AI-translated from English; not yet reviewed by a fluent editor. # Meta 釋出 Muse Spark Open 權重與模型服務指南 > Meta 於 10 月 15 日釋出 Muse Spark Open 權重。其 BF16 與 NVFP4 檢查點、託管 API 和 Muse Model License，為開發者提供了各有不同限制的多種途徑。 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 ![Conceptual charcoal illustration of an open server cabinet on the left and a separate wall-mounted network connection on the right.](https://bigchange.ai/api/media/file/muse-spark-open-serving-choice-hero-v1.png) AI-generated conceptual illustration by BIG CHANGE; no Meta equipment, actual deployment or BIG CHANGE test is depicted. Meta 於 2026 年 10 月 15 日釋出 Muse Spark Open 的權重。團隊現在可以 [下載 Meta 的 BF16 或 NVFP4 檢查點](https://dev.meta.ai/docs/muse-spark-open/get-the-model)，在自己的硬體上部署支援的格式，或透過首發合作夥伴呼叫模型。這項選擇很重要：完整檢查點的權重約為 1.65 TB，NVFP4 檢查點約為 537 GB，而託管端點有各自的存取與價格條款。BIG CHANGE 查閱了發布文件、模型卡、模型服務指南和授權。我們並未下載或執行模型。 Meta 將 Muse Spark Open 描述為稀疏的混合專家模型，總參數量為 8160 億，每個 token 約啟用 420 億參數。它接受文字、圖片、影片和音訊，並輸出文字。其 [模型文件](https://dev.meta.ai/docs/muse-spark-open) 指定最大上下文為 1,048,576 個 token。這是模型的上限，並不保證每個供應商或本機設定都會配置這麼多 token。 ## 重大改變 - **改變內容：**Meta 依其 Muse Model License 公布了可下載的 Muse Spark Open 權重，同時提供自行託管、合作夥伴 API 和後訓練的文件化途徑。 - **為何重要：**開發者可以選擇在哪裡執行推論，以及哪個檢查點或供應商適合工作負載。公布的配置範例讓這項選擇更具體，但記憶體、上下文、價格和存取條件仍取決於所選途徑。 - **值得關注：**針對已釋出檢查點的獨立測試、各供應商的上下文與定價，以及較小量化版本在實際任務中的表現。Meta 的示範與評估，無法確立另一種部署也會有相同結果。 ## 權重、硬體與上下文 Meta 的 [下載指南](https://dev.meta.ai/docs/muse-spark-open/get-the-model) 列出 Hugging Face 上的兩個第一方儲存庫：`meta-models/Muse-Spark-Open-816B-A42B` 用於 BF16，另有 `meta-models/Muse-Spark-Open-816B-A42B-NVFP4` 用於較小的檢查點。BF16 權重檔案約為 1.65 TB，NVFP4 約為 537 GB。這些是尚未計入鍵值快取、啟用值和執行階段額外開銷的儲存大小。Meta 的模型服務範例使用八張 B300 GPU 執行 BF16、四張 B300 GPU 執行 NVFP4。其 [硬體表格](https://dev.meta.ai/docs/muse-spark-open/hardware-platforms) 也描述了使用 vLLM 的 AMD Instinct 配置、採用 SGLang 的 Intel Xeon 6 INT4 途徑，以及 Apple MLX 配置：兩台各有 512 GB 統一記憶體的 M5 Ultra Mac Studio，或四台各有 256 GB 的同型裝置。這些是具名配置範例，並非通用的相容性保證。 對於記憶體少得多的工作站，[部署指南](https://dev.meta.ai/docs/muse-spark-open/deploy) 指向第三方 GGUF 量化版本。其 Unsloth 規劃範圍指出，動態 2-bit 版本的 RAM 與 VRAM 合計大約需要 300–315 GB。這與 Meta 提供的 BF16、NVFP4 下載檔案採用不同的檢查點和執行環境。Unsloth 範例指令從 32,768 個 token 的上下文開始，以控制記憶體使用量。團隊應依可用記憶體規劃實際上下文和並行請求，而不是把模型的一百萬 token 上限當成預設服務設定。 ## 選擇在哪裡執行請求 這份 [模型服務指南](https://dev.meta.ai/docs/muse-spark-open/deploy) 記載了 SGLang、vLLM 和 TensorRT-LLM 伺服器途徑、Transformers Python 途徑、指定 Mac Studio 組合使用的 MLX，以及搭配各自 GGUF 變體的 llama.cpp 和 Unsloth。它為多種伺服器執行環境列出 OpenAI 相容 HTTP 端點；Transformers 使用 Python 介面。每個配置範例都指明檢查點、平行處理和執行環境設定。選擇不同的量化版本或加速器，就需要採用該途徑本身的配置範例。 Meta 也列出首發當天透過 Baseten、Fireworks AI、Modal、Nebius、OpenRouter 和 Together AI 提供的託管存取。Groq 的途徑被描述為有限預覽，因此是否能使用取決於組織是否符合資格。其 [合作夥伴章節](https://dev.meta.ai/resources/blog/build-with-muse-spark-open#hosted-inference) 區分無伺服器與專用方案，並未為所有供應商確立統一價格或上下文配置。託管 API 使用供應商的憑證與計費；本機推論則需要檢查點、大量儲存空間及相容的運算資源。Meta 下載指南表示，取得權重後，離線本機執行不需要模型 API 金鑰。 首次評估時，開發者可以使用合作夥伴端點測試自己的提示與工具呼叫，或依檢查點和硬體採用確切的本機配置範例。Meta 的 [模型卡](https://huggingface.co/meta-models/Muse-Spark-Open-816B-A42B) 警告，模型可能產生不準確的回答，並在多步驟推理中出錯。它建議為使用工具的代理加入系統層級防護。首發示範和公司公布的基準測試，都無法證明代理能可靠完成某個團隊的特定工作流程。 ## 授權附帶條件 這份 [Muse Model License](https://huggingface.co/meta-models/Muse-Spark-Open-816B-A42B/blob/main/LICENSE.md) 的日期為 10 月 15 日，允許在遵守其條件與附加使用政策的前提下使用、修改和散布。它要求副本與衍生作品隨附授權和政策，並要求使用該軟體或衍生作品的產品或服務顯著標示「Built with Muse Spark Open」。若模型即服務供應商與其關係企業的合計總營收，在任何連續 12 個月內超過 2000 萬美元，則必須先通知 Meta 並另行簽訂書面協議，才能在該業務中提供模型或衍生作品。對於這項特定要求，授權明確排除內部使用，以及將模型作為元件、但不提供模型即服務產品的商業產品。計畫部署的團隊應針對自身用途閱讀現行授權和政策。權重可下載，不代表這項發布是毫無限制的開源；託管推論或硬體一般也不是免費的。 Meta 在 [推出託管的 Muse Wonder 系列](https://bigchange.ai/blog/meta-muse-wonder-agent-model-access) 三天後釋出這個模型。Spark Open 讓團隊可以另外決定是否下載權重及如何部署。現在的實際問題是，哪個文件化途徑能支援團隊預期的輸入、上下文、預算和審查流程。這仍是配置與評估的選擇，並非 BIG CHANGE 實測得到的結果。 ## 資料來源與延伸閱讀 - [Meta AI Research 發布消息，2026 年 10 月 15 日](https://research.meta.ai/blog/muse-spark-open/) — 發布日期、模型描述、合作夥伴名單和公司示範。能力與評估說法來自 Meta。 - [Meta 開發者發布指南，2026 年 10 月 15 日](https://dev.meta.ai/resources/blog/build-with-muse-spark-open) — 逐一說明執行環境、檢查點、託管供應商與後訓練途徑的文件。基準測試與早期使用者的說法仍歸屬各自來源。 - [Meta 的模型、下載、硬體與部署文件](https://dev.meta.ai/docs/muse-spark-open) — 確切輸入與輸出、資源占用、配置範例、先決條件和供應商存取；部署前應閱讀各連結途徑的現行設定。 - [Muse Spark Open 模型卡](https://huggingface.co/meta-models/Muse-Spark-Open-816B-A42B) — 模型限制、Meta 的評估與明列限制。BIG CHANGE 未執行或獨立重現這些評估。 - [Muse Model License 與使用政策，2026 年 10 月 15 日](https://huggingface.co/meta-models/Muse-Spark-Open-816B-A42B/blob/main/LICENSE.md) — 適用的再散布、署名和模型即服務條款。本摘要不能取代完整原文。 ## Sources - [Meta AI Research：介紹 Muse Spark Open](https://research.meta.ai/blog/muse-spark-open/) — 2026 年 10 月 15 日發布；模型描述、託管合作夥伴名單和公司示範。Meta 的主張均註明歸屬。 - [Meta AI Developers：使用 Muse Spark Open 建構](https://dev.meta.ai/resources/blog/build-with-muse-spark-open) — 2026 年 10 月 15 日的指南，說明執行環境、量化、託管供應商及後訓練途徑。 - [Meta Model API：Muse Spark Open](https://dev.meta.ai/docs/muse-spark-open) — 輸入與輸出、模型上下文、檢查點及模型服務概述。線上文件查核日期為 2026 年 10 月 16 日。 - [Meta Model API：取得模型](https://dev.meta.ai/docs/muse-spark-open/get-the-model) — BF16 和 NVFP4 檢查點儲存庫、權重占用空間及先決條件。 - [Meta Model API：硬體平台](https://dev.meta.ai/docs/muse-spark-open/hardware-platforms) — 列明的 NVIDIA、AMD、Intel 與 Apple 配置。這些配置各自適用於特定途徑。 - [Meta Model API：執行推論](https://dev.meta.ai/docs/muse-spark-open/deploy) — 執行環境 API、合作夥伴存取、上下文選擇和 Unsloth 記憶體規劃。 - [Muse Spark Open 模型卡](https://huggingface.co/meta-models/Muse-Spark-Open-816B-A42B) — Meta 的模型規格、安全評估與明確限制。BIG CHANGE 未重現這些內容。 - [Muse Model License 與使用政策](https://huggingface.co/meta-models/Muse-Spark-Open-816B-A42B/blob/main/LICENSE.md) — 2026 年 10 月 15 日發布；複製、產品標示及模型即服務營收條款的條件。