扎克伯格罕见地公开感谢了苹果的新任CEO。10月15日，Meta开源了816B参数的Muse Spark Open，苹果MLX团队同日发布技术博客：这个巨物能用两台M5 Ultra Mac Studio本地跑起来。一对互相捅了五年刀子的公司同台握手，消息瞬间刷屏。知乎知乎小红书
对玩本地部署的人来说，这事值得兴奋——但兴奋之前，先把几组数字摊开看看。
先搞清楚：这是个什么模型
Muse Spark Open是MoE架构：总参数8160亿，每个token只激活420亿，相当于256位专家里每班只叫8个上岗。上下文窗口100万token，原生支持图片、音频、视频输入，主攻编程和长流程Agent任务。权重已上架Hugging Face，Groq、OpenRouter等7家平台同步开出API，官方口径是"迄今能力最强的美国开放权重模型"。知乎
注意"美国"这个定语。有定语，就有故事。
内存账：493GB<512GB，为什么还是装不下
BF16原生精度下，光权重就超过1.6TB，任何桌面机都别想。苹果用NVFP4四位量化把内存占用压到约493GB。看到这你可能想：单台512GB的Mac Studio，不是刚好塞得下？知乎知乎
塞不下。加上KV缓存、推理中间状态和系统自身开销，剩下的十几GB不是余裕，而是问题的开始。所以才有"两台"方案：两台512GB的M5 Ultra用雷雳线直连，靠MLX的RDMA通信把模型拆开算——张量并行让两台机器同时干活，实测约25 token/s；流水线并行一台先干完再交给另一台，只有15.7 token/s。知乎
速度与门票：每个数字都带着前提
25 token/s听着能打，但小字部分写着：NVFP4量化、8K上下文。100万token长文和多人并发统统没测，首token还要等8.2秒，四台机器（36.7 token/s）才压到4.8秒。知乎
门票更硬核：512GB顶配M5 Ultra Mac Studio月底才开卖，媒体粗算两台的采购成本超过2万美元。想省钱还有一条路——HuggingFace团队试了单台M3 Ultra（512GB）跑更低的2/3bit量化，实测18~21 token/s。但量化格式和测试条件跟苹果那组都不同，不能直接比优劣，动单机念头之前，拿自己的任务重测一遍再说。知乎
跑分账：“美国最强”，真打不过国产
artificialanalysis.ai上，Muse Spark Open（High档）综合39分：与DeepSeek v4.1 Flash持平，比GLM 5.3 Flash低3分，比Mimo-V2.6-Pro低7分。Meta自己放出的对比表也承认，在Terminal-Bench终端编程、DeepSWE长周期软件工程上落后于Kimi K3和GLM 5.3，领先的主要是JobBench、MCP-Atlas这类工具调用项目。翻译一下：想本地跑个写代码的模型，"更小内存能跑、跑分还更高"的国产开源选项就排在那。Muse Spark Open真正的差异点是100万上下文+全模态输入+长程Agent的原生支持，而不是绝对分数。知乎知乎微博
上手前，还有两句提醒
许可用的是Muse Model License：可以免费用，但产品要标注"Built with Muse Spark Open"，高收入API转售商得单独签协议——“开放权重"不等于"无限制商用”。另外模型默认reasoning_effort拉在最高的xhigh档，四个档位里没有"关闭"，不手动调低，token会烧得飞起。知乎知乎
这消息到底跟谁有关
Meta今年早些时候买了数百台Mac专门研究本地AI，苹果需要一个标杆负载来卖新机——两家握手，各自的算盘都打得响。但"前沿级模型跑进书房、数据不出门"这个方向，是真的。
个人玩家：先去7家API平台把任务测一遍，别急着下硬件订单。手里有敏感数据、任务利用率高、也有人会维护的团队，才值得把这笔2万美元的账认真算完。
