Meta发布Muse Spark Open：基于SageMaker JumpStart的AI编程优化模型上线

摘要：Meta正式发布Muse Spark Open，这是一款专为编程和智能体任务优化的开源大模型，现已上线Amazon SageMaker JumpStart。该模型采用MoE架构，总参数量达8160亿（活跃参数42亿），支持100万token的上下文窗口，并可处理文本、图像、视频和音频等多模态数据。Muse Spark Open专注于提升首次尝试准确性、工具调用能力和大型代码库理解能力，为开发者提供强大的编程辅助工具。

---

Meta发布Muse Spark Open：AI编程优化模型上线

Meta近日宣布，其专为编程和智能体任务优化的开源大模型——Muse Spark Open，现已正式上线Amazon SageMaker JumpStart。这一发布标志着AI技术在编程辅助和智能体开发领域的进一步突破。

技术架构与核心特性

Muse Spark Open采用混合专家（MoE）架构，总参数量达8160亿，但每个token的活跃参数仅为42亿。这种设计在保持大规模网络容量的同时，显著降低了单个token的计算开销。模型支持100万token的上下文窗口，能够处理整个项目及其依赖关系、遗留代码和数千个文件，无需将任务拆分为更小的部分。

此外，Muse Spark Open被设计为一种推理模型，能够接受文本、图像、文档、音频和音视频作为输入，并返回文本输出。其应用场景包括：

• 私有代码库上的编程助手：在用户账户的端点上处理代码，回答关于大型代码库的问题、重构代码并调试。
• 长时运行的编程智能体：运行智能体来规划变更、跨多个文件编辑、在用户自己的沙箱中运行测试，并根据结果调整方向。
• 多模态工程工作流：将截图、设计文档或录制的错误报告（包括音频和视频）转化为重现计划或草稿修复方案。

部署与使用

Muse Spark Open在SageMaker JumpStart中提供两种变体：BF16和NVFP4量化版本。BF16版本运行在ml.p6-b300.48xlarge实例上，而NVFP4版本运行在ml.p5e.48xlarge实例上。NVFP4版本由于采用NVIDIA的4-bit浮点格式，内存需求约为BF16版本的四分之一，是成本敏感型应用的首选。

用户可以通过SageMaker Studio或SageMaker Python SDK部署模型。部署过程包括选择模型、接受许可协议、配置端点实例类型和数量，以及选择高级选项（如VPC和AWS KMS密钥）。部署完成后，用户可以发送推理请求，模型返回推理结果和推理过程的解释。

开发者建议

在选择生产环境实例时，建议对两个变体进行基准测试，以确认其质量是否符合您的使用场景。此外，由于模型参数量巨大，部署时需确保实例的GPU内存容量足够。

结论

Muse Spark Open的发布为开发者提供了强大的AI编程辅助工具，尤其适用于处理复杂代码库和长时运行任务。通过SageMaker JumpStart，开发者可以轻松部署和使用该模型，并结合AWS的其他服务构建更智能的应用程序。

标签

• Meta
• Muse Spark Open
• 混合专家架构
• 编程助手
• 多模态AI

阅读预估时间

8 分钟

---

消息来源：AWS Machine Learning Blog (2026-10-15)

—— 完 ——

主题标签： #Meta 关注 #Muse Spark Open 关注 #混合专家架构 关注 #编程助手 关注 #多模态AI 关注