两台顶配Mac才能跑的"最强开源"，刚被比下去

10月15日，Meta放出开放权重模型Muse Spark Open，官网给了它一个很硬的定语，说这是美国迄今最强的开放权重模型。同一时间，苹果加入进来，把运行环境铺到了自家的Mac Studio上。

发布现场最抢眼的一幕，是两台512GB内存的Mac Studio并排站着，模型在里面跑完了一整轮推理，没有连任何服务器。

苹果和Meta为同一件事站台，上一次是什么时候，在场的人一时都想不起来。

8160亿参数，为什么非要两台Mac

先把数字摆出来：总参数8160亿，单次推理激活420亿，上下文窗口100万token，原生多模态，主打编程、智能体和多步推理。

行业里都在说它跑不动，但这里要拆的是它为什么能跑起来。

8160亿参数走的是混合专家（MoE）路线：模型里躺着一堆专家模块，每次任务只唤醒其中一小部分，所以激活参数只有420亿。它算得快，但算之前，8160亿参数的权重得先在内存里安好家，425GB上下，单台机器装不下。

多出来的办法是让两台Mac互联。苹果的MLX框架支持通过雷雳接口做RDMA（远程直接内存访问），两台M5 Ultra Mac Studio各512GB统一内存，合计一TB，权重被切开分居两边，计算时互相调用对方的内存。开发者代码层面不用手动切模型，框架自己处理分片和调度。

这就是"本地跑"的真相：不是你的笔记本能跑，是一套顶配工作站集群能跑。

两台机器的账，比API贵得多

256GB版Mac Studio的售价已经超过1万美元，512GB版还没正式开卖，按惯例只会更贵。两台落地，光硬件就是十几万人民币级别的投入，还不算电费和运维。而同样的模型，在OpenRouter、Fireworks AI、Together AI上直接调用，按token付费，几百块就能跑一阵子。

要这套本地方案的人其实很具体。一种是模型只能待在自己机房里，或者数据出境卡在合规上，走不了任何外部API；另一种是手里本来就压着一批Mac，拿它们跑推理比再买卡划算。权重同步上了SageMaker、Google Cloud Model Garden和Hugging Face，云厂商都开了部署通道，可那跟个人开发者没什么关系。

它自己公布的表格里，中国模型排在前面

更有意思的是Meta说辞和它自家评测之间的落差。

同一份官方测评里，终端编程、长周期软件工程和GDPVal-AA专业工作能力这三项，它的分数落在中国的Kimi K3和GLM 5.3后面。往前排的只有JobBench和MCP-Atlas工具使用两项。

Meta的首席AI官在采访里没绕这个弯，说最强的模型通常不开源，一是安全，二是能力，但全球大部分AI最后会跑在开放模型上，"应该来自美国"。

放开放权重出去，先算的是一笔生意账。闭源API按token收费，一旦有一个分数接近、还能自己部署的替代品出现，定价权就松了。把权重交到开发者手里，再让这些模型默认从美国下载，比在云上打价格战更划算。这套打法今天得同时应付来自中国的开源模型，Kimi K3和GLM 5.3就出现在对比表里。

开放权重不等于开源

两个很容易踩的误解值得当面说清。把"开放权重"和"开源"画等号是第一个——Muse Spark Open给的是推理权重、许可证和几种推理引擎的适配方式，训练数据、训练过程和配方都没公开，你能拿到成品，复现不了它；真正的开源项目会把整条链路摊开。第二个误解是开源等于免费，模型不要钱是真的，但它要显存、要电费、要人盯着，两台Mac Studio那笔账已经把成本挪到哪儿说清楚了。

下次再看到"能在本地跑"这几个字，先问跑它需要什么硬件。要是答案又是两台顶配工作站，那它的本地指的是公司机房，不是你家书桌。

这两天你要是真动过本地部署大模型的念头，你算出来的预算是几位数，卡在哪一步了？

作者提示含AI生成内容。作者声明本文无利益相关，欢迎值友理性交流，和谐讨论～