Meta 发布的开源权重模型 Muse Spark Open 已进入 Arena，可在 Agent Arena 中实测，成绩即将公布。Agent Arena 基于全球用户提交的百万级真实长程智能体任务评测模型，模型可调用网页搜索、文件系统和终端工具，排行榜用因果追踪方法衡量模型相对平均模型的结果表现。该模型同时上线 Code Arena 的 WebDev、Image-to-WebDev、Text 和 Vision 项目。
匹配字段标题、摘要、正文
Meta 发布开源权重模型 Muse Spark Open，总参数 816B、激活 42B（MoE），在 Artificial Analysis Intelligence Index 上得分 39，成为该榜单上得分最高的美国开源权重模型。它比 Meta 今年 8 月的 30B 稠密开源模型 Muse Glimmer（high，17）高 22 分，也领先同日发布的 NVIDIA Nemotron 3.5 Super VL（26）。该模型上下文窗口 1M tokens，支持文本、图像、视频和音频输入，权重以 BF16 和 NVFP4 格式发布在 Hugging Face，API 可通过 Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter 和 Together AI 获取。
匹配字段标题、摘要、正文
Meta 于 10 月 15 日公开 Muse Spark Open 权重，这是一个原生多模态开源模型，总参数 816B、激活参数 42B，上下文窗口 1M token，面向编码与长程智能体任务。模型采用 MoE Transformer 加 Perception Encoder 架构，可通过 Baseten、Fireworks AI、Groq 等 API 平台调用，权重在 Hugging Face、Amazon SageMaker AI、Google Cloud Model Garden 等处下载，本地运行 NVFP4 版本需至少 700GB 显存。Meta 称其为首个能在桌面端运行的同级模型，用两台搭载 M5 Ultra 的 Mac Studio 配合 MLX 框架即可承载；模型卡显示其 Artificial Analysis 智能指数为 39，低于表中 GLM 5.3 的 45 和 Kimi K3 的 44。
匹配字段标题、摘要、正文
Meta 发布 Muse Spark Open，一个 816B 参数、42B 激活参数的开源权重模型，采用 100 万 token 上下文窗口，可通过 Baseten、Fireworks AI、Groq、OpenRouter 等 API 调用，权重可从 Hugging Face、Amazon SageMaker AI、Google Cloud Model Garden 等下载。Meta 称其面向编码与智能体任务，在 JobBench、MCP-Atlas 等智能体与工具调用基准上领先 Kimi K3、GLM 5.3 和 Qwen3.8，但在 Terminal-Bench 2.1 和 DeepSWE 1.1 等编码基准上落后。模型采用 Muse Model License，年营收超过 2000 万美元的公司需先通知 Meta 并签署单独协议才能提供模型服务，且使用方须在产品界面显著标注 Built with Muse Spark Open。
匹配字段标题、摘要、正文
Meta 发布 Muse Spark Open 的开放权重，该模型自 4 月首发以来一直闭源，此次面向编码和长时间运行的智能体任务开放。模型总参数 816B，每个 token 仅激活 42B，提示词可混合文本、图像、音频或视频，上下文窗口最高 100 万 token。在 Meta 自己的基准表中，Muse Spark Open 在 JobBench 智能体测试得 61.8 分，高于 Thinking Machines Lab 的 Inkling（31.1）和 Nvidia Nemotron 3 Ultra（27.2）；编码测试 Terminal-Bench 2.1 得 76.4，低于 Kimi K3 的 85、GLM 5.3 和 Qwen3.8；工具调用 MCP-Atlas 得 89.2，高于 Meta 列出的所有对手。权重采用新的 Muse Model License，开发者适配或内置到自有软件中不收费，但将其作为托管服务出售且 12 个月总收入超过 2000 万美元的公司需另签协议，产品需标注 Built with Muse Spark Open，禁止军事和关键基础设施用途。发布时有 7 家推理服务商提供托管访问，权重可从 Hugging Face 及 AWS、Google、Microsoft 的模型目录下载。
匹配字段标题、摘要、正文
Meta 发布开源权重模型 Muse Spark Open，称其为目前美国最强的开放权重模型，采用原生多模态架构，总参数 816B、激活 42B，上下文窗口 1M token，面向编码与智能体任务。该模型基于 Apple 最新版 MLX 针对搭载 M5 Ultra 的 Mac Studio 优化，两台机器可合计提供 1TB 统一内存运行完整模型，现已通过 Hugging Face 提供。Meta 称已用 Muse Code 在本地测试智能体工作流，包括向开源 Mastodon 客户端 Ice Cubes 提交 iOS 改动，以及驱动 DaVinci Resolve 逐帧筛选素材并竖版裁切。
匹配字段标题、摘要、正文
Meta 发布 Muse Spark Open，称其为迄今能力最强的美国开源权重模型，总参数 816B、激活参数 42B，上下文窗口 100 万 token，面向编码与智能体任务。该模型与 Apple 合作适配 Mac Studio，可在两台 512GB M5 Ultra Mac Studio 上通过 MLX 框架运行；512GB 版 Mac Studio 尚未发售，预计本月晚些时候推出。模型权重可从 Hugging Face、Amazon SageMaker AI、Google Cloud Model Garden 和 Microsoft Foundry Models 下载，也可通过 Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter 和 Together AI 的 API 使用，免费下载并采用允许有限商业用途的许可。
匹配字段标题、摘要、正文
Meta 于当地时间 10 月 15 日发布开放权重 AI 模型 Muse Spark Open，官方宣称其为迄今能力最强的美国开放权重模型。该模型采用原生多模态架构，总参数量 816B（激活参数 42B），支持 1M token 上下文窗口，专为代码构建与智能体协作设计。模型权重已上线 Hugging Face、Amazon SageMaker AI、Google Cloud Model Garden 与 Microsoft Foundry Models，并适配 SGLang、vLLM、TensorRT-LLM 等推理引擎。
匹配字段标题、摘要、正文
Meta 发布 Muse Spark Open 的模型权重，这是一个 816B 参数、推理时激活 42.7B 的开源权重全模态 MoE 模型，与 Muse Code 联合训练，面向编码智能体工作流，支持 1M token 上下文和文本、图像、视频、音频输入。它采用压缩 MoE 块和全局/局部混合注意力，在 128K 上下文下把 KV cache 内存降低约 3.7 倍。Baseten 已在其 Model APIs 和 Dedicated Inference 上以 NVFP4 提供该模型，权重体积从约 1.6 TB 降至 540 GB，可运行在单台 4×GB300 节点上。
匹配字段标题、摘要、正文
Meta 发布开源权重模型 Muse Spark Open，称其为美国最强的开源权重模型，面向编码与智能体任务，拥有 8160 亿参数（激活 420 亿）、最高 100 万 token 上下文，支持文本、图像、视频和音频。Meta 称其在 JobBench、MCP-Atlas、HLE-Diamond、ZeroBench 等基准上多个类别领先 Qwen 3.8、GLM 5.3 和 Kimi K3，但仍明显落后于 Meta 付费的 Muse Wonder Full 模型。该模型针对 Apple M5 Ultra 优化，可在两台各配 512 GB 统一内存的 Mac Studio 上本地运行，权重已发布在 Hugging Face；许可免费使用但需标注 Built with Muse Spark Open，年收入超过 2000 万美元且想以 API 形式提供该模型的服务商需与 Meta 另行签约。
匹配字段标题、摘要、正文
Meta 发布编码优化的 816B MoE 模型 Muse Spark Open，每 token 激活 42B 参数，通过 256 个专家中 top-8 路由，支持 1M token 上下文窗口。该模型在 NVIDIA GB300 NVL72 Blackwell Ultra 上训练，面向智能体编码工作流，具备工具调用、子智能体协调与计算机使用能力，并通过 1.8B 感知编码器原生处理交错的文本、图像、视频帧和音频。Meta 生成的 NVFP4 检查点已针对 Blackwell Ultra 优化，权重可从 Hugging Face 下载，NVIDIA 同时提供 NIM 部署方案。
匹配字段标题、摘要、正文
Meta 发布开源权重模型 Muse Spark Open，称其为美国最强开源权重模型，采用 8160 亿参数和 100 万 token 上下文窗口，原生多模态，面向复杂编码任务和智能体工作。该模型可本地运行在 Apple 电脑上，但至少需要 1TB 内存，在搭载 M5 Ultra 芯片的 Mac Studio 上运行效果最佳。Meta 将其与 AI 编码终端 Muse Code 配合，用于 Mastodon 客户端的 bug 修复、新功能和完整构建，以及 DaVinci Resolve 的视频素材审阅与裁剪，目前该模型已通过多个 API 平台开放。
匹配字段标题、摘要、正文
Meta 发布开放权重大模型 Muse Spark Open，采用混合专家架构，总参数量 8160 亿、活跃参数 420 亿，上下文窗口达 100 万词元，专为编码与智能体任务设计。该模型与苹果合作，基于 MLX 针对 M5 Ultra 的 Mac Studio 优化，连接两台机器即可运行整个模型，同时兼容英伟达、AMD 和英特尔芯片及多种主流推理引擎。Meta 公布的六项对比测试中该模型排名第一，但在软件开发等部分任务上 Kimi、千问、智谱等中国开源模型仍占优势。
匹配字段标题、摘要、正文
Meta 发布 Muse Spark Open 开源模型，称其为迄今能力最强的美国开放权重模型，总参数量 8160 亿，原生多模态，擅长长周期任务、复杂软件工程和多步推理。Meta 与 Apple 合作，使该模型可在两台搭载最新 MLX 框架的 Apple M5 Ultra Mac Studio 上本地运行，Apple 同时发布技术文章介绍 MLX 及该模型。Meta CEO Mark Zuckerberg 与 Apple CEO John Ternus 在 X 上互相致意，Meta 首席 AI 官 Alexandr Wang 称两家公司已合作数月。
匹配字段标题、摘要、正文
Meta 发布 Muse Spark Open 的开放权重，采用 Muse Model License 在 Hugging Face 上线，为 816B 总参数、42B 激活参数、1M token 上下文窗口的模型，原生多模态并面向编码与智能体任务。该版本在 Muse Spark 基础上增加安全后训练，可在 SGLang 和 vLLM 上运行，并针对 NVIDIA、AMD、Intel 优化。PyTorch 侧集成 Helion 内核，在 NVIDIA GB300 上相比 CUDA、CuTe DSL 自定义内核取得 1.03–3.95x 加速，AMD Mi350 端到端吞吐提升 3%；TorchTitan 已支持其 SFT、LoRA 与 TitanRL 微调。
匹配字段标题、摘要、正文
Meta 发布开源权重前沿多模态 MoE 模型 Muse Spark Open，总参数 816B，每个 token 激活约 42B 参数，面向编码与智能体任务，支持文本、图像、视频和音频输入，上下文窗口 1M token。模型提供 BF16 与 NVFP4 两种 checkpoint，NVFP4 面向 NVIDIA Blackwell GPU，并已集成 transformers、llama.cpp、vLLM、SGLang 和 MLX，官方还给出在 64 张 H100 上用 TRL 训练 LoRA 适配器的微调配方。
匹配字段标题、摘要、正文
Meta 发布首个前沿模型系列 Muse Wonder，包含 Muse Wonder 和 Muse Wonder Full 两个型号，重点面向个人与专业智能体任务，引入主动记忆和主动专注能力。在 DeepSWE 1.1 和 SWE-Marathon 测试中，Muse Wonder Full 得分超过 Claude Fable 5.1、GPT-6 Astra 和 Claude Opus 5.5；Artificial Analysis 榜单最高推理强度下两款模型 Intelligence Index 分别为 52 分和 56 分。Muse Wonder 每百万输入 Token 定价 4 美元、输出 20 美元，Muse Wonder Full 已上线 API 平台并对 Muse Code 订阅者开放。
匹配字段标题、摘要、正文
Meta 周一发布 Muse Wonder 和 Muse Wonder Full 两款模型，面向个人与职业智能体任务，由 Muse Spark 模型驱动，在 Muse 个人智能体基础上扩展到法律、金融、健康等职场领域。两款模型引入 Active Memory 和 Active Focus，前者可跨对话或任务记住关键信息，后者在首次方法失败时尝试替代方案。Meta 称这是其首批与 Anthropic、OpenAI、Google 竞争的前沿模型，也是把个人超级智能带给客户的下一步。
匹配字段标题、摘要、正文
Meta 于 2026 年 10 月 12 日发布面向 AI 智能体的模型 Muse Wonder 和 Muse Wonder Full，支持编码与专业文档理解，当日即可在 Meta Model API 和 Muse Code 中使用，Full 仅限 Power Usage 或 Maximum Usage 套餐用户。两款模型支持文本、图像、视频、音频输入并输出文本，推理时上下文长度达 100 万 token，具备跨对话提取信息的 Active Memory 和持续尝试的 Active Focus 能力。在 Meta 内部 MemoryBench 评测中，Muse Wonder 得 85.6、Full 得 85.5，高于 GPT-6 Astra 的 81.4、Claude Fable 5.1 的 79.0 和 Claude Opus 5.5 的 81.5；编码评测中两者在 DeepSWE 与 SWE-Marathon 上领先，但 Terminal-Bench 上 Full 低于 GPT-6 Astra 和 Claude Opus 5.5。
匹配字段标题、摘要、正文
Meta 发布 Muse Wonder 和 Muse Wonder Full 两款面向长时智能体任务的模型，覆盖编码、法律、金融和计算机操作场景。Muse Wonder 已在 Meta Model API 和 Muse Code 上线，支持 1M token 上下文，输入文本、图像、视频和音频，定价为每百万 token 输入 4 美元、输出 20 美元；Muse Wonder Full 仅限付费 Muse Code 套餐，Power 每月 50 美元、Maximum 每月 200 美元。基准方面，Muse Wonder 在 MemoryBench 得 85.6，为所列 5 个模型中最高，但在 ProgramBench 得 50.0，低于 Claude Opus 5.5 的 70.5。
匹配字段标题、摘要、正文