Muse Spark Open 的「美国最强」：先读限定词，再读分数

先说结论：Meta 这次的标题是「迄今最强的美国开放权重模型」，最该记住的是「美国」两个字，而不是「最强」。Meta 自己的对比表混用了三种来源的分数，编程项还让每个模型用各自的智能体框架；目前能查到的独立评测，把它放在同尺寸开放权重模型的第 10 位，价格比同档中位数高出一倍多。

发生了什么

10 月 15 日，Meta 放出 Muse Spark Open 的权重：总参数 8,160 亿、每个词元激活 420 亿，上下文 100 万词元，主打编程和智能体任务，许可证是 Muse Model License，Meta 的原话是带「有限的商业条款」（企业宣称，见 Meta 官方博客）。今天的简报已经写过它能在两台 Mac Studio 上本地运行，这里不重复，只看它的成绩是怎么来的。

口径一：对比对象是全球，标题只说美国。 Meta 的评测方法说明写明，对比组是「全球范围的领先开放权重模型」，里面有 Kimi K3、GLM 5.3、Qwen3.8 等（官方文件）。也就是说，Meta 手里有全球对比，但标题选了一个更窄的范围。这本身不算错，但它告诉读者：放到全球，这句话 Meta 自己没有说。

口径二：一张表里有三种来源。 同一份说明里，分数分别来自官方榜单、Meta 的内部复测、厂商自报。Beam 和 Mistral Large 4 的权重拿不到，只能引用自报数字；Meta 还专门注明，内部复测别家模型时，工具和系统提示「没有为第三方模型专门调过」，可能低于对方的最佳表现（官方文件）。同一列数字，可信程度并不相同。

口径三：编程分数测的是「模型加框架」。 在 DeepSWE 这类长程编程基准上，Meta 采用的是每个模型「偏好或自报的框架」：Muse Spark Open 配 Meta 自家的 Muse Code，Qwen3.8 配 Claude Code，Kimi K3 配 Kimi Code，GLM 5.3 配 mini-swe-agent，Beam 和 Mistral Large 4 的框架未注明；Inkling 和 Nemotron 3 Ultra 因为查不到结果，直接不列（官方文件）。今天简报里 Gemini 4 Argon 换个框架分数从 49.8% 到 97.5%，说的是同一件事：框架已经是成绩的一部分，框架不同，分数不能直接横比。

独立评测怎么说

Artificial Analysis 在发布当天给出了自测结果（第三方评测）：

• 综合智能指数 39 分，在同尺寸开放权重模型里排第 10（共 119 个），这一组的中位数是 19；
• 价格按多家服务商的中位数，输入每百万词元 1.25 美元、输出 4.25 美元，同组中位数分别是 0.43 和 1.59 美元，页面的原话是同尺寸开放权重模型里「特别贵」；
• 输出速度约每秒 102 个词元，跑完一道指数题平均花 0.84 美元；
• 许可证一栏标为「允许商用，但有限制」。

排第 10，意味着在这把尺子上，同组有更高的分数。需要说明的是，这类榜单常把同一模型的不同推理档位分开计，所以「前 9 名」不一定是 9 个不同的模型（分析推断）。

为什么重要

对大多数读者，开放权重模型的价值在三件事：能不能自己部署、能不能放心商用、用起来贵不贵。Muse Spark Open 在第一件事上确实往前走了一步；后两件，独立数据给出的信号偏弱。

同一时段的对照是 InclusionAI 的 Ling 3.1 Flash：总参数 5,600 亿、激活 250 亿，模型卡标注 MIT 许可（官方文件）。据 Made With Models 报道，它的模型卡写明满上下文运行需要 8 张 H200 或 4 张 GB300，任务表现目前也只是模型卡自报，没有独立结果（媒体报道）。两款模型都还缺完整的独立评测，但许可证这一项，差别已经写在纸面上：一个是 MIT，一个是带限制条款的自有许可。

我们的看法

「美国最强」这句话，我们没有核实它在美国范围内是否成立；即便成立，它回答的也是地缘问题，不是选型问题。对要选模型的团队，有用的不是「最强」两个字，而是三个问题：这个分数是谁测的，用的什么框架，许可证允许你做什么。Meta 的方法说明把前两个问题的答案写得很清楚，这一点值得肯定；只是读者需要翻到说明里才看得到。

如果接下来 Artificial Analysis 的编程智能体指数、或者用统一框架的第三方复测，把 Muse Spark Open 放进全球开放权重的前几名，我们会改口。

我们不知道什么

• Meta 说完整评估报告「即将发布」，安全评估细节目前只在模型卡里；
• Muse Model License 的「有限商业条款」具体卡在哪里（用户规模、用途），需要读完许可证全文，本文没有展开；
• Ling 3.1 Flash 的独立评测还没有出来，两者的能力高低现在无法比较。

接下来看什么

• Artificial Analysis 编程智能体指数里，Muse Spark Open 与 Kimi K3、Qwen3.8 在同一框架下的成绩；
• 托管价格会不会随服务商增加而下降，目前 1.25 / 4.25 美元是中位数，不是 Meta 定价；
• 下一批开放权重发布时，厂商是否开始在标题里写清对比范围。