Meta 开源了 816B/42B 激活的多模态 MoE，还配了 1M 上下文和一份要查收入的授权协议

Meta 在 Hugging Face 上挂出了开源权重模型 Muse Spark Open。名字是有点长，但信息量都在这两处：一个是 816B 总参数、42B 激活的 Mixture-of-Experts 架构，支持多模态输入和 1M 上下文窗口；另一个是模型名尾巴上的 A42B，直接把稀疏激活的属性点破了。Meta Superintelligence Labs 出品，发布于 2026 年 10 月 15 日。

这个量级的模型，先别急着翻 benchmark，得先看它跑不跑得起来。官方给的两个数字很实在：NVFP4 量化版至少需要 700GB 显存的 GPU，BF16 版本要 2TB。推理框架支持 SGLang、vLLM、Hugging Face、TensorRT-LLM、Unsloth 和 Llama.cpp，官方说用 MLX 优化后也能跑在两台 M5 Ultra 的 Mac Studio 上。700GB 和 2TB 这个门槛意味着，大多数人大概率不会自己部署，而是走第三方推理的 API。模型页面上也写了「可通过第三方推理服务商以 API 形式访问」——所以它名义上是开放权重，落到实际使用场景里，多数人摸到的是个 API 端点，不是一个能在本地 load 的 checkpoint。

参数细节也值得抠一抠。256 个专家，每 token 激活 8 个（top-k 路由），62 层；Q 有 128 个头，KV 只有 16 个头（grouped-query attention），词表 202048。感知编码器是 1.8B 参数、50 层，14x14 patch size，带 2D RoPE。这些放一起，基本勾勒出「面向 coding 和 agentic 工作流、带强视觉能力的通用模型」的画像。官方对定位的表态也印证了这一点：多步推理、端到端 agentic 任务、coding agents、工具调用、多模态推理、合成数据生成、LLM-as-a-judge。

真正值得开发者停下来读两遍的，是那份 Muse Model License，还有那个「Built with Muse Spark Open」的署名要求。协议允许自由使用、拷贝、修改（含微调）、蒸馏、合并、分发、再许可和销售，看起来相当宽松，但第三条藏着一个对商业化的明确约束：如果 Licensee 或其关联方以 API 或类似接口向第三方提供「模型即服务」，且连续十二个月累计营收超过 2000 万美元，就必须先通知 Meta 并另外签署书面协议。这个条款把「开源」和「大厂商用 API」之间的线画得很清楚——内部使用、研究、非 MaaS 的商用都不受限，但想把服务做成又一个开放的推理端点、还做大了，就要回来跟 Meta 谈。

协议里还能读出 Meta 对「安全后训练」的态度。官方强调这是开放权重的 standalone 模型，做过额外的安全后训练来弥补没有系统护栏时的脆弱性，但也反复提醒：部署时应该把它放进更完整的 AI 系统，针对具体场景再加护栏。这算是开源权重模型近几年越来越常见的一种姿态——模型给你，责任也在你。尤其 agentic 场景里，模型可能要执行真实操作，官方明确建议对不可逆动作加 human-in-the-loop 确认。此外还点名了几类禁止用途，包括军事、核工业、武器、关键基础设施、ITAR 相关材料；未成年人（18 岁以下）也不在适用范围内。

benchmark 表里有几个数字对 coding/agentic 场景的从业者更直观：JobBench 61.8、MCP-Atlas 89.2、OSWorld Verified 80.4、Toolathlon Verified 72.8；知识推理这边，HLE-Diamond（no tools）26.1、AA Omniscience 25、GPQA Diamond 89.0、HLE（w/ tools）61.0；零样本视觉相关的 ZeroBench 50.0、BabyVision 80.2；安全侧 StrongREJECT v2 是 0.5（越低越好），FORTRESS adversarial 的 ARS 5.8 / ORS 17.4。对比对象包括 Inkling、Nemotron 3 Ultra、Mistral Large 4、Qwen3.8-2.4T-A95B、GLM 5.3、Kimi K3 这些竞品。要提醒的是，这张表默认用的是 xhigh reasoning effort、temperature 1.0，官方自己也写明了评测方法和结论细节在 methodology report 里。benchmark 永远只覆盖测试环境下的 checkpoint，下游改动可能让安全性打折——官方原话也承认了这点。

还有一个对开发者不算小事的细节：reasoning effort 参数直接暴露给用户，可从 low 一路设到 xhigh，默认 xhigh。官方建议复杂问题、coding、agentic 任务用 high 或 xhigh，简单或要快的用 low / medium，其他值会直接报错。这种把「思考预算」做成显式旋钮的设计，这几年在 reasoning 模型里越来越常见，对想控制延迟和成本的人来说是实用的东西。

最后提一句很实际的事：模型页面要求填全名、出生日期和完整组织名（还要求别用缩写和特殊字符），提交后不能编辑。也就是说，要拿到这个权重，得先通过 Meta 的身份和机构信息核验。这个流程本身也是「开放权重」和「纯开源」之间距离的一个注脚——模型免费给你，但下载门槛和那 2000 万美元的 MaaS 条款都说明，它在走「开放但受控」的路。

• 模型主页：https://huggingface.co/meta-models/Muse-Spark-Open-816B-A42B
• 授权协议：https://huggingface.co/meta-models/Muse-Spark-Open-816B-A42B/blob/main/LICENSE.md
• 开发者文档：https://dev.meta.ai/resources/blog/build-with-muse-spark-open
• 评测方法报告：https://research.meta.ai/static/muse-spark-open-evaluation-methodology