Meta 釋出 Muse Spark Open：816B 開源大模型，兩臺 Mac 就能跑

Muse Spark Open 是 Meta 開源的原生多模態大模型，總引數量達 816B，擁有 100 萬 token 的超長上下文，專門針對複雜程式設計和多步驟智慧體任務調優。

它最大的賣點，是第一次把這種級別的超大模型搬到了桌面上。藉助蘋果的 MLX 框架，只要兩臺搭載 M5 Ultra 的 Mac Studio，就能完全不聯網跑起來。

816B 引數是怎麼塞進桌面的

Muse Spark Open 採用混合專家架構（MoE）。整個模型有 62 層，每層包含 256 個專家，但處理每個 token 時只有 8 個專家被啟用。

也就是說，它雖然擁有 816B 的知識體量，實際計算時活躍的只有大約 42B 引數。這讓它既具備大模型的理解力，又保留了中型模型的推理速度。

不過，MoE 模型的痛點是視訊記憶體省不掉。所有 256 個專家必須常駐視訊記憶體，普通電腦根本吃不消。其 BF16 格式的原始權重就接近 1.5 TB，在雲端通常要用 4 臺 8 卡 H200 伺服器才能跑起來。

Meta 這次聯手蘋果 MLX 框架做了專門最佳化。M5 Ultra 單機支援最高 512 GB 統一記憶體，兩臺 Mac Studio 連在一起，能拼出 1 TB 的統一記憶體池。加上晶片本身 1.2 TB/s 的記憶體頻寬，剛好能吃下這顆龐然大物，讓兩臺桌面電腦表現得像一臺微型超算。

除了原生 BF16，Meta 還推出了專為輝達 Blackwell 架構最佳化的 NVFP4 4 位量化版本，視訊記憶體佔用砍掉四分之三，單臺 B200 節點就能部署。

能幹什麼與實際表現

Muse Spark Open 原生支援文本、影像、音訊和影片輸入，輸出則為純文本。音訊部分每秒生成 12.5 個 token，影片也可以直接逐幀切片分析。

官方測試中，它配合 Muse Code 終端完成了長週期的工程任務。比如給開源 Mastodon 客戶端 Ice Cubes 修復漏洞、新增新功能並直接完成打包構建。在影片剪輯軟體 DaVinci Resolve 裡，它能逐幀審閱素材，挑出精彩鏡頭並自動裁切成豎屏短影片。

不過社群傳出了不同聲音。有博主拿實測資料潑了冷水，指出官方跑分存在挑選痕跡。在部分第三方基準測試中，Muse Spark Open 的綜合表現甚至落後於 GLM-5.3、Step 5、Kimiko Free 和 Mimo 2.6 等開源模型，且官方 API 的呼叫價格也沒有太大優勢。

硬體門檻與開源協議的坑

想自己玩這個模型，代價並不低。除了兩臺 M5 Ultra 的硬體成本擺在眼前，它的開源協議也引發了不少吐槽。

在 Hugging Face 下載權重前，你需要填寫法定姓名、出生日期和所屬組織等隱私資訊。其附帶的 Muse Model License 還規定，所有使用該模型的產品都必須在介面顯著位置標註「built with Muse Spark open」。如果產品 12 個月內營收超過 2000 萬美元，還要另行申請商業授權。

如果你有對應硬體並想嚐鮮，模型權重已經上架 Hugging Face、AWS SageMaker JumpStart 和 Google Cloud，支援 vLLM、SGLang、llama.cpp 和 MLX。不想自建的話，Groq、Fireworks AI 和 Together AI 也提供了 API 接入。

為什麼重要

對開發者來說，這套方案最大的價值是給私有化程式碼智慧體打了個樣。如果你手頭有兩臺高配 Mac Studio，或者擁有本地算力叢集，它可以讓你把整個大型程式碼倉庫連同依賴完全扔進本地 1M 上下文裡跑，不用擔心敏感程式碼外洩。

但對大多數普通開發者和中小團隊而言，我們認為現在沒必要硬上。它的硬體門檻過高，第三方實測智商被同類更輕量的開源模型壓制，再加上苛刻的 UI 署名協議，拿來做商用專案並不划算。它更像是一次「桌面級個人超算」的技術肌肉秀，實用性還得看後續社群的進一步量化壓縮。