Signal YCurated AI News
更新于 11/5 20:4061 个信源

Meta 的 Muse Spark Open 上线 Amazon SageMaker JumpStart

通用 AI10/16 01:43AWS 机器学习博客2 个来源报道查看原文 ↗
摘要

Meta 的开源权重编码模型 Muse Spark Open 正式上架 Amazon SageMaker JumpStart,用户可在自有 AWS 账户内快速部署这一 816B 总参数、100 万上下文、面向长程编码 agent 的 MoE 推理模型。

核心要点
  • 模型采用混合专家(MoE)架构,总参数 816B、每 token 激活 42B,Meta 将其定位为从设计之初就面向 agentic coding 的推理模型。
  • 上下文窗口达 100 万 token,可一次性吞下整个项目(含依赖、遗留代码与数千文件),无需把任务切碎。
  • JumpStart 提供两种变体:BF16(Muse-Spark-Open-816B-A42B)与 NVFP4 量化版(Muse-Spark-Open-816B-A42B-NVFP4)。
  • 输入模态覆盖文本、图像、文档、音频与音视频,输出仅文本;端点会一并返回推理过程,便于追踪 agent 的行为与原因。
  • 训练数据取自真实开发者工作流(代码生成、调试、多文件重构、长时任务),Meta 称模型可规划、执行、观察结果并自我纠错,还能浏览网页、协调子 agent、跨桌面/移动/浏览器操作计算机。
原文佐证
  • The model was trained on real developer workflows, such as multi-file refactors and long debugging sessions, and it supports a context window of 1 million tokens.
  • Muse Spark Open uses a mixture-of-experts (MoE) architecture with 816 billion total parameters, of which 42 billion are active for each token.
  • With the 1 million-token context window, the model can take in a whole project, including its dependencies, legacy code, and thousands of files.
AI 洞察
这是一个“开源权重模型 + 云厂商托管”分工进一步固化的信号:Meta 出模型与许可,AWS 出部署与量化(NVFP4)适配,把开源模型的落地门槛压到几条 SDK 调用。百万级上下文与原生 agentic 训练意味着竞争焦点正从单次补全准确率,转向长程任务中的自我纠错与多 agent 编排能力;若这一路线在真实仓库中被验证,编码 agent 的形态将从“IDE 插件”演化为可持续运行的项目级执行体,同时推理成本与安全边界(模型可操作计算机)将成为新的博弈点。