Muse Spark Open 在 2026 年 10 月 15 日由 Meta 开放权重，vLLM 与 Baseten 同日在各自官方博客宣布第一天支持。这是一个总参数 816B、每 Token 激活约 42B 的稀疏混合专家模型，上下文窗口 1M，定位很明确：为长时间运行的编码智能体工作流而建，而不是通用聊天。
能吃四种输入，专攻写代码的智能体
模型原生接受文本、图像、视频和音频输入，输出文本，并与 Muse Code 协同训练。Baseten 举了三个典型用法：把界面截图和设计稿或缺陷图对照着改布局代码；把录屏里的复现步骤看懂后写成复现脚本或端到端测试；边说话边打字指挥智能体，音频直接作为输入而不必先转写。它也可接入 OpenCode 等第三方编码智能体，权重同时提供 BF16 与 NVFP4 两种版本，已上线 Baseten、OpenRouter 与 Arena 等平台可供调用和实测。
架构为长上下文省内存
为压住智能体反复读上下文的成本，模型用了两处设计。一是压缩式混合专家：先用共享的压缩层把向量变窄再送进专家，单个专家的参数约减半。二是全局与局部混合的注意力安排：62 层中 46 层只看最近 2048 个 Token，16 层看全序列，在 128K 上下文时键值缓存约为全全局注意力的四分之一。vLLM 还为它训练了投机解码用的草稿模型，并支持在英伟达与 AMD 硬件上部署。
选型时要看清的边界
官方口径称它是目前美国最强的开放权重模型，但对比成绩需要谨慎看：各家成绩是每个模型配自家编码智能体测出的，并非同一套测试环境，且对比集合未纳入各家更高一档的旗舰模型。Baseten 也直言，日常的命令执行、读输出、修故障循环里它接近旗舰闭源模型，但跨多文件的大改动仍可能需要更多人工引导和重试。加上 816B 的体量即使用 NVFP4 压缩也约 540GB，适合有整节点算力的团队，个人本地尝鲜并不现实。
