### [Meta开源816B Muse Spark Open：两台M5 Ultra Mac Studio就能跑，1M上下文直攻Agent](https://www.zuoshipin.com/article/55220)

**Published:** 2026-10-17T04:16:06

**Author:** 天才交易员

**Excerpt:** Meta发布Muse Spark Open开放权重模型：816B总参数、42B激活、1M上下文，支持文本、图像…

**导读：**Meta正式开放Muse Spark Open权重。它拥有**816B总参数、42B激活参数、1M Token上下文**，原生接收文本、图像、音频和视频输入，并为编码、Agent与多步骤推理设计。Apple同时确认，NVFP4版本可以通过MLX在两台M5 Ultra Mac Studio上分布式运行。

**口径说明：**“美国最强开放权重模型”是Meta官方定位；模型表现、吞吐与双Mac部署数据来自Meta和Apple官方测试。它们证明方案可行，但不代表普通用户无需配置即可获得相同性能。

[![Meta AI公布Muse Spark Open核心参数与定位](https://admin.zuoshipin.com/wp-content/uploads/2026/10/muse-spark-open-image01-image01.webp)](https://admin.zuoshipin.com/wp-content/uploads/2026/10/muse-spark-open-image01-image01.webp)

Meta AI公布Muse Spark Open核心参数与定位。

## 816B的多模态Agent模型正式开放权重

Meta宣布Muse Spark Open正式开放权重，并把它定位为当时美国能力最强的开放权重模型。模型总参数达到816B，也就是8160亿；每个Token激活约42B参数，采用MoE架构，在大规模容量与推理效率之间寻找平衡。

模型提供最高100万Token上下文，原生支持文本、图像、音频和视频输入，输出为文本。它并不是单纯的聊天模型，而是为编码、长程任务、复杂软件工程、多步骤推理和工具调用设计。

[![Muse Spark Open开放权重模型官方视觉图](https://admin.zuoshipin.com/wp-content/uploads/2026/10/muse-spark-open-image02-image02.webp)](https://admin.zuoshipin.com/wp-content/uploads/2026/10/muse-spark-open-image02-image02.webp)

Muse Spark Open开放权重模型官方视觉图。

[![Alexandr Wang介绍Muse Spark Open的816B参数与多模态能力](https://admin.zuoshipin.com/wp-content/uploads/2026/10/muse-spark-open-image03-image03.webp)](https://admin.zuoshipin.com/wp-content/uploads/2026/10/muse-spark-open-image03-image03.webp)

Alexandr Wang介绍Muse Spark Open的816B参数与多模态能力。

原文把它形容为能处理“脏活累活”的超级智能体：不仅要读懂大型代码库，还要在长时间任务中规划、执行、观察结果并自行修正。Meta给出的公开说明也把Agent编程、跨文件修改、调试和多模态理解列为重点能力。

[![Muse Spark Open与多款前沿模型的官方能力对比表](https://admin.zuoshipin.com/wp-content/uploads/2026/10/muse-spark-open-image04-image04.webp)](https://admin.zuoshipin.com/wp-content/uploads/2026/10/muse-spark-open-image04-image04.webp)

Muse Spark Open与多款前沿模型的官方能力对比表。

## 原生多模态、1M上下文，以及Muse Model License

**816B总参数、42B激活参数：**MoE架构意味着每次推理只调用部分专家，不需要让全部参数同时参与每个Token的计算。

**1M Token上下文：**长上下文适合大型代码仓库、技术文档和长程Agent任务，但“能放进去”并不等于模型会永久、无损记住每一处细节，实际效果仍取决于任务结构与检索策略。

**原生多模态：**模型可以读取文本、截图、图片、音频和视频，并用文本输出结果，为UI理解、视频审看和带视觉工具调用的Agent提供统一接口。

[![Muse Spark Open官方产品视觉图](https://admin.zuoshipin.com/wp-content/uploads/2026/10/muse-spark-open-image05-image05.webp)](https://admin.zuoshipin.com/wp-content/uploads/2026/10/muse-spark-open-image05-image05.webp)

Muse Spark Open官方产品视觉图。

[![Muse Spark Open生成的白色角色抱苹果示例图](https://admin.zuoshipin.com/wp-content/uploads/2026/10/muse-spark-open-image06-image06.webp)](https://admin.zuoshipin.com/wp-content/uploads/2026/10/muse-spark-open-image06-image06.webp)

Muse Spark Open生成的白色角色抱苹果示例图。

模型权重可从官方Hugging Face合集获取，也由多家云平台和推理服务商提供API。Meta采用Muse Model License，允许运行、修改、微调、蒸馏和再分发，但使用者仍需遵守许可证和使用政策。

许可证还包含企业营收条款：如果许可使用方及其关联公司在连续12个月内合计总营收超过2000万美元，并希望把Spark Open或其衍生品作为模型服务提供，需要提前通知Meta并另行签署书面协议。因此，“开放权重”不应被简单理解成Apache 2.0式的无限制使用。

## 两台M5 Ultra Mac Studio，如何装下816B模型？

816B模型过去通常意味着昂贵的GPU服务器和复杂集群。Muse Spark Open这次最吸睛的部分，是Apple与Meta共同展示了桌面级本地运行方案：两台配备M5 Ultra的Mac Studio，通过最新MLX框架即可运行NVFP4版本。

[![Apple说明Muse Spark Open针对Apple Silicon与MLX进行优化](https://admin.zuoshipin.com/wp-content/uploads/2026/10/muse-spark-open-image07-image07.webp)](https://admin.zuoshipin.com/wp-content/uploads/2026/10/muse-spark-open-image07-image07.webp)

Apple说明Muse Spark Open针对Apple Silicon与MLX进行优化。

关键在统一内存与分布式互连。每台M5 Ultra Mac Studio最高可配512GB统一内存，两台机器合计达到1TB容量；MLX通过Thunderbolt 5 RDMA把模型拆分到多台Mac上执行。这里不是把两台机器“插上线就自动合并”，而是依赖主机配置、模型切分、网络和运行框架。

Apple公布的8,192 Token上下文测试中，两台Mac采用流水线并行约为15.74 Tokens/s，两台张量并行约24.99 Tokens/s，四台张量并行达到36.73 Tokens/s。原文提到的“超过36 Tokens/s”对应四台机器，而不是两台。

[![Muse Spark Open在两台和四台M5 Ultra Mac Studio上的解码速度](https://admin.zuoshipin.com/wp-content/uploads/2026/10/muse-spark-open-image08-image08.webp)](https://admin.zuoshipin.com/wp-content/uploads/2026/10/muse-spark-open-image08-image08.webp)

Muse Spark Open在两台和四台M5 Ultra Mac Studio上的解码速度。

高配设备价格仍然不低，原文按一台约10,799美元估算，两台超过2万美元。它的价值并非“免费算力”，而是让有数据隐私、长期调用和本地控制需求的团队多了一种桌面部署路径。

## 不只支持Apple：GPU集群与本地Agent工作流

Muse Spark Open同时支持NVIDIA、AMD和Intel平台，以及SGLang、vLLM、TensorRT-LLM、llama.cpp等推理工具。Meta表示，配套的自动调优Helion GPU内核在部分NVIDIA和AMD场景可获得1.03至3.95倍的内核级加速；这不是所有任务的端到端提速倍数。

[![Muse Spark Open在NVIDIA GB300 NVL72上的吞吐与交互性能](https://admin.zuoshipin.com/wp-content/uploads/2026/10/muse-spark-open-image09-image09.webp)](https://admin.zuoshipin.com/wp-content/uploads/2026/10/muse-spark-open-image09-image09.webp)

Muse Spark Open在NVIDIA GB300 NVL72上的吞吐与交互性能。

官方还展示了两类端侧Agent工作流。第一类是Muse Code为开源Mastodon客户端Ice Cubes完成真实iOS修改，包括修复缺陷、新增功能和完整构建；第二类是端到端驱动DaVinci Resolve，逐帧检查素材、寻找更有表现力的片段并完成竖屏裁剪。

这些演示体现的不是“AI替代所有操作”，而是模型可以在足够权限、工具接口和运行环境下，把多步骤任务串起来。对于视频团队而言，本地视频理解、素材筛选与剪辑软件控制尤其值得关注。

## Meta与Apple从竞争走向本地AI合作

原文还花了很大篇幅回顾两家公司过去的竞争：苹果的隐私政策曾直接影响Meta广告业务，双方管理层也长期公开交锋。在Muse Spark Open上，Meta需要能承载超大模型的桌面硬件，Apple则希望证明Mac与统一内存架构在端侧AI时代仍具竞争力，双方因此形成了现实合作。

[![Meta与Apple长期商业竞争的媒体报道页面](https://admin.zuoshipin.com/wp-content/uploads/2026/10/muse-spark-open-image10-image10.webp)](https://admin.zuoshipin.com/wp-content/uploads/2026/10/muse-spark-open-image10-image10.webp)

Meta与Apple长期商业竞争的媒体报道页面。

[![Apple与Meta新管理层推动本地AI合作的示意图](https://admin.zuoshipin.com/wp-content/uploads/2026/10/muse-spark-open-image11-image11.webp)](https://admin.zuoshipin.com/wp-content/uploads/2026/10/muse-spark-open-image11-image11.webp)

Apple与Meta新管理层推动本地AI合作的示意图。

双方负责人随后公开展示Muse Spark Open在Mac Studio上的运行效果，并对合作成果作出积极评价。对于行业而言，这更像软件模型与硬件平台的一次联合验证，而不是两家公司所有商业分歧的“彻底和解”。

[![Muse Spark Open在Mac Studio运行及双方公开互动截图](https://admin.zuoshipin.com/wp-content/uploads/2026/10/muse-spark-open-image12-image12.webp)](https://admin.zuoshipin.com/wp-content/uploads/2026/10/muse-spark-open-image12-image12.webp)

Muse Spark Open在Mac Studio运行及双方公开互动截图。

[![Meta与Apple围绕Muse Spark Open合作的两位公司负责人](https://admin.zuoshipin.com/wp-content/uploads/2026/10/muse-spark-open-image13-image13.webp)](https://admin.zuoshipin.com/wp-content/uploads/2026/10/muse-spark-open-image13-image13.webp)

Meta与Apple围绕Muse Spark Open合作的两位公司负责人。

## 桌面超级智能时代真的开启了吗？

原文把这次发布与1984年Macintosh把个人计算带上书桌相提并论：2026年，数百B规模的前沿开放权重模型也开始从数据中心走向桌面工作站。这个判断有强烈的时代感，但它对应的仍是两台或四台高配Mac Studio，而不是普通消费级电脑。

真正发生的变化是，本地模型部署的上限被推高了。开发者、创业团队和视频工作室可以在自有设备上尝试更强的Agent、代码与多模态工作流，不必把所有数据和任务都交给云端。

## 做视频网分析：能在桌面运行，不等于部署门槛已经消失

**第一，816B和42B要分开看。**42B是每个Token的激活参数量，它降低了计算压力，但完整权重仍然非常大。官方NVFP4仓库体积接近数百GB，BF16版本更接近TB级。

**第二，两台Mac的优势是大统一内存，不是绝对低成本。**它避开了多张数据中心GPU的显存碎片与机架部署，但购机、存储、互连、功耗和维护都需要纳入总成本。

**第三，本地不自动等于“数据绝对安全”。**本地部署减少数据离开设备的机会，但Agent仍可能访问文件、网络和专业软件；权限控制、日志、沙箱和人工确认依然不可省略。

**第四，对视频从业者最值得关注的是多模态Agent。**逐帧看素材、理解画面、调用DaVinci Resolve并输出竖屏版本，比单纯讨论跑分更贴近生产价值。不过在交付项目之前，仍应先用真实素材测试识别准确率、剪辑节奏、失败恢复和版权边界。

## 站内导航与延伸阅读

-   **Muse Spark Open站内导航：**[https://www.zuoshipin.com/link/55219.html](https://www.zuoshipin.com/link/55219.html)
-   **Muse Spark 1.3站内导航：**[https://www.zuoshipin.com/link/31692.html](https://www.zuoshipin.com/link/31692.html)
-   **Muse Spark 1.3更新解析：**[https://www.zuoshipin.com/article/31697](https://www.zuoshipin.com/article/31697)
-   **Apple与Apple Silicon站内导航：**[https://www.zuoshipin.com/link/25446.html](https://www.zuoshipin.com/link/25446.html)
-   **2026款Mac Studio与端侧AI解析：**[https://www.zuoshipin.com/article/25460](https://www.zuoshipin.com/article/25460)
-   **AI资讯栏目：**[https://www.zuoshipin.com/category/ai-news](https://www.zuoshipin.com/category/ai-news)

## 官方资料

-   [Meta Muse Spark Open官方发布页](https://research.meta.ai/blog/muse-spark-open)
-   [Apple MLX与Mac Studio分布式推理研究](https://machinelearning.apple.com/research/mlx-distributed-inference)
-   [Meta官方Muse Spark Open模型合集](https://huggingface.co/collections/meta-models/muse-spark-open)
-   [Muse Model License许可证原文](https://huggingface.co/meta-models/Muse-Spark-Open-816B-A42B/blob/main/LICENSE.md)

**Tags:** Apple MLX, Meta AI, Muse Spark Open, 多模态大模型, 开源模型, 端侧AI

**Categories:** AI资讯

---