Muse Spark Open 上架 Arena，可在 Agent Arena 实测，评分即将公布
2026-10-16
Arena 宣布 Meta 的 Muse Spark Open 已进入 Agent Arena，用户可实测，评分即将公布。
该模型为 816B 总参数、42B 激活参数，1M token 上下文窗口，原生多模态。
Meta 的 Muse Spark Open 已进入 Arena 的 Agent Arena，用户可自行实测，官方评分尚未公布。该模型为 816B 总参数、42B 激活参数，支持 1M token 上下文窗口，并具备原生多模态能力。
- Meta 的 Muse Spark Open 已进入 Arena 的 Agent Arena，用户可自行实测，官方评分尚未公布。该模型为 816B 总参数、42B 激活参数，支持 1M token 上下文窗口，并具备原生多模态能力。
- 原贴提到：Arena 宣布 Meta 的 Muse Spark Open 已进入 Agent Arena，用户可实测，评分即将公布。该模型为 816B 总
- 来源：x.com
这是什么信号
Muse Spark Open 出现在 Arena 的 Agent Arena 中，意味着它已从参数规格表进入真实任务评测环节。公开信号里给出的信息有两部分：一是它已经开放让用户实测，评分即将公布；二是它的规格——816B 总参数、42B 激活参数、1M token 上下文窗口、原生多模态。
值得注意的是“Agent Arena”这个入口，而不是普通的对话模型竞技场。把模型放进 Agent Arena，等于把它放到多步任务、工具调用的场景中接受评估。这类评测比单轮问答更难靠提示词或格式技巧提高分数。
为什么重要
816B 总参数配 42B 激活参数，属于典型的稀疏架构：总参数规模很大，但单次推理只激活一小部分。这种结构在能力上限与推理成本之间找平衡，也解释了为什么它能以开放形态进入 Arena 实测，而不是只发一张规格表。
1M token 上下文与原生多模态两项能力叠加，指向的是长文档、多模态素材、长会话这类真实工作负载。如果这两项能力在 Agent Arena 的实测中成立，它影响的不只是“跑分排名”，而是它能不能承担完整工作流。
更关键的是“评分即将公布”这个状态。规格是自我声明，评分是外部对照。在评分出来之前，所有关于它能力的判断都只是基于参数的推测。
对谁有价值
- 正在做模型选型的技术团队：需要判断是否把 Muse Spark Open 纳入候选，尤其是长上下文和多模态场景。
- Agent 产品开发者：Agent Arena 的实测结果比通用榜单更贴近你们的真实调用形态。
- 关注开源与开放模型竞争格局的从业者：Meta 这一量级的稀疏模型以可实测形态出现，会改变同规格模型的对比基准。
- 内容与研究观察者：评分公布前后会出现一轮讨论，提前理解规格含义，才能分辨哪些结论有依据。
可以怎么行动
第一，去 Agent Arena 用自己业务里最典型的任务做实测，不要只参考别人的截图和转述。第二，重点关注多步任务的成功率和中断点，而不是单轮回答质量，因为在 Agent 场景里，失败往往出现在中间步骤。第三，把 1M 上下文能力用在你们真实的长文档或多模态素材上，验证它是否真的“能读完且能用上”，而不是只看长度是否足够。第四，在评分公布前先建好你们自己的评估集，等官方分数出来后，用它做交叉验证，避免被单一榜单主导判断。
风险与限制
评分尚未公布，是目前最大的信息缺口。Arena 上的实测数据来自用户自发提交，任务分布和样本量都不可控，早期的个案体验容易被放大成普遍结论。规格本身同样不能等同于能力：总参数更大并不意味着在所有任务上更强，激活参数只有 42B，意味着单次推理覆盖的容量有限，复杂任务的表现仍需要验证。此外，1M 上下文“支持”与“在长上下文中保持稳定表现”是两件事，原生多模态的具体覆盖范围，公开信号里也没有给出细节。自行部署或大规模调用的成本与门槛，同样需要你们自己评估，公开信息并未涉及。
这条内容的真正价值，不只是“有人发布了一个新功能”，而是它揭示了 x.com 背后的产品方向、工作流变化或竞争信号。对 OPC 来说，这种信息可以转化成持续追踪的栏目选题。
如果把《Muse Spark Open 上架 Arena，可在 Agent Arena 实测，评分即将公布》放到你的内容系统里，它最大的价值在于帮助读者更快看懂“为什么值得关注”，而不是只看到一条碎片化动态。