發生什麼：Meta 把 Muse Spark 的開放權重版放上網
Meta 研究部落格 2026 年 10 月 15 日發文，介紹 Muse Spark Open，稱它是「Muse Spark 的開放權重版本」，並以「美國迄今最強的開放權重模型」（the most capable US open-weight model to date）定位。模型卡列出的開發單位是 Meta Superintelligence Labs。部落格本身沒有說明開放版與 Meta 自家服務中的 Muse Spark 在能力上是否相同。
權重同日在 Hugging Face 提供 BF16 與 NVFP4 兩種版本，Meta 另列出 Amazon SageMaker AI、Google Cloud Model Garden、Microsoft Foundry Models 等下載管道，以及 Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter、Together AI 等託管 API 夥伴。下載需登入並填寫法定全名、出生日期與組織全名。TechCrunch 當天報導亦以 Meta 的說法為主，未提供獨立測試。
規格與硬體門檻：開放不等於人人跑得動
依模型卡，Muse Spark Open 是混合專家（MoE）架構，總參數 816B、每個 token 啟用約 42B，共 256 位專家、每次路由 8 位；推論上下文長度 1M tokens，輸入可為文字、圖片、影片與音訊，輸出僅為文字。模型卡另說明訓練資料涵蓋逾 100 種語言，但並未在所有語言上評估。Hugging Face 頁面標頭顯示的參數量為 822B，與模型卡文字的 816B 不一致，本文以 Meta 文字說明為準。
硬體方面，模型卡寫 NVFP4 版至少需約 700GB 顯示記憶體，BF16 版約 2TB。Meta 部落格稱它是同級中「第一個能在桌面上執行」的模型，示範方式是以 Apple MLX 串接兩台 M5 Ultra Mac Studio，每台最高可配 512GB 統一記憶體，合計約 1TB。換言之，「可在 Mac 上跑」指的是兩台頂規工作站，並非一般筆電。Meta 對此示範的速度與成功率只做質性描述，沒有公布數據。
授權：免費可商用，但有三道條件
Muse Spark Open 採用 Meta 新訂的 Muse Model License（版本名即為「Muse Spark Open」，2026 年 10 月 15 日）。條款允許免費使用、複製、修改（含微調）、蒸餾、合併、散布、再授權與販售，但附有條件：第一，所有副本與衍生模型須隨附版權聲明、授權條款與使用政策；第二，使用本模型或衍生模型的產品或服務，須在介面、文件、網站或設定選單「明顯標示」Built with Muse Spark Open。
第三，若授權人及其關係企業以提供第三方 API 等形式經營模型服務（Model-as-a-Service），且任一連續 12 個月的總營收超過 2,000 萬美元，須先通知 Meta 並另簽書面協議，才能在該業務中提供本模型或其衍生模型。內部使用、研究、非模型服務的商業活動，以及把模型當作自家產品元件，則不在此限。條款定義的「衍生模型」包括以本模型或其輸出訓練、蒸餾而成的模型，因此用它的輸出去訓練別的模型，同樣受署名與使用政策約束；Meta 則聲明不主張模型輸出的所有權。附件使用政策另禁止惡意程式、武器、未經授權處理個資等用途，並表示模型不供 18 歲以下使用。
Benchmark 怎麼讀：自評、設定不一，不能直接排名
Meta 部落格的「關鍵評測」段落沒有直接列分數，只連到評測方法報告；具體數字在 Hugging Face 模型卡。模型卡註明 Muse Spark Open 的成績是在最高的 xhigh 推理強度、temperature 1.0 下測得，對照組為「規模與架構相近的開放權重模型」。在這張 Meta 自己整理的表上，Muse Spark Open 在 MCP-Atlas（89.2）、不使用工具的 HLE-Diamond（26.1）等項目最高；但在 Artificial Analysis 綜合指數（39 對 GLM 5.3 的 45）、OSWorld Verified（80.4 對 Kimi K3 的 84.8）、Terminal-Bench 2.1（76.4 對 85.0）、GPQA Diamond（89.0 對 93.5）等多項低於對照模型。
這些對照模型的推理強度標示並不一致（例如部分標為 max），工具、測試框架也各有不同，加上是 Meta 自行彙整的表格，讀者不宜把它當成獨立排行榜。「美國最強開放權重模型」這個說法的範圍限定在「美國」，本身也意味著 Meta 並未宣稱在全球開放權重模型中領先。完整的安全評測報告，Meta 部落格寫明將「很快」發布，目前尚未公開。
AI 觀點分析與推論
AI 觀點：真正的變化在授權設計，而不是分數
我傾向認為，這次發布最值得注意的不是任何單一 benchmark，而是 Meta 換了一套授權邏輯。以 2024 年 7 月的 Llama 3.1 社群授權為例，門檻是發布日前一個月產品月活躍用戶超過 7 億者須向 Meta 申請授權；Muse Model License 改以「模型服務營收逾 2,000 萬美元」為觸發條件，並加上強制署名。前者幾乎只套得到少數科技巨頭，後者則直接瞄準賣推論服務的業者。這等於鼓勵新創與企業把模型內建進自己的產品，同時把直接拿它來賣 API、與 Meta 及大型雲端競爭的業者拉回談判桌。受益者是中小型開發團隊與需要自建部署的企業；受影響的是以轉售推論為主業、規模已過門檻的平台。
反面情境也很清楚：816B 的體量讓「自己部署」對多數團隊仍不現實，實際使用很可能集中在少數 API 供應商手上，這時開放權重帶來的透明度與可控性，主要由有大型 GPU 叢集的機構享受。另外，把蒸餾後的模型也納入署名與使用政策，對想用它產生合成資料的研究者是額外負擔。
會讓我修正判斷的訊號有兩個：一是第三方以一致設定重跑的評測（例如相同推理強度與工具框架）是否支持 Meta 的定位；二是社群量化版本在單機、較小記憶體下的品質落差。若量化版能在單台 512GB 機器上維持大部分能力，「開放」對獨立開發者的意義就會大幅提高；反之，它更像是給雲端與大企業的另一個選項。
限制與後續觀察
本文的規格、硬體需求與評測數字均出自 Meta 部落格與 Hugging Face 模型卡，屬當事方資料，未經本站或第三方以一致條件重測。授權解讀依條款原文整理，不構成法律意見；實際商用前應以 Meta 最新條款為準，條款中未見準據法與終止條款的明確文字。後續可觀察：Meta 承諾的完整安全評測報告、第三方獨立評測，以及各 API 供應商的定價與可用地區。
