816B 总参数、42B 激活参数、100 万 token 上下文，还能在两台 Apple M5 Ultra Mac Studio 上运行。
Meta 在 2026 年 10 月 15 日端出 Muse Spark Open，并把它称为迄今最强的美国开放权重模型。
听起来像一次把大模型从机房拖到桌面的秀。
但评论区很快热闹起来。
有人质疑跑分，有人翻许可，还有人盯着那两台 Mac Studio 的价格。
先把场面撑起来，Meta 把生态全摆上桌
Muse Spark Open 的牌面确实不小。
它是一个原生多模态模型，总参数 816B，激活参数 42B，上下文窗口 100 万 token。
Meta 把重点放在 coding 和 agent 工作流上，强调长周期任务、复杂软件工程和多步推理。
发布当天，模型已经上了多家 API 平台，包括 Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter 和 Together AI。
权重也能从 Amazon SageMaker AI、Google Cloud Model Garden、Hugging Face 和 Microsoft Foundry Models 下载。
推理引擎名单也很长：SGLang、vLLM、TensorRT-LLM、Hugging Face Transformers、Apple MLX、llama.cpp、Unsloth。
优化对象覆盖 AMD、Apple、Intel、NVIDIA。
Meta 这次显然不想只发一个模型。
它想把 Muse Spark Open 塞进开发者能想到的每一种部署路径里。
桌面运行才是这次发布的钩子
最有画面感的部分，是 Apple Silicon。
Meta 说，借助最新 MLX，Muse Spark Open 可以在 Mac Studio 上运行，并且针对 M5 Ultra 做了优化。
关键在统一内存。
每台 M5 Ultra Mac Studio 的集成 GPU 最多可用 512GB 内存。
两台机器，就能装下整个模型。
Meta 还提到，M5 Ultra 的内存带宽达到 1.2TB/s，足以读取每个 token 需要的那一小片数据。
于是两台 Mac Studio 被描述成一台拥有 1TB 统一内存的超级计算机。
这个说法很有传播力。
因为它把运行大模型从云端账单，变成了桌面上的两台机器。
Meta 还给了两个演示。
一个是 Muse Code 驱动 Muse Spark Open，在开源 Mastodon 客户端 Ice Cubes 上完成真实 iOS 修改，包括修 bug、加新功能、完整构建。
另一个是驱动 DaVinci Resolve，让模型逐帧查看素材，找出更强的片段，再竖屏裁剪。
个人觉得，这两个例子选得很聪明。
一个打开发者，一个打内容创作者。
都是能落地的工作流。
但最强这两个字，很快被评论区拆台
官方博客的口径很满。
热门评论却拿出第三方数据泼冷水。
Artificial Analysis 的数据显示，Muse Spark Open 表现不如 Qwen3.8 Flash Next 和 GLM 5.3 Flash，而这两款模型可以在单张 B300 上运行。
还有评论给出更细的数字。
Muse Spark Open 在 Artificial Analysis 上拿到 39 分，与 Deepseek v4.1 flash、Mimo 2.5 Flash 接近，落后于 GLM 5.3 flash 和 Qwen3.8 Flash Next。
这就有点尴尬了。
Meta 说的是最强美国开放权重模型。
评论区的重点是：如果只看美国开放权重，也许能成立；如果放进更广的模型竞争里，优势没那么刺眼。
还有一个细节值得注意。
有评论抱怨，Artificial Analysis 只给出最高推理等级比较，但高推理等级对大规模生产场景并不总是实用。
大家更想看低、中推理等级下的表现。
这说明大模型竞争已经卷到很细的层面。
分数之外，还要看谁在生产里便宜、稳定、够用。
开放权重，也有一行不小的但是
另一个争议点是许可。
Muse Spark Open 采用 Muse Model License，属于有限商业条款。
Meta 说，许多开发者可以免费使用。
Meta 也强调，开放权重伴随额外安全后训练，模型按 Meta Superintelligence Scaling Framework 评估，达到发布阈值。
但评论里有人翻出条款细节。
如果许可方或关联方通过 API 或类似接口，把模型输出作为产品或服务提供给第三方，并且总收入超过 2000 万美元，事情就没那么简单。
另一条评论更直接。
大型推理提供商需要单独联系 Meta，获取服务该模型的许可。
这会让一些开发者皱眉。
权重可以下载，模型可以跑，平台可以接。
但商业规模一旦上来，边界就出现了。
这也是为什么评论区会争这到底算不算 open weight。
老实讲，开放权重和完全自由开放之间，一直隔着许可条款。
只是这次条款被更多人认真读了。
真正的杀招，可能藏在适配清单里
如果只看跑分，Muse Spark Open 的争议不小。
但看部署生态，Meta 的动作很猛。
博客提到，开放权重版本在 SGLang 中自带可自动调优的 Helion GPU kernels。
在 NVIDIA 和 AMD GPU 上，可以实现 1.03 到 3.95 倍的 kernel 级加速。
在 AMD MI350 上，端到端速度提升 3%。
这个数字不算夸张，但很实际。
因为推理场景里，几个百分点的成本差异，放大到大规模服务就很可观。
Meta 还提供 PyTorch 和 TorchTitan 路线，让开发者继续微调。
MLX 可以直接从 Hugging Face 拉权重，在 Apple Silicon 上跑。
这就像一个很典型的 Meta 打法。
模型本身未必每一项都碾压。
但它尽量让所有人都能用、好接、愿意试。
有评论提到，Zuck 当年的 Llama 路线正在被验证：智能租金市场没有真正形成。
如果你手里有最前沿模型，也许能收几周或一个月租金。
但能力到达某个水平后，价格、分发和生态会变得更重要。
这个判断未必人人同意。
不过放在 Muse Spark Open 上，确实能解释 Meta 为什么把渠道铺得这么满。
还有一个更现实的变量：可被允许使用
评论区里有一句很扎眼。
Meta 和 Mistral 似乎都在用地理或合规口径对冲最佳说法，因为它们意识到，自己不一定需要打败 Deepseek，只要成为用户被允许使用的最佳模型，就能赢下客户。
这句话有点尖锐。
但也点到了当下企业选模型的真实逻辑。
很多公司选模型，先看能力，再看许可、部署位置、数据边界、供应链风险，以及能不能在自己的硬件上跑。
所以 Muse Spark Open 的桌面运行并不只是炫技。
它给了客户另一种想象：如果不想把全部推理都押在某个云上，能不能在自己的设备、自己的集群、自己的平台里跑？
两台 M5 Ultra Mac Studio 当然不是普通开发者的标配。
有评论提醒，当前市场里，30 核 CPU、64 核 GPU、256GB RAM 的 Mac Studio Ultra 已经接近 1 万美元。
这意味着本地超算离人人可及还有距离。
但它至少把方向摆出来了。
大模型竞争正在从谁更聪明，扩展到谁能被更多环境接住。
Muse Spark Open 最吸睛的地方，是 Meta 把一个 816B 参数的开放权重模型，讲成了桌面上可以触摸的东西。
但真正耐看的，是它背后那套算盘：跑分、许可、硬件、推理引擎、云平台、开发者工具，全都要占位。
当模型能力越来越接近，最后决定胜负的，还会是单纯的性能吗？
【锐评】：Meta 讲开放，但真正的门槛写在许可、硬件和生态里。
参考链接：
https://research.meta.ai/blog/muse-spark-open