Meta 发布 Muse Spark Open：816B 开源大模型，两台 Mac 就能跑

Muse Spark Open 是 Meta 开源的原生多模态大模型，总参数量达 816B，拥有 100 万 token 的超长上下文，专门针对复杂编程和多步骤智能体任务调优。

它最大的卖点，是第一次把这种级别的超大模型搬到了桌面上。借助苹果的 MLX 框架，只要两台搭载 M5 Ultra 的 Mac Studio，就能完全不联网跑起来。

816B 参数是怎么塞进桌面的

Muse Spark Open 采用混合专家架构（MoE）。整个模型有 62 层，每层包含 256 个专家，但处理每个 token 时只有 8 个专家被激活。

也就是说，它虽然拥有 816B 的知识体量，实际计算时活跃的只有大约 42B 参数。这让它既具备大模型的理解力，又保留了中型模型的推理速度。

不过，MoE 模型的痛点是显存省不掉。所有 256 个专家必须常驻显存，普通电脑根本吃不消。其 BF16 格式的原始权重就接近 1.5 TB，在云端通常要用 4 台 8 卡 H200 服务器才能跑起来。

Meta 这次联手苹果 MLX 框架做了专门优化。M5 Ultra 单机支持最高 512 GB 统一内存，两台 Mac Studio 连在一起，能拼出 1 TB 的统一内存池。加上芯片本身 1.2 TB/s 的内存带宽，刚好能吃下这颗庞然大物，让两台桌面电脑表现得像一台微型超算。

除了原生 BF16，Meta 还推出了专为英伟达 Blackwell 架构优化的 NVFP4 4 位量化版本，显存占用砍掉四分之三，单台 B200 节点就能部署。

能干什么与实际表现

Muse Spark Open 原生支持文本、图像、音频和视频输入，输出则为纯文本。音频部分每秒生成 12.5 个 token，视频也可以直接逐帧切片分析。

官方测试中，它配合 Muse Code 终端完成了长周期的工程任务。比如给开源 Mastodon 客户端 Ice Cubes 修复漏洞、添加新功能并直接完成打包构建。在视频剪辑软件 DaVinci Resolve 里，它能逐帧审阅素材，挑出精彩镜头并自动裁切成竖屏短视频。

不过社区传出了不同声音。有博主拿实测数据泼了冷水，指出官方跑分存在挑选痕迹。在部分第三方基准测试中，Muse Spark Open 的综合表现甚至落后于 GLM-5.3、Step 5、Kimiko Free 和 Mimo 2.6 等开源模型，且官方 API 的调用价格也没有太大优势。

硬件门槛与开源协议的坑

想自己玩这个模型，代价并不低。除了两台 M5 Ultra 的硬件成本摆在眼前，它的开源协议也引发了不少吐槽。

在 Hugging Face 下载权重前，你需要填写法定姓名、出生日期和所属组织等隐私信息。其附带的 Muse Model License 还规定，所有使用该模型的产品都必须在界面显著位置标注「built with Muse Spark open」。如果产品 12 个月内营收超过 2000 万美元，还要另行申请商业授权。

如果你有对应硬件并想尝鲜，模型权重已经上架 Hugging Face、AWS SageMaker JumpStart 和 Google Cloud，支持 vLLM、SGLang、llama.cpp 和 MLX。不想自建的话，Groq、Fireworks AI 和 Together AI 也提供了 API 接入。

为什么重要

对开发者来说，这套方案最大的价值是给私有化代码智能体打了个样。如果你手头有两台高配 Mac Studio，或者拥有本地算力集群，它可以让你把整个大型代码仓库连同依赖完全扔进本地 1M 上下文里跑，不用担心敏感代码外泄。

但对大多数普通开发者和中小团队而言，我们认为现在没必要硬上。它的硬件门槛过高，第三方实测智商被同类更轻量的开源模型压制，再加上苛刻的 UI 署名协议，拿来做商用项目并不划算。它更像是一次「桌面级个人超算」的技术肌肉秀，实用性还得看后续社区的进一步量化压缩。