Meta 在一周内接连推进两条模型路线：2026 年 10 月 12 日发布 Muse Wonder 系列，15 日释放 Muse Spark Open 权重。前者通过托管服务提供，后者允许自行部署。新模型在榜单上走到哪里、开放权重又附带什么条件，需要把官方发布、第三方评测与评论判断分开看。
托管服务与开放权重
据 Meta 的10 月 12 日公告，Muse Wonder 当日通过 Meta Model API 和 Muse Code 提供，Muse Wonder Full 则向 Muse Code 订阅者提供。本文将这一支称为闭源托管路线：本次公告提供的是服务入口，没有宣布释放这两个模型的权重；这不等于它们与开放权重版是同一个模型的不同开关。
三天后，Meta 正式释放 Muse Spark Open 权重。它是原生多模态模型，总参数 816B、每次激活 42B，官方标注推理上下文为 1M token，面向编程和多步骤智能体任务，也可通过第三方推理平台调用。这里的“开放”指权重可获取，使用仍受专用许可证约束，不能直接称为无条件开源。
截至 2026 年 10 月 19 日，本文已核对上述发布日与访问方式；Wonder 系列订阅费用、服务适用地区及权益期限待核对，不把“发布当日可用”解读为全球用户免费可用。
官方成绩与第三方位置
先看官方材料里的成绩及来源。Muse Spark Open 模型卡在 xhigh 推理设置下列出 OSWorld Verified 80.4、Terminal-Bench 2.1 为 76.4。但这两个数字不能都归为厂商自测：官方评测方法报告说明，前者来自 Meta 内部运行，使用剔除 Google Drive 依赖任务后的 361 任务子集、每任务四次尝试，并按任务平均奖励计分；后者引用 Artificial Analysis，使用 Terminus 2 智能体框架。厂商发布的汇总表，可能同时包含自测和第三方结果。
Wonder 系列模型卡说明，两款模型通常使用 max 推理设置；其展示的结果也混合内部评估与外部来源。报告提醒，竞争模型的提示词、工具与运行环境未必获得最优适配。该报告中能力总表的具体数值仍待核对，本文不据此写“全面领先”。
再看直接查询的第三方快照。2026 年 10 月 19 日，Artificial Analysis 榜单在 Status=Current、其余筛选为 All 时，列出 Muse Wonder Full（max）56、Muse Wonder（max）52、Muse Spark Open（xhigh）39。同期 Claude Opus 5.5（max with fallback）为 58。Full 已接近该榜前列，但同一个模型的多种推理配置会分别占行，不能把表中行序直接当作不同模型的总名次，也不能把指数分数当作正确率。
本次直接核对的AA 方法版本为 v4.3.2，包含十项测评，主要考察英文文本能力；视觉、语音和多语种另行评估。Meta 的 Spark Open 方法报告标注的是 v4.3、引用日期为 10 月 7 日，应与本次查询分开记录。上述结果支持“托管旗舰与开放权重版处在不同能力位置”，不能代替对中文学习、具体编程项目或长期智能体稳定性的实测。
开放权重的许可边界
截至 2026 年 10 月 19 日，Muse Spark Open 采用发布日期为 10 月 15 日的 Muse Model License。许可证要求保留版权、许可与使用政策，并在产品界面或文档、网站、设置菜单等位置显著显示“Built with Muse Spark Open”。衍生模型的定义还涉及使用模型输出训练或改进的模型，不能只凭权重可下载就假定后续用途没有限制。
商业门槛尤其需要读原文：若被许可人或关联方向第三方提供模型服务，且被许可人及关联方在任何连续十二个月的总收入超过 2000 万美元，须先通知 Meta 并另签书面协议。内部使用、研究、非模型服务的商业活动，以及用于自身非模型服务产品功能的情形有明确例外。这不是“所有商业用户超过门槛就收费”，另行协议的具体费用待核对；条款对欧洲地区与其他地区分别指定 Meta 签约实体，也不等于服务已在所有地区开放。
Nathan Lambert 在 10 月 17 日的 Interconnects 评论中认为，这次发布让美国开放权重模型重新接近前沿，同时担心复杂许可影响采用。这是作者的产业判断。其文中将收入门槛概括为“每月 2000 万美元”，与官方写明的“连续十二个月”及模型服务适用范围不同，本文以许可证原文为准。作者还推测开放版可能源于 Muse Spark 1.2 的安全微调；官方确认的是增加了安全后训练，具体版本谱系仍待核对。
对学习和选型而言，这次发布提供了两种不同选择：通过托管服务接触旗舰能力，或在许可和算力条件下自行部署开放权重模型。榜单有助于缩小候选范围；哪条路线适合自己的任务，仍要结合成本、地区可用性与实际工作流判断。
