Meta 于 2026-09-02 发布 Muse Spark 1.3，作为当前最强编码与智能体模型之一（1M 上下文、DeepSWE 75.4%、Terminal-Bench 2.1 88.8%），大量开发者希望本地运行。但需要先厘清一个关键事实：Muse Spark 1.3 目前是闭源 API-only 模型，权重未公开，无法像 LLaMA 那样直接下载本地跑。本教程覆盖三种可行路径——Muse Code CLI 本地安装、Meta Model API 本地对接、以及用开源的 Muse Glimmer 30B 作为本地替代方案——帮你根据实际需求选择正确的部署方式。
一、先搞清楚：Muse Spark 1.3 能不能本地部署？
结论：如果你的需求是"在本地机器上跑 Meta 的编码模型"，Muse Glimmer 30B 是当前唯一可本地部署的 Muse 系列模型。如果必须用 Spark 1.3，只能通过 API 对接（本地安装 Muse Code CLI 调用云端模型，或直接调 Meta Model API）。
二、路径一：安装 Muse Code CLI（本地终端 + 云端模型）
Muse Code 是 Meta 官方终端编码 Agent（类似 Claude Code），安装在你本机，但模型推理在 Meta 云端。这是体验 Spark 1.3 最完整能力的方式。 环境要求
- macOS 或 Linux（Windows 需用 WSL2）
安装步骤
方式 A：官方一键脚本（macOS / Linux）
安装器将 muse 启动器放在 ~/.local/bin/muse，使用账号/设备认证流程登录。
方式 B：npm 全局安装
验证安装
如果系统提示找不到命令，检查 ~/.local/bin 或 npm 全局 bin 目录是否在 PATH 中。
启动 Spark 1.3 编码会话
在交互界面中可直接输入架构重构、多文件修改等复杂任务。Muse Code 会自动读取仓库文件、运行测试、管理 Git 状态；高危操作（删文件、部署）会主动请求确认。
安全提醒：运行远程安装脚本前请先审查源码（curl -fsSL https://dev.meta.ai/install.sh | less），确认无误后再执行。不要运行来路不明的第三方安装脚本。
三、路径二：Meta Model API 本地对接（OpenAI 兼容）
如果你有自己的 Agent 框架或后端服务，直接调 Meta Model API 是最灵活的方式。API 为 OpenAI 兼容协议，迁移成本极低。
1. 获取 API Key
- 设置环境变量：
export MODEL_API_KEY="LLM|your-key"
2. Python SDK 调用
3. 定价与速率限制
Contributor 档价格极低，但 Meta 可使用你的 prompt 和输出进行训练——不要用 Contributor 档处理客户数据、私有代码或敏感信息。
四、路径三：本地部署 Muse Glimmer 30B（真正的离线方案）
Muse Glimmer 是 Meta 开源的 30B 参数 Agent 模型，提供 4-bit 量化 GGUF，是 Muse 系列中唯一可完全离线运行的模型。它不是 Spark 1.3 的缩小版，而是独立的本地 Agent 模型，继承了 Muse 的工具调用与编码设计理念。
硬件要求
| | |
|---|
| | |
| | 模型(16.8GB) + 投影器 + KV 缓存 + OS + 长上下文 |
| | |
| | |
方式 A：Ollama 一键拉取（最简单）
Ollama 自动处理模型格式转换与优化，启动后本地 API 为 http://localhost:11434（OpenAI 兼容）。
方式 B：llama.cpp + GGUF（更灵活控制）
启动后访问 http://127.0.0.1:8080 即可使用。-ngl 99 表示尽可能多的层放入 GPU；-c 32768 设置上下文长度（长上下文下 KV Cache 是显存大头，量力而行）。
方式 C：vLLM 部署（生产级，多卡并行）
启动后 http://127.0.0.1:8000/v1/models 查看服务状态。多卡把 --tensor-parallel-size 改为 GPU 数量。
五、本地对接 Muse Code 与本地模型
如果你想让 Muse Code CLI 使用本地部署的 Glimmer 而非云端 Spark 1.3，可以修改 API 端点：
注意：本地 Glimmer 的能力与 Spark 1.3 有差距（参数量 30B vs 旗舰级、无 max reasoning 模式），但工具调用、代码生成、文件编辑等基础 Agent 能力可用，适合隐私要求高或离线场景。
六、常见部署问题与排查
| | |
|---|
| | export PATH="$HOME/.local/bin:$PATH" 写入 shell rc 文件
|
| | 设置 OLLAMA_MODELS 环境变量迁移到其他盘 |
| | 降低 -c 值；或用 -ot ".ffn_.*_exps.=CPU" 把专家层放系统内存 |
| | |
| | 升级 Standard 档（3,000 RPM）或批量请求 |
| | |
常见问题
Q: Muse Spark 1.3 什么时候开源？
A: Meta 已确认开源权重在路线图上，但未公布具体日期。当前只能通过 Muse Code 或 Meta Model API 使用。如果你需要本地部署，先用开源的 Muse Glimmer 30B 顶上。
Q: Muse Glimmer 30B 和 Muse Spark 1.3 差距多大？
A: 差距明显。Spark 1.3 是旗舰级闭源模型（1M 上下文、DeepSWE 75.4%、max reasoning），Glimmer 是 30B 本地模型，定位不同。Glimmer 能做基础编码辅助、工具调用和文件编辑，但长程推理深度、上下文窗口和基准成绩都不如 Spark 1.3。隐私优先或离线场景选 Glimmer，追求最强能力选 Spark 1.3 API。
Q: Windows 能直接装 Muse Code 吗？
A: 官方安装脚本支持 macOS 和 Linux。Windows 用户建议用 WSL2 安装；也可以用 npm 方式 (npm install -g @meta/muse-code@latest)，但部分功能可能需要 WSL 环境才能完整运行。
Q: 用 Contributor 档省钱的坑在哪？
A: Contributor 档价格极低（$0.10/$0.20），但 Meta 会用你的 prompt 和输出训练模型。客户数据、私有代码、合同、未公开计划等绝对不要放 Contributor 档。判断标准：公开信息、可复现测试、虚构数据 → 可以用；客户数据、私有代码、机密信息 → 用 Standard 档或本地 Glimmer。
Q: 已有 LLaMA 4 Scout / Maverick，还需要装 Glimmer 吗？
A: 如果你的主要用途是编码和 Agent 任务，Glimmer 在工具调用和编码场景上比通用 LLaMA 更优化（继承了 Muse 的 Agent 训练管线）。如果只是通用文本对话，LLaMA 4 已经够用，不必额外安装。
以上信息综合自 Meta 官方公告（dev.meta.ai / Meta AI Research）、SoftReviewed、Eyestech、IntuitionLabs、Truescho、GPTunneL、LiteLLM 文档、CSDN 及 note.com 等来源，于 2026-09 初核对。Muse Spark 1.3 的闭源状态、Glimmer 30B 的开源与硬件需求、API 定价与速率限制等可能随时间变化；部署前请以 dev.meta.ai 官方文档为准确认最新参数。基准成绩（DeepSWE 75.4%、Terminal-Bench 2.1 88.8% 等）来自 Meta 官方发布与 Artificial Analysis 独立评测，随 harness 差异较大，仅供方向参考。
AI 速览
