Meta 开源 816B 参数模型 Muse Spark Open 上线 Fi…
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
本条选题由第三方线索发现；线索方提供的摘要未被采用，本页内容依据下方信源整理。线索来源：AIHOT
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载模型规格与部署方式
Meta 推出的开放权重模型 Muse Spark Open 已在 Fireworks 上线，发布当天即可使用。该模型采用混合专家架构，参数总量为 816B，每个 token 激活 42B 参数，上下文窗口为 1M token，面向需要跨越很长会话仍保持连贯的长周期编码与 Agent 任务。Fireworks 以无服务器方式提供该模型，运行在美国境内的算力上，并且不因美国区域而加收额外费用。默认情况下，Fireworks 对该模型启用零数据保留。用户可以先在无服务器环境试用，随后迁移到预留吞吐用于生产，并通过无服务器 LoRA 训练对模型进行微调。该模型在美国训练和开发。
专业任务评测表现
在面向受监管专业工作的评测中，该模型的表现被重点展示。Vals AI 的 Harvey Legal Agent Benchmark 排行榜上，Muse Spark Open 在 75 个模型中位列第一，通过率为 25.4%，而 Claude Opus 5 为 6.7%。在 Rogo 的 Big Finance Bench 上，Fireworks 的特殊智能指数运行结果显示，该模型在每一个难度级别都优于 Claude Opus 5.5；在最难的任务上，它以 17.3% 对 16.5% 略高于 GPT-6 Astra，并且超过 Opus 5.5 的 6.6%。在 Vals AI 的 Finance Agent v2 上，它得分 60.6%，与 Gemini 3.8 Flash 的约 60% 相差不到一个点，而每次测试的成本低约 60%。在临床文档任务 Vals MedScribe 上，它得分 90.1%，与 Claude Opus 5 的 91.0% 相差不到一个点，成本则低 75-83%。
适用场景与能力边界
材料把该模型定位在准确性优先的领域，例如法律、金融和临床任务，并称其是迄今美国开放权重模型中最强的之一，也是面向受监管专业工作表现最好的开放权重模型之一。上述结果来自独立评测方以及 Fireworks 的特殊智能指数，所有模型在同一套运行框架下测试。在 Agent 工程能力方面，该模型能够浏览代码仓库、实施并非简单的改动，并对复杂的编码工作进行验证。Factory 的技术人员 Zimu 对其在这方面的表现给出了评价。对读者而言，这意味着可以在 Fireworks 的无服务器环境中直接调用这一开放权重模型处理长上下文编码与专业文档任务，并在需要稳定产出时转向预留吞吐或进行 LoRA 微调。
为什么值得看
开源权重模型在长上下文与法律、金融等专业 Agent 基准上直接对标闭源头部模型，且首日即可调用。
信源1 家
关键事实
Muse Spark Open 是混合专家模型，总参数 816B，每 token 激活 42B，上下文窗口 100 万 token。[1]
在 Vals AI 的 Harvey 法律 Agent 基准上，它以 25.4% 的通过率在 75 个模型中排第一，Claude Opus 5 为 6.7%。[1]
在 Rogo Big Finance Bench 最难任务上，它得分 17.3%，GPT-6 Astra 为 16.5%，Claude Opus 5.5 为 6.6%。[1]
在 Vals AI 的 Finance Agent v2 上得分为 60.6%，与 Gemini 3.8 Flash 相差不到一个百分点，单次测试成本约低 60%。[1]
Fireworks 默认启用零数据保留，仅使用美国境内算力且不收取美国区溢价，支持 serverless LoRA 微调。[1]
相关 · 模型
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。