Meta 用一款 8160 亿参数的开源权重模型，正式加入与 Qwen、GLM、Kimi 的正面竞争。
发生了什么
据 The Decoder 报道，Meta 发布了名为 Muse Spark Open 的新模型。它采用开源权重（open-weight）方式发布，参数量达到 8160 亿，原生支持文本、图像、视频和音频四种模态输入，上下文窗口最高可达一百万 token。
在基准测试上，报道称其表现大致与当前能力最强的开源中文模型处于同一水平线。另一个值得注意的细节是，该模型针对 Apple 的 M5 Ultra 芯片做了本地运行优化——这意味着 Meta 不只是把它当作云端推理的资产，也在押注端侧与本地部署场景。
为什么重要
过去一年多，开源权重赛道的话语权明显向中国团队倾斜。Qwen 系列凭借密集的尺寸梯度和活跃的社区生态，成为大量下游微调与产品的事实底座；GLM 与 Kimi 则分别在通用能力和长上下文方向建立了辨识度。Meta 虽然此前有 Llama 系列积累，但在多模态与超长上下文这两个当下最关键的维度上，声量一度被盖过。
Muse Spark Open 的定位因此很清晰：用一次参数规模、模态覆盖和上下文长度的全面对齐，把 Meta 重新拉回开源第一梯队。它选择在基准上「大致持平」而非宣称碾压，本身也说明开源模型之间的能力差距已经收窄到难以用单一分数拉开身位。
影响与看点
对开发者而言，最直接的变化是多了一个非中国来源、且能力接近头部的开源底座选项。这在合规、供应链多元化和跨区域部署上都有实际价值，尤其是对需要在不同司法辖区落地产品的团队。
百万级上下文加四模态输入，则把竞争焦点从「模型能不能看懂」推向「工程上能不能扛住」——长上下文的显存占用、推理延迟和成本控制，会成为比基准分数更能决定采用率的东西。
针对 M5 Ultra 的本地优化是另一个信号：Meta 显然希望这款模型不只活在数据中心里，而是能进入个人设备与隐私敏感场景。如果本地推理体验足够可用，它会打开一批不愿把数据送出本地的用例。
需要克制看待的是，8160 亿参数意味着即便有优化，本地部署的门槛依然不低，短期内更现实的形态可能是量化版本或混合推理。开源权重赛道的下一轮比拼，大概率不再是参数和榜单，而是生态、工具链和实际部署成本——Meta 这次补上了入场券，但能不能把开发者真正留住，还要看后续的社区运营与微调生态。
