Meta开源Muse Spark：开放权重但非开源，商用有三重枷锁

Meta于10月15日发布了Muse Spark Open的模型权重——一个原生多模态混合专家模型，总参数816B，每token激活42B，上下文窗口达到100万token，主攻编程和智能体任务。Meta官方称其为"迄今最强的美国开放权重模型"。这句话出自Meta自己的博客，依据的是Meta自己发布的基准测试表格。

发布内容与技术规格

权重已在Hugging Face上线，提供BF16和NVFP4两种检查点，同时登陆Amazon SageMaker AI、Google Cloud Model Garden和Microsoft Foundry Models。托管API也在同一天由Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter和Together AI等平台提供。

运行时支持SGLang、vLLM、TensorRT-LLM、Transformers、MLX、llama.cpp和Unsloth。Meta甚至演示了它在两台各配512 GB内存的Apple M5 Ultra Mac Studio上运行。

根据Hugging Face模型卡，架构上每个MoE层有256个专家，每token路由8个，支持文本、图像、音频和视频输入，输出为文本。

为什么值得关注

2026年大部分时间里，开放权重模型的领先位置由Qwen、Kimi、GLM等中国实验室占据。Muse Spark Open是一个美国实验室的回应：一个体量大、面向智能体场景、可以真正下载并自托管的模型。

混合专家（MoE）架构：传统稠密模型对每个token都会激活全部参数，而MoE在每一层放置多个并行的"专家"子网络，由路由器根据token内容只激活其中少数几个。Muse Spark Open在每层设有256个专家、每token路由8个，因此计算路径只占参数总量的一小部分。这种设计让模型可以拥有极大的知识容量（总参数816B），同时把单token计算量压到与42B模型相当的水平。代价是全部专家权重仍需存储和加载，这也是显存需求远高于激活规模的根本原因。

NVFP4与BF16精度：BF16是16位浮点格式，保留较高的数值动态范围，是训练与推理的常用默认精度；NVFP4是NVIDIA提出的4位浮点微缩放格式，通过共享缩放因子在极低位宽下尽量维持精度。位宽越低，权重占用的显存越少、推理吞吐越高，但可能带来轻微的质量损失。这解释了为何同一模型在NVFP4下约需700 GB显存，而BF16下需约2 TB。

被多数报道忽略的三件事

激活参数不等于总参数

42B激活参数决定了每个token的计算量，但全部816B权重仍然需要驻留在显存中。模型卡要求NVFP4精度下约700 GB显存，BF16下约2 TB。单token推理成本可能不高，但托管成本非常高。

许可证不是OSI开源协议

Muse Model License开头读起来像MIT（"免费……无限制"），但随后附加了条件：

**第二条：**任何使用该模型或"衍生品"的产品，必须在界面、文档、网站或设置中显著展示"Built with Muse Spark Open"。这里的"衍生品"包括任何"使用本软件或其输出/结果进行训练、修改（含微调）、蒸馏或其他方式改进"的模型——你在Muse输出上微调一个小模型，也算衍生品。

**第三条：**如果你通过API销售模型访问权（"Model as a Service"），且集团在任意12个月内的总收入超过2000万美元，必须先与Meta签署单独协议。内部使用、研究和为自己的产品提供功能则不受此限制。

随附的使用政策还禁止将模型用于运营关键基础设施、交通技术或重型机械，并声明模型不适用于18岁以下用户。

OSI开源协议与"开放权重"的区别：经OSI（Open Source Initiative）认证的开源协议，如MIT、Apache 2.0，必须允许任何人自由使用、修改、分发，且不得对使用领域或商业模式附加歧视性限制。而"开放权重"（open-weight）仅指模型参数可下载，许可证可以附加署名、收入门槛、用途限制等条件。Muse Model License就属于后者：它授予下载和自托管的能力，却在署名、API转售和可接受用途上设置了约束，因此不应被当作开源软件对待。

衍生品与蒸馏：蒸馏通常指用一个强模型（教师）的输出作为训练信号，去训练一个更小的模型（学生）。按照Muse Model License的定义，凡是用该模型的输出或结果进行训练、微调、改进的模型，都属于"衍生品"，同样需要履行显著的"Built with Muse Spark Open"署名义务。这一条对做数据蒸馏或指令微调的小团队影响尤为直接。

基准测试是自报的

Meta表示更完整的评估报告即将发布。目前独立榜单显示，Muse Spark Open在通用智能评分上落后于最强的中国开放模型。多源信息（Meta公告、Hugging Face模型卡、许可证文本）在技术规格上相互印证，但在能力排名上仅有Meta单方面数据。

事实与预测的边界

以上内容均来自Meta公告、Hugging Face模型卡和许可证文本。以下是个人判断而非事实：大多数团队会通过托管API而非本地硬件来使用它；对于运行蒸馏流水线的小团队来说，衍生品条款的影响会大于2000万美元条款。

实际建议

1. 在基于它构建任何东西之前先读LICENSE.md，尤其是你计划蒸馏或在其输出上微调时。
2. 在交付产品的界面、文档或设置中加上"Built with Muse Spark Open"。
3. 在信任任何排行榜之前，先通过托管端点跑20到50个你自己的真实任务。

参考来源：

• Meta AI Research, Introducing Muse Spark Open
• Muse Model License (Hugging Face)
• Hugging Face launch post

（本文由AI辅助撰写并经人工校对）