10 月 15 日,也就是北京时间 16 日凌晨,Meta 把 Muse Spark Open 的权重放了出来:8160 亿总参数、每个 token 激活 420 亿、上下文 1,048,576 token,原生接收文本、图片、音频、视频,输出只有文本。这是 Meta 第一次开放大尺寸 Muse 模型的权重——三天前它刚发完闭源的旗舰 Muse Wonder,那次旗舰被锁进付费墙,我们 单独写过一篇。
发布之后出现了两套完全不同的叙事。Meta 的说法是"迄今能力最强的美国开放权重模型";媒体标题的说法是"两台 Mac Studio 就能跑"。这两句话都不算假,但都需要补上下半句才能用。这篇按四件事拆:它是什么、跑分到底在第几档、本地跑要花多少钱、以及你要不要动它。
一、四个数字讲完它是什么
- 8160 亿总参数、420 亿激活。稀疏混合专家(MoE)架构,处理每个 token 只叫醒一小部分专家,但完整权重必须全部装进内存——这两个数字后面会反复打架,先记住区别。
- 1,048,576 token 上下文。官方口径是 100 万 token,足够塞进一整套中型项目的源码,或者几十本技术手册。模型卡写明参考媒体的 token 也计入这个窗口。
- 原生多模态输入,纯文本输出。能看截图、听录音、逐帧看视频,但不能画图、不能生成视频、不能合成语音。它解决的是"看懂再动手",不是"生成"。
- Muse Model License 开放权重。可以运行、修改、微调、蒸馏、再分发;把模型作为服务对外提供、且许可方与关联公司任意连续 12 个月合计营收超过 2000 万美元时,要先通知 Meta 并另签书面协议。绝大多数个人和小团队落在免费的那一侧。
放在 Muse 家族里,它的位置很清楚:
| 模型 | 参数 | Artificial Analysis 智能指数 | 开放性 |
|---|---|---|---|
| Muse Wonder Full | 未公开 | 56 | 闭源 |
| Muse Wonder | 未公开 | 52 | 闭源,10 月 13 日发布,付费订阅 |
| Muse Spark 1.3 | 未公开 | 未单列 | 闭源 |
| Muse Spark Open | 816B-A42B | 39 | 开放权重 |
| Muse Spark 1.2 | 未公开 | 40 | 闭源 |
| Muse Glimmer | 30B 稠密 | 17 | 开放权重,8 月发布 |
表里最该盯的是 39 和 40 这两个数:Muse Spark Open 的能力"接近 Muse Spark 1.3",Meta 自己是这么说的;而开放版与两个月前的闭源 Spark 1.2 只差 1 分。至于 Wonder 那 52 分和 56 分,是 Meta 明说了"最强的不开源"之后留下的差距——差 13 分,不是差一点。
二、“美国最强"这句话怎么读
Meta 的博客列了六项第一:工作流、工具调用、知识推理、知识可靠性、复杂视觉推理、图像事实问答。这些都不算编,但它挑的对比对象值得看一眼。
自报表里最扎实的一项是 MCP-Atlas,测模型通过 MCP 协议调用外部工具的能力,Muse Spark Open 拿 89.2,同表靠前。JobBench 是 61.8,而 GLM-5.3 是 61.4——只高 0.4 分,这种差距在一次评测里基本等于打平。OSWorld Verified 是 80.4,Kimi K3 是 84.8;Toolathlon Verified 是 72.8,GLM-5.3 73.0、Kimi K3 76.5。三个 agentic 场景里,它只在其中一个以 0.4 分胜出。
真正的硬伤在编程。Meta 自己的表就摆在那里:
| 评测 | Muse Spark Open | Qwen3.8 | GLM-5.3 | Kimi K3 |
|---|---|---|---|---|
| Terminal-Bench 2.1 | 76.4 | 82.0 | 83.9 | 85.0 |
| DeepSWE 1.1 | 60 | — | 67 | 68 |
| JobBench | 61.8 | 低于 61.8 | 61.4 | 低于 61.8 |
| OSWorld Verified | 80.4 | — | — | 84.8 |
一个主打"编码与智能体"的模型,在命令行任务上比 Kimi K3 低 8.6 分,在软件工程任务上低 8 分。这不是小数点级别的差距。Meta 在演示里让它给开源 Mastodon 客户端 Ice Cubes 改 iOS 代码、跑完整构建,又让它操作达芬奇逐帧审片裁竖屏——演示是真的,但演示是官方挑过的任务。
独立评测来得很快,而且结论比自报更冷。 Artificial Analysis 在 16 日 00:41(UTC)发帖,给出 39 分(xhigh 最高推理档),和 Meta 自报的 39 分一致——这一点要给它记一笔,自报和独立复测对得上,在今年的发布里不常见。但同一份评测也说清了两件事:39 分确实是美国开放权重模型的最高分;而在指数包含的四个 agentic 评测上,它在分数最高的九个开放权重模型里排名垫底。榜单上排在它前面的有 MiMo-V2.6-Pro 的 46、GLM-5.3 的 45、Kimi K3 的 44、Step 5 Preview,以及刚开源的 Ling-3.1-flash 41;它和 DeepSeek V4.1 Flash 同为 39。NVIDIA 同日发的 Nemotron 3.5 Super VL 是 26 分,被 AA 称作美国开放权重第二——把这个当参照,“美国最强"这个头衔的含金量就更清楚了。
AA 的模型页还给了两个工程向数字:实测输出速度 102.0 token/s,每个任务成本 0.84 美元。这两个数字后面算账时要用。
三、本地部署:那两台 Mac Studio 的账
“两台 Mac Studio 就能跑"是这次传播最广的一句话。它成立,但成立的条件比标题长得多。
先看官方给的硬件口径。模型卡与部署文档写的是:BF16 权重约 1.65TB,NVFP4 版本约 537GB;官方 GPU 部署示例里,BF16 用 8 张 B300,NVFP4 用 4 张 B300。而模型卡另一处标注的"NVFP4 至少需要 700GB 加速器内存”,是含 KV Cache 与运行时开销的口径。苹果技术说明给出的 NVFP4 权重占用约 493GB,是纯权重口径。三个数字不是谁写错了,是三种量法:
| 口径 | 数值 | 含义 |
|---|---|---|
| BF16 纯权重 | 约 1.65TB | 8160 亿 × 2 字节的必然结果 |
| NVFP4 纯权重 | 493GB(苹果) / 537GB(官方文档) | 4 位量化后的权重文件 |
| NVFP4 可用内存 | 至少 700GB | 权重 + KV Cache + 激活 + 运行时 |
| 两台 Mac Studio 上限 | 1TB 统一内存 | 512GB × 2,仅 M5 Ultra 顶配 |
算一下就明白为什么两台而不是一台:8160 亿参数按 2 字节算是 1632GB,按 4 位算是 408GB,加上推理时的中间状态,700GB 是更现实的下限。单台 512GB 装不下,两台刚好过线。Engadget 的说法是本地运行"至少需要 1TB 内存”,苹果 M5 Ultra 的 Mac Studio 效果最好——和上面的账对得上。
还有一个必须说清的技术细节:两台机器各有 512GB,不等于自动拥有一块 1TB 内存池。 统一内存的好处是 CPU 和 GPU 共享同一套大内存,省掉了独立显存的容量墙;但跨机部署要把模型切分到两台,机器之间要交换中间结果,软件层要配合。Meta 用 MLX 做了适配,单机 1.2TB/s 的内存带宽足够喂每个 token 要读的那一小片权重。这是工程活,不是插上线就翻倍。
价格这边,现实一点:
- 现售的 M5 Ultra Mac Studio 起步配置 256GB 内存,起售价 10,799 美元(约 7.7 万元人民币)。两台加起来约 2.16 万美元,但装不下这个模型。
- 512GB 版本按苹果的说法要到 10 月底才开售,价格未公布。按媒体估算,凑出约 1TB 的两台机器,购机成本超过 4 万美元。
- 两台之外还有显示器、存储、电费;要跑 100 万 token 上下文,长上下文那部分的开销只会更大。
四万美元是什么概念?按 AA 实测的每任务 0.84 美元折算,够在托管平台上跑约 4.76 万个 agent 任务。按 OpenRouter 挂出的 1.25/4.25 美元每百万 token 折算,一个月一千万输入 token 加两百万输出 token 的用量是 21 美元——四万美元够跑一千九百多个月,折算下来是 158 年。
这个对比不是在说本地部署没意义。它说的是:本地跑 Muse Spark Open 买的不是便宜,是数据不出门、断网可用、权重可改。 需要为这三件事付四万美元的团队,买得值;想靠它省 API 费的,账算不过来。
四、三种用法,三条上手路径
Meta 这次铺得很开,三种用法各有各的门槛。
| 用法 | 成本 | 适合谁 | 要准备什么 |
|---|---|---|---|
| 第三方托管 API | 按 token 计费,OpenRouter 标价输入 1.25、输出 4.25 美元/百万 token | 个人开发者、验证阶段的小团队 | 一个 API key,今天就能跑 |
| 云上自建 | 官方示例 NVFP4 要 4 张 B300,BF16 要 8 张 | 有 GPU 资源、要微调的中大型团队 | vLLM / SGLang / TensorRT-LLM 任一栈 |
| 桌面本地 | 两台 512GB M5 Ultra Mac Studio,超 4 万美元 | 有数据合规要求、已有苹果工作站的内容团队 | 最新版 MLX + 多机配置 |
托管侧已经同步上线 7 家:Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter、Together AI。权重除了 Hugging Face,还上了 Amazon SageMaker AI、Google Cloud Model Garden、Microsoft Foundry Models 三个云市场——这条比模型本身更值得注意:Meta 把权重同时塞进三家云的分发管道,等于把"下载"这件事做成了开箱即用。
推理引擎的适配名单是:SGLang、vLLM、TensorRT-LLM、Hugging Face Transformers、llama.cpp、Unsloth,加苹果自家的 MLX。Meta 还带了一套自己写的 Helion GPU 内核,官方说在英伟达和 AMD GPU 上有 1.03 到 3.95 倍的内核级加速,在 AMD MI350 上端到端提升 3%。
最简的一条路,不碰硬件:去 OpenRouter 的 meta/muse-spark-open 页面拿 key,模型 id 照抄页面上的写法,用 OpenAI 兼容的 SDK 调,把 base_url 指到 OpenRouter。跑起来之后先做两件事:让它读一张截图或一段方言录音,验证多模态输入真的通;再用同一个提示词让手头的 GLM-5.3 或 Kimi K3 跑一遍,对比它在你自己的任务上是不是真的更强——AA 的 39 分和它的编程短板说明,通用榜单不能替代你的场景测试。
自己部署的读者要注意两件事:第一,llama.cpp 在适配名单里,但 700GB 的 NVFP4 门槛意味着消费级单卡没有机会,别指望 24GB 显存能跑;第二,100 万上下文是窗口上限,不是免费额度,长上下文下的 KV Cache 会把内存需求再往上推一档,官方 700GB 的口径已经算过一部分,实际部署务必按上限留余量。
五、许可证:免费不等于随便用
Muse Model License 给了运行、修改、微调、蒸馏、再分发五项权利,条款里有一条企业级门槛:把 Muse Spark Open 或其衍生品作为服务提供,且你和关联公司在任意连续 12 个月内合计营收超过 2000 万美元时,必须先通知 Meta 并签署书面协议。这条对个人开发者、小团队、内部工具都无感;对打算拿它做转售 API 的公司,是明确的谈判入口。
另外两件事要分清:
- 开放权重不等于开源。 权重能下,训练数据、训练代码、强化学习细节没给。你能改、能微调、能商用,但不能说"这是一个可以复现的开源模型”。今年所有打着"开放权重"旗号的发布,都适用这句话。
- 安全后训练是官方重点。 模型卡强调在发布前做过额外安全对齐,并在所有受测风险维度上通过。同时 Alexandr Wang 在采访里说了实话:“出于安全性和能力两方面的考量,我们通常不会将最强大的模型开源。“这句话解释了为什么 Wonder 是闭源,也解释了 Muse Spark Open 为什么落后 13 分。
六、我的判断
该上的:
- 有数据合规或离线要求的团队。四万美元买的是"这套代码和录像不出公司门”,这个诉求在金融、医疗、制造业内网里一直存在,以前只能靠小模型凑合。
- 做长程 agent 原型的团队。MCP-Atlas 89.2、JobBench 61.8 说明它在工具调用这一层是有货的;100 万上下文对"塞一整套代码库让 agent 自己找"这类用法是实打实的优势。
- 已经有 M5 Ultra Mac Studio 的内容团队。多模态输入加达芬奇操控这条路,是这次演示里最有说服力的场景,前提是机器已经在桌上。
再等等的:
- 个人开发者和独立开发者。按次付费的托管 API 才是你的路径,四万美元的硬件账至少一百五十年才回本。
- 主要用编程的人。Terminal-Bench 76.4、DeepSWE 60 这两个数字摆在那,拿它替代 GLM-5.3 或 Kimi K3 写代码,是用更贵的成本换更低的分数。
- 等量化生态的人。llama.cpp 和 Unsloth 的适配刚上线,社区 4 位量化版本、长上下文实测、真实吞吐数据都还要几周才会出来,现在下手等于当小白鼠。
别碰的:
- 想在自己 4090 或 3090 上跑的人。700GB 加速器内存的下限,和单卡 24GB 之间没有技巧可以弥补。
- 拿"美国最强"当采购依据的人。这句话的完整版是"美国最强”,放到全球开放权重里它排在第六到第七位,前面站着四个中国模型。
这次发布真正值得记的,不是 39 分,也不是那两台 Mac。是 Meta 把"开放权重"和"桌面部署"这两件事绑在一起,给了市场一个新的定价参照:一个接近闭源旗舰的模型,权重可以免费下,但想留在自己机器上,门槛是四万美元。这个价格带以前是空的——往上是要机房,往下是跑不动。Meta 和苹果把这条线画出来了,接下来要看其他家跟不跟。
本文由拾光札记编辑部整理,勘误请联系我们