摘要： Meta 於美國時間 10 月 15 日發布開放權重模型 Muse Spark Open，總參數達 8,160 億，主工程式開發與 Agent 任務，並與 Apple 合作展示在兩台 Mac Studio 上運行。對 builder 而言，重點不只是榜單分數，而是高能力模型的部署選項開始不再只有資料中心 GPU 一條路。
模型本身：MoE 加上多模態與長上下文
根據 TechOrange 的整理，Muse Spark Open 採用混合專家架構（MoE），雖然總參數高達 8,160 億，但每次生成只啟用約 420 億參數，藉此壓低運算負擔。模型支援最長 100 萬 tokens 上下文，可處理文字、圖片、音訊與影片，權重已開放下載，開發者可自行部署與微調。
效能方面要分開看。Meta 官方評測顯示，它在 Agent 工作能力測試 JobBench 拿下 61.8 分，明顯高於 NVIDIA Nemotron 3 Ultra 的 27.2 分；工具操作測試 MCP-Atlas 得 89.2 分，超過 Reflection AI 的 Beam 與智譜 AI 的 GLM-5.3。但在 Terminal-Bench 2.1 程式開發測試中，它的 76.4 分落後 Beam（80.1）、GLM-5.3（83.9）與 Kimi K3（85）。這些分數來自 Meta 自己公布的測試，第三方尚未全面驗證，選型時值得保守解讀。
兩台 Mac 能跑的三個原因
Meta 與 Apple 的展示說明了超大模型如何在桌上型硬體上運行，關鍵有三：
- 統一記憶體：搭載 M5 Ultra 的 Mac Studio 單台最高可配 512GB 統一記憶體，兩台合計 1TB。Apple Silicon 的整合式 GPU 可直接存取統一記憶體，不像獨立 GPU 受限於各自的顯示記憶體容量。
- 四位元量化：根據 Apple Machine Learning Research 的資料，模型 BF16 權重原本需要超過 1.6TB 記憶體，經 NVFP4 量化後降至約 493GB。但因推論仍需中間運算空間，單台 512GB 仍不足以完整運行。
- MLX 框架與機器間通訊：透過 Thunderbolt 5 與 RDMA，兩台 Mac 各承載部分模型並在推論中交換結果。
速度上有實測數據：在 8,192 tokens 輸入上下文下，兩台 M5 Ultra Mac Studio 以張量平行方式每秒生成約 24.99 tokens，四台可到 36.73 tokens。這是能用的互動速度，但離高吞吐的伺服器級部署仍有距離。
「兩台就跑」不等於「部署便宜」
《VentureBeat》指出，展示用的雙機配置需要兩台各 512GB 記憶體的 M5 Ultra Mac Studio，而該版本截至 10 月 15 日尚未上市、價格未公布；參考基準是四台 256GB 版 Mac Studio 總價約 4.3 萬美元。硬體門檻仍然不低，只是從「資料中心才碰得到」降到了「公司機櫃塞得下」。
另一個常被忽略的細節是授權。開放權重不等於完全開源：依 Muse Model License，年營收超過 2,000 萬美元的企業若以 MaaS 形式對外提供模型輸出，須先與 Meta 另簽協議；內部使用與一般產品功能整合則不受限。如果你的商業模式就是把模型輸出賣出去，先讀條款再下載。
對 builder 的實際意義
地端部署的價值在於掌握運行環境、降低對外部 API 的依賴，以及提高資料自主性。這次展示的訊號是：隨著高能力權重開放，部署選項開始分化。我先前在 Muse Spark Open 權重釋出的分析裡提過類似判斷——開放權重的價值要看部署彈性，而不只是省 API 費。
實務上的下一步不難：先盤點工作負載的延遲與吞吐需求，再估算自有硬體的總持有成本。如果推論量不大、資料又敏感，雙機 Mac 路線值得納入評估；若是高吞吐的正式環境，雲端 GPU 仍可能是較划算的選擇。這次合作至少證明了一件事——部署架構的選擇權，正在回到開發者手上。