編按：本文綜合整理自 Meta AI Research 官方部落格、Hugging Face 官方部落格、vLLM Day 0 公告、AWS SageMaker JumpStart 公告、NVIDIA Developer Forums 公告 與 Hacker News 討論串，並加入 Siami 編輯部觀點與分析。
Meta 10 月 15 日正式開源釋出 Muse Spark Open，總參數 816B、單 token 啟動 42B 的 Mixture-of-Experts（MoE）模型，主打編碼與長時程 agentic 工作流。這是 Meta 旗下 Muse 系列首次以「open-weight」形式釋出，也是目前美國開源模型中規格最高的一款；首日就在 Hacker News 衝上 495 分、290 則留言。
規格亮點：816B MoE、1M context、原生多模態
根據 Meta 官方部落格與 Hugging Face 同步發布的 model blog，Muse Spark Open 採用 256 個 expert 的 MoE 架構，每個 token 動態選用 8 個 expert，並原生支援文字、圖像與影片輸入。模型釋出 BF16 與 NVFP4 兩種權重量化版本，開發者可直接在 Hugging Face 下載。
模型權重同步上架四個雲端平台：
- Amazon SageMaker JumpStart
- Google Cloud Model Garden
- Hugging Face
- Microsoft Foundry Models
API 端則由 Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter、Together AI 七家平台共同首發；推論引擎相容 SGLang、vLLM、TensorRT-LLM、Hugging Face Transformers、Apple MLX、llama.cpp、Unsloth，涵蓋 AMD、Apple、Intel、NVIDIA 四大晶片陣營。Meta 在公告中表示，使用 TorchTitan 即可在 PyTorch 框架下做進一步微調。
桌面端的殺手鐧：兩台 Mac Studio 跑完整模型
這次釋出最讓開發者社群眼睛一亮的是桌面運行。Meta 與 Apple 合作，透過最新版 MLX 框架，讓 Muse Spark Open 成為同級距第一個能在桌面端完整運行的模型——只需兩台配備 M5 Ultra 的 Mac Studio，就能憑其 1.2 TB/s 記憶體頻寬與每台 512GB unified memory，合力提供 1TB 等效的 unified memory 給模型使用。
Meta 展示的 agentic 案例包括：
- 用 Muse Code 自動修改開源 Mastodon 客戶端 Ice Cubes（iOS 改版、bug 修復、新功能、完整 build）
- 驅動 DaVinci Resolve 自動逐幀檢視影片、找出最強畫面、垂直裁切
推論優化：Helion GPU 核心、跨 NVIDIA / AMD 加速
開源版搭載 Meta 自家 Helion 編譯的 SGLang GPU kernel，提供 1.03–3.95 倍 kernel-level 加速（NVIDIA / AMD GPU），在 AMD MI350 上額外帶來 3% 端到端提升。對部署端而言，這代表同樣硬體上跑 Muse Spark Open 比前一代開源模型更省錢、更省時。
為什麼這件事重要
Muse Spark Open 釋出的時間點值得玩味。回顧 Muse 家族的時間軸——
- 2026-04-08：Meta 首次發表封閉版 Muse Spark，被 DeepLearning.AI The Batch 評為「Meta 偏離 Llama 開源路線的轉折點」
- 2026-07-09：1.1 釋出，加入多模態推理
- 2026-08-10：開源 30B 的 Muse Glimmer（Apache 2.0）補上開源缺口
- 2026-10-12：封閉版 Muse Wonder 發表，主打 frontier 級
- 2026-10-15：Muse Spark Open 開源，816B MoE 完整釋出
短短 12 天內，Meta 同時握有「封閉 frontier」+「開源 30B」+「開源 816B」三條產品線，這是 Meta 自 2024 年 Llama 路線爭議以來最完整的開源/閉源雙軌策略。對開發者而言，最直接的意義是：首次能在家用 Apple Silicon 桌機上跑 800B 級的多模態模型，而不必依賴雲端 API。
對台灣與中文圈的 AI 創業者來說，這是**「個人超級智慧」路線**（personal superintelligence）第一次有可商用、可離線、可自部署的硬體選項——一台 M5 Ultra Mac Studio 在台灣售價約 NT$ 16 萬到 22 萬，兩台合計 32–44 萬即可擁有等效 1TB unified memory 的本地工作站，相較 NVIDIA DGX Spark 同級方案有明顯價格優勢。
數據解讀與質疑
雖然 Meta 自家 benchmark 把 Muse Spark Open 放在「同類最強 US 開源模型」的位置，但社群已有三點保留：
-
M5 Ultra 的取得性：Hacker News 熱門留言 直接質疑「Meta 是怎麼拿到 Apple 還沒上市的 M5 Ultra 512GB Mac Studio？」這暗示硬體 demo 可能只是雙方策略合作，並非一般開發者今天就能復現的體驗。
-
benchmaxxing 質疑：Towards AI 整理指出，Meta 自家公布的 SWE-Bench Verified、HumanEval+ 成績亮眼，但 Simon Willison 提醒「在 selected benchmarks 上具競爭力、在其他項目仍明顯落後」。Muse Spark Open 在 Humanity’s Last Exam、HealthBench Hard 等基準的相對位置仍待獨立驗證。
-
商業授權的限制：DeepLearning.AI The Batch 注意到 Muse Model License 是「有限商業條款」——獨立開發者免費，但若月活躍用戶或營收超過門檻需要另議授權，這與 Llama 2/3 時代的「真開源」哲學仍有一段距離。
對台灣開發者而言，最值得關注的其實是 vLLM Day 0 支援 與 Apple MLX 開源權重 這兩件事——前者代表企業級部署立刻可用，後者代表個人研究者可用 M5 MacBook 試跑小規模 quantization 版本。Muse Spark Open 是否真能撼動 OpenAI、Google 的閉源 frontier 地位，仍須等 Hugging Face 社群與 LMArena 的獨立評測出爐。
網友熱門留言 (5)