# Meta Muse Spark Open深度：816B开源多模态，两台M5 Ultra Mac Studio即可本地运行
核心数据一句话
Meta 10月15日发布Muse Spark Open，816B总参数/42B激活，100万词元上下文，首个支持两台苹果M5 Ultra Mac Studio本地运行的美国最强开源大模型。
一、发布背景与核心定位
2026年10月15日，Meta正式发布Muse Spark Open权重版本。这是目前能力最强的美国开放权重模型，由Meta Superintelligence Labs训练，专为长程智能体任务设计。
Muse Spark Open的核心定位是开源多模态智能体模型。与前代Muse Wonder（100万上下文、主动记忆）不同，Muse Spark Open主打稀疏MoE架构（816B总参数，每次激活42B），原生支持文本、图像、视频、音频四种模态的输入，并在工具调用、代码生成、复杂软件工程方面有专项优化。
苹果与Meta的合作为本次发布增添了话题性。双方在用户隐私、商业模式上历来存在分歧，但面对开源AI竞争这一共同利益，这次走到了一起。Meta AI负责人汪滔（曾任职于多个AI公司）在公告中表示，促成合作的关键人物之一是Meta算力部门联合负责人丹尼尔·格罗斯（Daniel Gross），他曾在苹果担任总监职务。
二、模型架构与技术规格
Muse Spark Open采用稀疏MoE（Mixture-of-Experts）Transformer架构，配套Perception Encoder处理多模态输入。
| 参数类别 | 数值 |
|---|---|
| 总参数量 | 816B |
| 激活参数（每Token） | 42B |
| Transformer层数 | 62层 |
| 隐藏层维度 | 8192 |
| 专家总数 | 256 |
| 每Token激活专家数 | 8（top-k路由） |
| 注意力头配置 | 128 Query头，16 KV头（GQA），头维度64 |
| 词表大小 | 202,048 |
| 上下文窗口 | 1,000,000词元（100万） |
| Perception Encoder参数量 | 1.8B（50层，隐层1536） |
| Perception Encoder稀疏注意力 | 每4层+最后一层全注意力 |
Perception Encoder是Muse Spark Open区别于纯语言MoE模型的关键。它接受图像、视频、音频输入，通过14×14 patch size和稀疏注意力机制提取多模态特征，与语言模型深度融合。这使得模型可以在单次上下文中处理一整段视频、几十张截图或数小时的音频记录，并基于这些内容进行推理和工具调用。
Muse Spark Open内置`reasoning_effort`参数，控制模型在回答前的思考深度。取值范围为low、medium、high、xhigh，默认xhigh。Meta建议对复杂问题求解、代码生成和智能体任务使用high或xhigh推理强度。默认采样参数为温度1.0、top_p 1.0、top_k禁用。
三、本地运行：苹果M5 Ultra的统一内存架构
Muse Spark Open最引发关注的技术卖点是支持两台M5 Ultra Mac Studio本地运行。
苹果M5 Ultra采用统一内存架构，CPU和GPU共享同一块内存池。M5 Ultra单台最高支持512GB统一内存。两台M5 Ultra Mac Studio通过高速互连组成集群，总内存约1TB。M5 Ultra的内存带宽为1.2 TB/s，足以在生成每个Token时快速读取所需的42B激活参数。
本地运行所需的显存（实际是统一内存）容量：
– BF16精度：约需2TB总内存
– NVFP4量化：约需700GB总内存
因此，BF16精度需要两台M5 Ultra（各配512GB，合计1TB不够，需要更高配置或进一步量化）；NVFP4量化版本可在两台512GB M5 Ultra上运行。
运行Muse Spark Open需要使用MLX框架（苹果芯片优化的开源机器学习框架）。模型权重从Hugging Face直接拉取，MLX负责加载和推理。SGLang、vLLM、TensorRT-LLM、Hugging Face Transformers、llama.cpp、Unsloth等其他推理框架也提供了对NVIDIA、AMD、Intel硅的支持，但针对苹果芯片的优化以MLX为主。
Meta在公告中展示了两个本地智能体工作流案例：
1. iOS应用开发：使用Muse Code（Muse Spark Open驱动），在两台M5 Ultra上完成了开源iOS客户端Ice Cubes的bug修复、新功能开发和完整构建流程。
2. 视频剪辑：Muse Spark Open驱动DaVinci Resolve，自动逐帧分析 footage，识别精彩片段并裁剪为竖屏视频。
四、推理引擎与多硬件支持
Muse Spark Open在发布首日即获得主流推理框架的全面支持。
| 推理框架 | 支持精度 | 特殊优化 |
|---|---|---|
| SGLang | BF16、NVFP4 | DFlash2投机解码，自定义Helion GPU内核（NVIDIA/AMD提速1.03-3.95×） |
| vLLM | BF16、NVFP4、MXFP4 | DSpark投机解码，支持NVIDIA和AMD |
| TensorRT-LLM | BF16、NVFP4 | NVIDIA官方优化 |
| Hugging Face Transformers | BF16、INT4 | 通用支持 |
| MLX | BF16、INT4 | 苹果芯片专用优化 |
| llama.cpp | GGUF量化 | CPU推理，Mac/PC兼容 |
| Unsloth | GGUF量化 | 快速量化与微调 |
投机解码（Speculative Decoding）是本次发布的一个技术亮点。SGLang团队构建了DFlash2 Draft模型，vLLM团队构建了DSpark Draft模型，可以在Muse Spark Open生成正式Token之前先快速预测多个候选Token，经主模型验证后接受，从而实现端到端加速。
五、基准测试与竞争格局
Muse Spark Open在xhigh推理强度下，与当前主流开源模型进行了对比测试。
| 测试项目 | Muse Spark Open | 对比模型表现 |
|---|---|---|
| Artificial Analysis Intelligence Index | 39分 | — |
| 工作流程评测 | 第一名 | 超越Inkling、Nemotron 3 Ultra、Beam、Mistral Large 4、Qwen3.8-2.4T-A95B、GLM-5.3、Kimi K3 |
| 工具调用评测 | 第一名 | 同上 |
| 知识推理 | 第一名 | 同上 |
| 知识可靠性 | 第一名 | 同上 |
| 复杂视觉推理 | 第一名 | 同上 |
| 图像事实问答 | 第一名 | 同上 |
| 软件开发及其他任务 | — | Kimi、千问、智谱等中国开源模型表现更优 |
值得注意的是，在工作流、工具调用、知识推理等偏向”智能体任务”的维度，Muse Spark Open全面领先；但在纯软件开发任务上，中国开源模型（Kimi K3、千问3.8系列、智谱GLM-5.3）仍具优势。这一分工与中国模型长期注重代码能力优化有关。
六、开源许可与商业条款
Muse Spark Open以Muse Model License（有限商业条款）开源发布。该许可证允许多数开发者免费使用，但有别于完全开放的Apache 2.0或MIT许可，对某些商业使用场景有所限制。
模型权重下载地址：Hugging Face、Amazon SageMaker AI、Google Cloud Model Garden、Microsoft Foundry Models。
API托管合作伙伴：Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter、Together AI。
七、与前代及竞品的差异化
Muse Spark Open与10月初发布的Muse Wonder（100万上下文、主动记忆框架）同属Muse系列，但定位不同：Muse Wonder侧重长程记忆与上下文感知，Muse Spark Open侧重稀疏MoE效率与智能体工具调用能力。两者都支持多模态输入，但架构差异（稠密vs稀疏）导致适用场景有所分化。
与Kimi K3（2.8万亿参数，90%编码缓存命中率）、Qwen3.8-Max（编程与办公全面提升）相比，Muse Spark Open的稀疏MoE架构在推理成本上有优势（每次只激活42B参数），但在代码任务上仍有差距。
八、总结与评价
Muse Spark Open代表了Meta在开源大模型领域的最新投入，其稀疏MoE架构、100万上下文、多模态融合和苹果本地运行支持是四个最突出的技术特性。与苹果的合作为开源模型在消费级硬件上的运行树立了新标杆。
对于有本地部署需求的企业和开发者，NVFP4量化版本的Muse Spark Open是首个真正可以在高端Mac Studio上运行的前沿级开源模型；对于需要更强代码能力的场景，Kimi K3或Qwen3.8系列仍是更稳妥的选择。
相关阅读
Meta Muse Wonder深度：主动记忆+100万上下文硬刚Claude
Kimi K3技术报告解读：2.8万亿参数MoE与90%编码缓存命中率
Gemini 4 Argon深度解读：35%代码提效、$2/M输入定价
FAQ
Q：Muse Spark Open和Muse Wonder有什么区别？
Muse Wonder是稠密Transformer模型，侧重长程记忆与上下文感知；Muse Spark Open是816B稀疏MoE模型，每次只激活42B参数，侧重智能体任务与推理效率。两者都支持多模态输入，但架构和优化方向不同。
Q：两台M5 Ultra Mac Studio能跑满血版Muse Spark Open吗？
如果选择NVFP4量化版（约需700GB统一内存），两台512GB M5 Ultra可以运行；若使用BF16精度（约需2TB），则需要更高内存配置或进一步量化。苹果目前M5 Ultra最高可选192GB统一内存，因此实际需要多台设备或等待未来更大内存配置。
Q：Muse Spark Open与Kimi K3相比谁的代码能力更强？
在Meta自己的评测中，Muse Spark Open在工作流、工具调用、知识推理等智能体任务上领先；但在纯软件开发任务上，Kimi K3、千问3.8系列、智谱GLM-5.3等中国开源模型仍具优势。具体选择取决于使用场景。
延伸阅读
- 千问高考志愿填报 Agent 上线免费开放：志愿日历、报告、问答三项能力，去年报告领取近 1300 万份4 周前
- Meta 开源 Muse Glimmer：30B 本地代理模型，一张消费级显卡跑满血智能体2 月前
- GPT-6 Astra联手数学家攻克57年难题：N≤20圆盘装箱问题如何被AI证明4 天前
- 即梦 AI 推出影视厂牌「即梦片场」：电影 S/A 剧集 S/A/B 三档扶持，优质作品最高 10 万元现金4 周前
继续读
同一批更新里这几篇值得一看：
想快速查定义？对应的词条在这里：
- AI Agent词条 · AI 自学笔记