别于汉字数和页数。
输入支持四种模态,输出是文字。视频理解和音频理解属于输入能力,视频生成与语音生成属于另一类能力。
编程任务需要处理源码、日志、界面截图和操作说明。多模态输入给这些材料提供了共同入口,输出代码的正确性需要编译、测试和人工审查。
700GB 显存,究竟是什么门槛
Meta 提供 BF16 与 NVFP4 两种权重版本。开发者文档列出的权重体积是:BF16 约 1.65TB,NVFP4 约 537GB。
权重文件的大小,区别于运行中的显存需求。KV Cache、激活值和推理框架占用额外空间。模型卡给出的最低显存要求是 NVFP4 700GB、BF16 2TB。官方模型卡

这些数字描述的是部署预算的起点。并发会话、上下文长度、推理精度和运行框架影响实际配置;一份下载清单缺少推理服务的完整成本信息。
Meta 的桌面方案使用两台 M5 Ultra Mac Studio,每台配置 512GB 统一内存,运行框架是 MLX。官方公告展示了编程与视频编辑工作流,缺少这套桌面配置的完整速度、并发和成本对照。
“两台桌面电脑运行模型”是一项特定硬件配置的展示。普通个人电脑的配置,缺少承接这项结论的依据。统一内存、GPU 显存与模型文件体积的数字,具有不同含义。
团队的部署比较需要同一组任务:相同代码仓库、相同完成标准、相同并发量,以及一次任务的实际耗时。硬件价格、维护成本与失败重试构成自托管与 API 的成本对照内容。
它擅长什么,评测说了多少
Meta 的定位是长流程任务:模型规划步骤、调用工具、处理失败、修改代码,完成跨文件的软件工程工作。
NVIDIA 的技术介绍描述了这类任务与单次补全的差异:一个函数的生成具有局部上下文,一次多文件重构涉及代码导航、测试反馈和任务恢复。该介绍属于发布合作方材料,性能描述保留厂商归属。NVIDIA 技术介绍
Meta 模型卡的对照表给出了优势与落差。
MCP-Atlas 一项,Muse Spark Open 的成绩是 89.2;表中的 Qwen3.8 是 84.5,GLM 5.3 是 84.2。Terminal-Bench 2.1 一项,Muse Spark Open 是 76.4,GLM 5.3 是 83.9,Kimi K3 是 85.0。
前一项关注工具使用,后一项涉及终端环境中的任务执行。同一张表里的结果支持能力差异,缺少“所有编程任务第一”的结论。
这组成绩来自 Meta 公布的评测表,Muse 使用 xhigh 推理设置。表中的终端测试采用 Terminus 2 Agent;其他测试具有对应的工具或执行框架。它们构成厂商披露的横向比较,区别于本文完成的独立复现。
一个团队关心的结果,是自己的 Bug 修复成功率、回归测试结果、代码审查负担和单次任务成本。榜单帮助筛选候选模型,仓库测试决定接入选择。
商用许可:一条 2000 万美元的分界
Muse Model License 授予使用、修改、微调、蒸馏和分发等权利。许可正文要求保留版权声明、许可证与使用政策,并展示指定署名。
署名文字是 Built with Muse Spark Open。展示位置包括产品界面、配套文档、网站或设置菜单。条款中的衍生模型定义包含使用模型输出进行训练或改进的模型。
第 3 条关注 Model as a Service,即模型服务业务。触发判断包含两项条件:业务是第三方模型访问与输出的 API 或类似服务;许可使用者与关联方的合计总营收超过 2000 万美元,统计期是任意连续 12 个月。
条款要求这类业务通知 Meta,并签署另一份书面协议。营收口径是公司与关联方的合计总营收,区别于这个模型产生的收入。

第 3 条的例外包含内部使用、研究、模型服务以外的商业活动,以及自身非模型服务产品的功能组件。其余署名义务和使用政策具有另外的适用要求。
例如,企业内部代码助手与第三方模型 API 平台具有不同的业务性质;一个带 AI 功能的产品,与一个出售模型访问的服务,需要对应的条款判断。产品名称缺少决定业务分类的效力,服务内容与合同关系是审查对象。
使用政策涉及违法活动、侵权、恶意代码、具有伤亡风险的军事等活动,以及未经授权或缺少执照的专业服务。年龄相关文字包含未成年人部署的风险评估要求,绝对禁用的概括丢失了模型卡的语境。
这些是许可文本的摘要,商业上线需要完整条款与具体业务的合规审查。Muse 许可与使用政策
开放的是模型控制权,接手的是运行责任
开放权重给企业增加了选择:数据处理边界、推理配置、版本固定和模型定制进入自身控制范围。
控制权带来运维、安全与验证工作。模型读取私有仓库、执行终端命令和接触生产数据,需要工具权限、日志与危险操作确认机制。
Meta 模型卡提醒,量化与下游修改存在质量和安全行为变化,发布检查点的测试结果缺少覆盖所有下游配置的保证。Agent 的执行能力与部署系统的安全性,是不同层次的验收对象。
一项合适的试点,是一个隔离仓库、一组历史问题和固定的测试环境。验收记录包含修改结果、测试覆盖、人工修正与总成本。这是本文的工程建议,区别于 Meta 的能力承诺。
Muse Spark Open 的价值,是一个大规模多模态 Agent 模型的权重交付。它的采用需要任务效果、硬件预算与许可审查的验收。
下载入口解决文件获取。上线决定需要另一份验收报告。
