Meta开放Muse Spark Open权重：100万token上下文，终端任务评测76.4分
核心概要
Meta公开了面向智能体编程与长程任务的Muse Spark Open模型权重，并已在Modal的共享端点上按token计费提供。该模型原生支持多模态理解，上下文窗口为100万token，可完成写代码、调试、多步规划、顺序调用工具以及长流程中的失败恢复。在Meta的评测中，它使用Terminus 2智能体在Terminal-Bench 2.1上得76.4分，使用Meta偏好的评测框架在DeepSWE 1.1上得60分，推理强度设为xhigh。
深度剖析
面向智能体编程和长程任务的Muse Spark Open现在可以拿到权重，也能在Modal上直接调用。 此前这类模型多以托管服务形式提供，使用者拿不到权重，也无法自行部署。 Meta发布了该模型的权重，Modal以共享端点方式托管，按token计费。
模型把多模态理解、长上下文和工具使用放进同一套能力里，用来支撑跨多步的工作流。 长程任务要求模型在写代码、调试、规划、调用工具和出错后恢复之间连续切换，而不是只回答单轮问题。 模型原生支持多模态理解，上下文窗口为100万token，覆盖写代码、调试、多步规划、顺序工具调用和失败恢复。
公开的评测数字给出了这套能力在两类智能体编程基准上的位置。 评测使用指定的智能体与评测框架，结果与具体配置绑定。 在Meta的评测中，使用Terminus 2智能体时Terminal-Bench 2.1得76.4分，使用Meta偏好的评测框架时DeepSWE 1.1得60分，推理强度为xhigh。
启示与展望
报道覆盖的是模型权重开放、Modal共享端点上线，以及Meta评测中的两项基准分数。适合关注智能体编程、长上下文和工具使用的研发人员阅读。基准结果与Terminus 2智能体、Meta偏好的评测框架和xhigh推理强度绑定，换配置后的表现需另行查看模型卡。
两项基准分数均来自Meta自身的评测，模型卡给出评测设置。分数对应特定智能体、评测框架与推理强度，文本未说明其他配置下的表现。