Meta 开源"最强美产权重"Muse Spark Open：816B 参数，联手苹果跑上 Mac Studio

Meta 在 10 月 15 日把自家旗舰模型的能力下放了：Muse Spark Open 开放权重正式发布，总参数 816B、每次推理激活 42B，上下文窗口 100 万 token，原生多模态，专为 coding 与 agent 工作流打造。Meta 称它是"the most capable U.S. open-weight model to date"——这是厂商自己的说法，基准成绩来自 Meta 当天同步放出的评测，独立第三方的复核还没影。真正让这条新闻出圈的不是参数表，而是发布方式：Meta 联手苹果，让这个 816B 的庞然大物跑在了 Mac Studio 上，两台 512GB 统一内存的 M5 Ultra 版、或者四台 256GB 版组网，就能在办公桌上把它点亮。

先划一条线，避免混淆：10 月 12 日 Meta 发布的是闭源 frontier 模型 Muse Wonder（那篇我们单独写过），走的是"最强但只能云端调用"的路线；10 月 15 日这场是全新的事件——Wonder 家族的开放权重版本，加上和苹果的硬件合作。前者回答"Meta 的模型有多强"，后者回答"这么强的能力能不能交到开发者自己手里"。两篇互为镜像，建议对照着看。

816B 参数，42B 激活：MoE 的旗舰身材

Muse Spark Open 是一个混合专家（MoE）模型：总参数 816B，每个 token 实际只激活 42B。账很好算——推理成本跟 42B 量级的模型接近，知识容量却按 816B 的规模储备。100 万 token 的上下文窗口，意味着一次能吞下整个中型代码仓库加全部依赖说明；原生多模态覆盖文本、图像、视频、音频，输入侧一次到位。Meta 给它的定位非常明确：长程任务、复杂软件工程、多步推理，也就是 coding agent 每天真正干的活。

关于"美国最强开放权重"这个头衔，必须打个星号：所有对比成绩都来自 Meta 官方评测集，开源社区和第三方评测机构的独立跑分通常要晚几天到几周。在分数落地之前，把它理解成"Meta 认为这是美国迄今最强的开放权重模型"更准确。厂商宣称和可复现结论之间，永远隔着一道独立验证的墙。

能在桌上跑，但这张桌子有点贵

发布现场最抓眼球的画面，是 Zuckerberg 在 X 上晒出的照片：两台 Mac Studio 并排摆在他的办公桌上，Muse Spark Open 就跑在上面。技术路径是苹果的 MLX 框架经 Thunderbolt 5 做分布式推理，两台机器在软件层面被捏成一台"1TB 统一内存的超级计算机"。官方给出的最低配置是两台 512GB 统一内存的 M5 Ultra Mac Studio，或者四台 256GB 版——两种组法合计都是 1TB 内存。压缩后的 NVFP4 权重约 493GB，全精度 BF16 版本则要 1.6TB 左右，所以 1TB 这个数字不是拍脑袋定的，是权重体积倒逼出来的硬门槛。

苹果自测的数据是：四台 M5 Ultra Mac Studio 组网，decode 速度超过 36 tokens/s。这个速度写代码、做 agent 任务是够用的，但别对"流畅"抱太高期望——它证明的是"能跑"，不是"跑得爽"。

分布式推理的技术细节也值得单独说一句：苹果用的是自家 MLX 框架，多台 Mac 之间经 Thunderbolt 5 直连做张量并行，还用上了 RDMA 降低通信延迟。统一内存架构在这里是关键——M5 Ultra 的集成 GPU 可以直接寻址整台机器的 512GB 内存，显存和内存之间没有搬运开销，1.2TB/s 的内存带宽负责在每次生成 token 时"喂"进激活的那 42B 参数。换句话说，这套方案成立的前提，是苹果这几年在统一内存容量上持续加码；没有 512GB 一台的 Mac Studio，816B 的开放权重今天依然只能待在数据中心。

Meta 开源 Muse Spark Open 示意图：816B 参数开放权重模型在 Mac Studio 上本地运行

图注：Muse Spark Open 本地运行的两种官方配置——2 台 512GB 版或 4 台 256GB 版 M5 Ultra Mac Studio，合计统一内存都是 1TB。压缩权重（NVFP4）约 493GB 是门槛的由来；苹果实测四台组网 decode 超过 36 tokens/s。要点：两种配置殊途同归，拼的都是"凑够 1TB 统一内存"这一件事。

还有两个现实细节值得摆上台面。第一，512GB 统一内存的 Mac Studio 在发布时还没开售，官方说法是 10 月底到货；已经能买到的 256GB 版，售价已经超过 1 万美元。换句话说，"本地运行"的完整体配置，今天掏钱也买不齐。第二，Zuckerberg 照片里那两台机器，是 Meta 和苹果联合调优过的参考实现，普通开发者照抄作业之前，先确认自己的 Thunderbolt 组网和 MLX 版本跟得上。

官方演示：修 Mastodon、剪 DaVinci

Meta 没有只发权重了事，而是把 Muse Spark Open 和自家的 AI coding 终端 Muse Code 绑在一起，做了两场"干活式"演示。一场是给一个 Mastodon 客户端修 bug：从定位问题、修 bug、加新功能，到完整构建一次通过，走完了一个真实的软件工程闭环。另一场更跨界——在 DaVinci Resolve 里做视频剪辑，模型能看素材、做评审和裁剪。这两个 demo 的潜台词很直白：这模型不是为聊天榜单生的，是为"在你电脑上替你干长活"生的。修 bug 加剪片，恰好对应了 coding 和多模态 agent 两条产品线，也是 Meta AI 未来的两个主战场。

宿敌联手：Zuckerberg 和 Ternus 在 X 上互致谢

比技术参数更有故事性的是发布的人情面。Zuckerberg 在 X 上宣布权重发布时，公开感谢了苹果 CEO John Ternus 和苹果团队；Ternus 随后回复祝贺，称赞能在办公桌上如此高效地跑起这个量级的模型。这两家公司过去十几年几乎一直在对立面——App Store 抽成、隐私政策、广告追踪，每一条战线都打过。能让这对宿敌在同一条 X 时间线上互相致谢，靠的不是感情，是利益的重新对齐：Meta 需要证明"开放权重可以在消费级硬件生态里落地"，苹果需要证明"Mac Studio 是端侧 AI 的终极工作站"。一个要下放能力，一个要卖机器，各取所需，握手言和也就顺理成章。

战略辩论：开放权重下放 vs 云端集中

这才是整件事最值得咀嚼的一层。Zuckerberg 这些年反复讲一句话：先进的 AI 不应该集中在少数公司手里。Reuters 在报道里也专门点出了这一句。从 Llama 到 Glimmer 再到今天的 Spark Open，Meta 的开放权重路线图，本质上是在跟"云端集中"路线打对台：Anthropic、OpenAI、Google 把最强模型锁在 API 后面，按 token 收费；Meta 则把权重交出来，让任何人都能下载、微调、私有部署。支持者看到的是权力下放——数据不出本地、可审计、可定制，不用把核心业务押在某家云厂商的账单和政策上。

但硬币的另一面同样锋利：开放的是权重，集中的是算力。当"本地运行"的门槛是 1TB 统一内存、数万美元的硬件时，真正有能力私有部署的，依然是同一批有钱有卡的机构。权力的下放发生了，但只下放到了"买得起两台 Mac Studio"的那一层。这不是在否定开放权重的价值——可微调、可审查、私有部署对很多企业是刚需——而是提醒一句：不要把"权重开源"自动等同于"人人可用"。前者是许可证问题，后者是经济学问题。

Meta 开源 Muse Spark Open 示意图：816B 参数开放权重模型在 Mac Studio 上本地运行

图注：开放权重路线与云端集中路线的战略对照。开放权重的优势在权重可得、数据自主、可定制，代价是算力自备和运维自理；云端集中反之，零门槛开箱即用，代价是数据过手第三方、定制受限。Muse Spark Open 正好卡在中间：权重开放了，门槛却高得只够机构跨过。

最便宜的入场券，其实不是 Mac Studio

如果把"用上 Muse Spark Open"当成目标，买 Mac Studio 是最贵的那条路。Meta 在发布当天就把托管 API 铺好了：Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter、Together AI 七家平台同步上线，权重则可以在 Hugging Face、Amazon SageMaker AI、Google Cloud Model Garden、Microsoft Foundry Models 下载。对普通开发者和中小团队来说，现实的入场券是前者——按量调用，几美元就能开始实验。这才是开放权重真正的"下放"形态：权重免费下载解决的是"能不能拥有"，托管 API 解决的是"能不能立刻用"，两者缺一不可。

顺带看一眼许可条款：权重免费下载不等于无条件商用。据报道，Muse 模型许可要求基于该模型的产品或服务显著标注来源标识，对年收入超过一定规模、以模型即服务形式提供的主体还有额外的通知与协议要求。打算拿它做商业产品的团队，下载之前先读一遍许可证全文，别等到上线前才发现要补手续。

反差： "可在本地跑"和"要 1TB 内存"

整场发布里最有张力的修辞，就是"可在本地跑"和"要 1TB 内存"并置。营销话术想让你感受到的是"前沿 AI 回到了你的办公桌"，现实门槛告诉你的却是"你的办公桌得先升级成小型机房"。这种反差不是 Meta 独有，是整个开放权重赛道的共同处境：模型能力越大，本地化的代价越高，"开放"和"可及"之间的裂缝就越大。

有意思的对照就发生在同一个月：NVIDIA 的 Nemotron 3.5 Bolt 把 74B 参数塞进 24GB 显存（我们也写过），走的是"塞进笔记本"的平民路线；Meta 的 Spark Open 走的是"堆满办公桌"的旗舰路线。两条路没有高下，只有取舍——前者赌的是模型小型化的速度，后者赌的是消费级硬件内存容量的增长。Mac Studio 的统一内存架构能走到 512GB 一台，本身就是后者最大的底气。

Glimmer 之后，开放梯队正在成型

别忘了时间线：今年 8 月 Meta 已经发布过更小的开放权重模型 Muse Glimmer。从 Glimmer 到 Spark Open，Meta 的打法很清晰——把 Wonder 家族的能力按尺寸逐级下放，形成一个从轻到重的开放梯队。小模型铺生态、攒开发者，大模型立标杆、抢"最强开放权重"的话语权。这套组合拳的对手从来不是某一家云厂商，而是"闭源 API"这种商业模式本身。

收个尾，给个判断：Muse Spark Open 的历史意义，可能不在 816B 这个数字，而在它第一次把"旗舰级开放权重"和"消费级桌面硬件"焊在了一起。以前，开放权重和旗舰能力是两条平行线——要最强就去调云端 API，要开放就接受弱一档。从今天起，这两条线交汇了，虽然交汇点贵得离谱。Zuckerberg 赌的是：当权重已经交到开发者手里，硬件和推理优化迟早会把门槛打下来。这个赌注能不能赢，取决于未来十二个月里，有多少团队真的把它跑起来、而不是只下载了权重放在硬盘里吃灰。下载量会很好看，激活量才是试金石。