文章核心观点 - Meta 发布 Muse Spark Open 开源权重大模型，与苹果合作并针对 Mac 设备优化，但该模型并非全球最强开放权重模型，编程与推理能力落后于 Kimi K3、GLM 5.3 等竞品 [1][7] - 未来开源模型的价值不能只看基础模型排行榜，还要看其能否进入真正的 Agent 工作流 [9] 模型发布与合作伙伴 - Meta 发布 Muse Spark Open，号称最强美国开源权重大模型，为原生多模态模型，参数量 816B，激活参数 42B，上下文 1M，专为代码和智能体任务设计，擅长长期任务与复杂多步骤推理 [1] - Meta 希望未来每个人都有能在家中运行高级模型的自由，开源版 Muse Spark 专门对 Mac 设备优化，扎克伯格与苹果新 CEO 约翰・特努斯进行了合作 [1] - Muse Spark Open 类似于 Muse Spark 1.3，利用苹果最新版本 MLX 框架针对苹果芯片统一内存架构优化，两台 Apple M5 Ultra Mac Studio（512G）本地即可运行 [2] - 苹果统一内存架构让 M5 Ultra 集成 GPU 能为每台 Mac Studio 使用高达 512GB 内存，两台机器可容纳完整大模型，该芯片 1.2TB/s 内存带宽足以读取每个 token 所需的小块内存，两台 Mac Studio 运行速度堪比一台拥有 1TB 统一内存的超级计算机 [4] - 两台 512G 的 Mac Studio 价格已超过 4 万美元 [5] - 考虑到苹果和 Meta AI 过往的冷淡关系，此次合作令人惊讶，Meta AI 首席执行官 Alexandr Wang 表示很高兴看到父母再次和好如初，并解释苹果和 Meta AI 已合作数月，还特别感谢苹果前高管 Daniel Gross 在促成两家公司友好合作方面发挥了作用 [5] 开发者生态与适配 - Meta 帮开发者做好 SGLang、vLLM、TensorRT-LLM、Hugging Face Transformers、Apple MLX、llama.cpp 和 Unsloth 等主流推理引擎的适配，并针对 AMD、苹果、英特尔和英伟达芯片进行优化，开发者可使用 PyTorch 框架轻松进一步定制模型 [5] 关键基准参数 - JobBench 指标：Muse Spark Open 为 61.8，Inkling 为 31.1，Nemotron 3 Ultra 为 27.2，Qwen3.8-2.4T-A95B 为 52.7，GLM 5.3 为 61.4，Kimi K3 为 54.3 [7] - MCP-Atlas 指标：Muse Spark Open 为 89.2，Inkling 为 76.0，Nemotron 3 Ultra 为 63.1，Beam 为 78.7，Qwen3.8-2.4T-A95B 为 84.5，GLM 5.3 为 84.2，Kimi K3 为 82.3 [7] - GDPval-AA v2 指标：Muse Spark Open 为 1401，Inkling 为 1079，Nemotron 3 Ultra 为 1016，Mistral Large 4 为 1424，Qwen3.8-2.4T-A95B 为 1613，GLM 5.3 为 1653，Kimi K3 为 1537 [7] - HLE-Diamond（无工具）指标：Muse Spark Open 为 26.1，Inkling 为 11.2，Nemotron 3 Ultra 为 8.9，Qwen3.8-2.4T-A95B 为 17.3，GLM 5.3 为 16.4，Kimi K3 为 22.2 [7] - SciCode 指标：Muse Spark Open 为 58.5，Inkling 为 47.0，Nemotron 3 Ultra 为 40.3，Beam 为 49.7，Mistral Large 4 为 54.2，Qwen3.8-2.4T-A95B 为 54.1，GLM 5.3 为 59.0，Kimi K3 为 59.5 [7] - AA-Omniscience 指标：Muse Spark Open 为 25，Inkling 为 2，Nemotron 3 Ultra 为 0，Mistral Large 4 为 -5，Qwen3.8-2.4T-A95B 为 4，GLM 5.3 为 14，Kimi K3 为 20 [7] - Terminal-Bench 2.1 Terminus 2 agent 指标：Muse Spark Open 为 76.4，Inkling 为 55.1，Nemotron 3 Ultra 为 53.9，Beam 为 80.1，Qwen3.8-2.4T-A95B 为 82.0，GLM 5.3 为 83.9，Kimi K3 为 85.0 [7] - DeepSWE 1.1 指标：Muse Spark Open 为 60，Beam 为 44，Mistral Large 4 为 62，Qwen3.8-2.4T-A95B 为 57，GLM 5.3 为 67 [7] - ZeroBench 指标：Muse Spark Open 为 50.0，Inkling 为 14.0，Kimi K3 为 41.0，Nemotron 3 Ultra、Beam、Qwen3.8-2.4T-A95B、GLM 5.3 均不支持 [7] - BabyVision 指标：Muse Spark Open 为 80.2，Inkling 为 34.2，Kimi K3 为 85.7，Nemotron 3 Ultra、Beam、Qwen3.8-2.4T-A95B、GLM 5.3 均不支持 [7] - SimpleVQA 指标：Muse Spark Open 为 73.6，Inkling 为 52.3，Kimi K3 为 71.9，Nemotron 3 Ultra、Beam、Qwen3.8-2.4T-A95B、GLM 5.3 均不支持 [7] 竞争格局与行业判断 - 重走开源路线的 Meta 眼前的路还很长，Muse Spark Open 并不是全球最强的开放权重模型，其编程、推理等能力不如 Kimi K3、MiMo-V2.6-Pro、Qwen3.8 Flash Next 和 GLM 5.3 Flash 等模型 [7] - 在 Agent 评测能力方面，从官方模型卡可以看到，Muse Spark Open 在部分 Agent 指标上甚至领先于综合智能分数更高的模型 [8] - Meta 给出的成绩对比中，模型来自不同的 Harness，部分成绩来自模型厂商自报，看起来比较透明，例如 Muse Spark Open 使用 Muse Code，Kimi K3 使用 Kimi Code，Qwen3.8 使用 Claude Code [8] - Agent 的实际能力取决于模型、Harness、工具、上下文管理和执行环境的共同作用 [8]