AI-translated from English; not yet reviewed by a fluent editor.
# Meta 发布 Muse Spark Open 权重与部署指南
> Meta 于10月15日发布 Muse Spark Open 权重。BF16 和 NVFP4 检查点、托管 API 及 Muse Model License 为开发者提供了多种路径，各有不同限制。
By BIG CHANGE Editorial
Published: 2026-10-16T06:43:13.531Z
Updated: 2026-10-16T06:43:13.531Z
Canonical: https://bigchange.ai/blog/meta-muse-spark-open-weights-serving-license
AI-generated conceptual illustration by BIG CHANGE; no Meta equipment, actual deployment or BIG CHANGE test is depicted.
Meta 于2026年10月15日发布了 Muse Spark Open 权重。团队现在可以[下载 Meta 的 BF16 或 NVFP4 检查点](https://dev.meta.ai/docs/muse-spark-open/get-the-model)，在自己的硬件上运行受支持的格式，或通过首发合作伙伴调用模型。这个选择很重要：完整检查点的权重约为1.65 TB，NVFP4 检查点约为537 GB，而托管端点有各自的访问和价格条款。BIG CHANGE 查阅了发布文档、模型卡、部署指南和许可。我们没有下载或运行该模型。
Meta 将 Muse Spark Open 描述为稀疏混合专家模型，总参数量为8160亿，每个 token 约激活420亿个参数。它接受文本、图像、视频和音频输入，输出文本。[模型文档](https://dev.meta.ai/docs/muse-spark-open)规定最大上下文为1,048,576个 token。这是模型上限，并不意味着每家供应商或每种本地配置都会分配这么多 token。
## 大变化
- **发生了什么变化：** Meta 按照 Muse Model License 发布了可下载的 Muse Spark Open 权重，并提供了自托管、合作伙伴 API 和后训练路径的文档。
- **为何重要：** 开发者可以选择推理在哪里运行，以及哪个检查点或供应商适合自己的工作负载。已发布的配置方案让选择更具体，但内存、上下文、价格和访问条件仍取决于所选路径。
- **值得关注：** 针对已发布检查点的独立测试、各供应商的上下文与定价，以及更小的量化版本在真实任务中的表现。Meta 的演示和评估不能证明另一种部署也会得到这些结果。
## 权重、硬件与上下文
Meta 的[下载指南](https://dev.meta.ai/docs/muse-spark-open/get-the-model)列出了 Hugging Face 上两个第一方仓库：`meta-models/Muse-Spark-Open-816B-A42B`用于 BF16，`meta-models/Muse-Spark-Open-816B-A42B-NVFP4`用于较小的检查点。BF16 权重文件约为1.65 TB，NVFP4 约为537 GB。这些是存储大小，尚未计入键值缓存、激活值和运行时开销。Meta 的部署示例将 BF16 放在8张 B300 GPU 上运行，将 NVFP4 放在4张 B300 GPU 上运行。其[硬件表](https://dev.meta.ai/docs/muse-spark-open/hardware-platforms)还介绍了配合 vLLM 的 AMD Instinct 配置、使用 SGLang 的 Intel Xeon 6 INT4 路径，以及 Apple MLX 配置：两台各配512 GB统一内存的 M5 Ultra Mac Studio，或四台各配256 GB统一内存的设备。这些是指定配置方案，并非一般性的兼容保证。
对于内存少得多的工作站，[部署指南](https://dev.meta.ai/docs/muse-spark-open/deploy)指向第三方 GGUF 量化版本。Unsloth 动态2比特版本的规划范围约为300–315 GB的 RAM 与 VRAM 合计容量。这与 Meta 的 BF16 和 NVFP4 下载项使用不同的检查点和运行时。Unsloth 示例命令从32,768个 token 的上下文开始，以控制内存占用。团队应根据可用内存确定实际上下文和并行请求规模，而不应把模型100万 token 的上限视为默认部署设置。
## 选择请求在哪里运行
这份[部署指南](https://dev.meta.ai/docs/muse-spark-open/deploy)介绍了 SGLang、vLLM 和 TensorRT-LLM 服务器路径、Transformers Python 路径、适用于指定 Mac Studio 组合的 MLX，以及使用各自 GGUF 变体的 llama.cpp 和 Unsloth。它为多种服务器运行时列出了兼容 OpenAI 的 HTTP 端点；Transformers 则使用 Python 接口。每个方案都列明检查点、并行方式和运行时设置。选择其他量化版本或加速器时，需要遵循该路径自己的方案。
Meta 还列出了首发日通过 Baseten、Fireworks AI、Modal、Nebius、OpenRouter 和 Together AI 提供的托管访问。Groq 路径被描述为限量预览，因此访问取决于组织是否符合资格。[合作伙伴部分](https://dev.meta.ai/resources/blog/build-with-muse-spark-open#hosted-inference)区分了无服务器与专用服务。它没有确定适用于所有供应商的统一价格或上下文分配。托管 API 使用供应商的凭证和计费；本地推理则需要检查点、大量存储和兼容的计算资源。Meta 的下载指南称，获得权重后，离线本地运行无需模型 API 密钥。
首次评估时，开发者可以使用合作伙伴端点测试自己的提示词和工具调用，也可以按照与自身检查点及硬件完全对应的本地方案操作。Meta 的[模型卡](https://huggingface.co/meta-models/Muse-Spark-Open-816B-A42B)警告称，模型可能给出不准确的答案，并在多步推理中出错。它建议为配备工具的智能体设置系统级防护。无论是发布演示，还是公司报告的基准成绩，都不能证明智能体能可靠地完成某个团队的特定工作流程。
## 许可附带条件
这份[Muse Model License](https://huggingface.co/meta-models/Muse-Spark-Open-816B-A42B/blob/main/LICENSE.md)日期为10月15日，允许使用、修改和分发，但须遵守其条件及所附使用政策。许可要求副本和衍生作品附带许可与政策，并要求使用该软件或衍生作品的产品或服务显著标注“Built with Muse Spark Open”。如果模型即服务提供商及其关联方的合计总收入在任何连续12个月内超过2000万美元，则必须在该业务中提供模型或衍生作品之前通知 Meta，并另行签订书面协议。许可明确将内部使用，以及把模型作为组件、但不提供模型即服务产品的商业产品，排除在这一特定要求之外。计划部署的团队应阅读适用于自身用途的现行许可和政策。权重可下载不意味着这是不受限制的开源发布，托管推理或硬件通常也并非免费。
Meta 在[推出托管 Muse Wonder 系列](https://bigchange.ai/blog/meta-muse-wonder-agent-model-access)三天后发布了该模型。Spark Open 让团队可以另外决定是否下载权重及如何部署。现在的实际问题是：哪条有文档支持的路径能满足团队预期的输入、上下文、预算和审核流程。这仍是配置与评估选择，而非 BIG CHANGE 测得的结果。
## 来源与延伸阅读
- [Meta AI Research 发布公告，2026年10月15日](https://research.meta.ai/blog/muse-spark-open/) — 发布日期、模型介绍、合作伙伴名单及公司演示。关于能力和评估的陈述来自 Meta。
- [Meta 开发者发布指南，2026年10月15日](https://dev.meta.ai/resources/blog/build-with-muse-spark-open) — 按路径介绍运行时、检查点、托管供应商和后训练的文档。基准测试及早期用户相关陈述仍归属于各自来源。
- [Meta 的模型、下载、硬件与部署文档](https://dev.meta.ai/docs/muse-spark-open) — 确切的输入与输出、容量、配置方案、前提条件和供应商访问；部署前请阅读每条所链接路径的当前设置。
- [Muse Spark Open 模型卡](https://huggingface.co/meta-models/Muse-Spark-Open-816B-A42B) — 模型上限、Meta 的评估及其声明的局限。BIG CHANGE 没有运行或独立复现这些评估。
- [Muse Model License 与使用政策，2026年10月15日](https://huggingface.co/meta-models/Muse-Spark-Open-816B-A42B/blob/main/LICENSE.md) — 适用的再分发、署名及模型即服务条款。本摘要不能替代完整文本。
## Sources
- [Meta AI Research：介绍 Muse Spark Open](https://research.meta.ai/blog/muse-spark-open/) — 2026年10月15日发布；模型介绍、托管合作伙伴名单及公司演示。Meta 的主张均注明归属。
- [Meta AI Developers：使用 Muse Spark Open 构建](https://dev.meta.ai/resources/blog/build-with-muse-spark-open) — 2026年10月15日指南，涵盖运行时、量化、托管供应商和后训练路径。
- [Meta Model API：Muse Spark Open](https://dev.meta.ai/docs/muse-spark-open) — 输入与输出、模型上下文、检查点和部署概览。在线文档于2026年10月16日查阅。
- [Meta Model API：获取模型](https://dev.meta.ai/docs/muse-spark-open/get-the-model) — BF16 和 NVFP4 检查点仓库、权重容量与前提条件。
- [Meta Model API：硬件平台](https://dev.meta.ai/docs/muse-spark-open/hardware-platforms) — 列明的 NVIDIA、AMD、Intel 和 Apple 配置。这些配置各自适用于特定路径。
- [Meta Model API：运行推理](https://dev.meta.ai/docs/muse-spark-open/deploy) — 运行时 API、合作伙伴访问、上下文选择及 Unsloth 内存规划。
- [Muse Spark Open 模型卡](https://huggingface.co/meta-models/Muse-Spark-Open-816B-A42B) — Meta 的模型规格、安全评估及明确列出的局限。BIG CHANGE 没有复现这些评估。
- [Muse Model License 与使用政策](https://huggingface.co/meta-models/Muse-Spark-Open-816B-A42B/blob/main/LICENSE.md) — 2026年10月15日发布；有关复制、产品标识以及模型即服务收入规定的条件。