Meta 开源 8160 亿参数模型：两台 Mac 就能跑，AI 的"开源牌桌"被掀了 > 系列：AI 行业动态 · 2026.10 > 栏目：AI 行业动态 美国时间 10 月 15 号,Meta 放出了一个大招：开放权重模型 Muse Spark Open。总参数 8160 亿，每 token 激活 420 亿，原生多模态，上下文窗口拉到 100 万 token。Meta 给它的定位是"迄今为止能力最强的美国开放权重模型"——注意，是"美国"最强，定语很重要。 更有戏剧性的是后半段：苹果同一天晒出技术博客，演示两台到四台 M5 Ultra Mac Studio 就能把这家伙在本地跑起来。一对吵了五年的老冤家，在 AI 面前握手言和了。 这篇文章讲三件事：这模型到底多能打、两台 Mac 怎么跑得动 8000 亿参数、以及它跟做营销的人有什么关系。 01 模型什么来头 Muse Spark Open 是 Meta 迄今最大的开放权重模型：MoE 混合专家架构，总参数 8160 亿、每 token 激活 420 亿，原生支持文本、图像、音频、视频，上下文 100 万 token，专为编码和长程智能体任务设计。 Meta 官方说它是"美国最强开放权重"，但自家放出的对比表也承认：在 Terminal-Bench（终端编程）、DeepSWE（长周期软件工程）、GDPval（专业工作评估）这些主项上，它落后于中国的 Kimi K3 和 GLM 5.3；它领先的，主要是 JobBench 和 MCP-Atlas 这类工具调用测试。翻译一下：编程硬实力上国产开源还在前面，工具调用和智能体生态上是 Meta 的场子。 权重已经在 Hugging Face、亚马逊 SageMaker、谷歌云 Model Garden 开放下载，Baseten、Fireworks、Groq、OpenRouter 等平台同步提供 API。许可用的 Muse Model License：免费可用，要求标注"Built with Muse Spark Open"，高收入的 API 转售商需要单独签协议。 02 8160 亿参数，怎么塞进两台 Mac 这是这次发布最抓眼球的部分，也是技术含量最高的部分。 难点摆在那里：BF16 原生精度下，光参数就要超过 1.6TB 内存，而单台 Mac Studio 顶配也就 512GB。苹果的方案分两步压缩——先是量化，用 NVFP4 四位精度存权重，内存占用压到约 493GB；单机还是装不下，于是上多机。MLX 框架提供两种切法：流水线并行，把模型按深度切开，前半在一台机器、后半在另一台，简单但有等待空窗；张量并行，把每一层的计算横向分给多台机器同时干活，代价是每层都要频繁交换中间结果——这时候雷雳 5 的 RDMA 直连就派上用场了，macOS 26.2 新增了驱动，两台机器用两根雷雳线直连成网。 苹果实测的数据（8K 上下文、生成 128 token）：双机流水线并行 15.74 token/秒，双机张量并行 24.99，四机张量并行 36.73 token/秒，首 token 等待从 8.2 秒压到 4.8 秒.演示环节，模型在纯本地环境里用 Muse Code 给一个开源 iOS 应用修 bug、加功能、完成构建，还操作视频剪辑软件逐帧审片裁片。 听着很燃，但有三个前提得摆清楚：苹果的跑分是自家硬件上的数据，batch 为 1、4-bit 量化、8K 上下文，百万 token 长文和多用户并发都没验证；两台顶配 M5 Ultra 的采购成本粗算超过两万美元，这不是"个人书桌"的 AI，是"专业团队书桌"的 AI；"美国最强开源"要打折扣看，中国开源的 K3 和 GLM 5.3 在编程主项上还在它前面。 03 为什么是现在 Meta 和苹果各取所需，但背后是一条共同的逻辑线。 Meta 这边账很好算。上周刚发了闭源的 Muse Wonder、订阅卖到每月 200 美元，转头就开源次旗舰——开放权重一直是 Meta 对付 OpenAI、Anthropic 最经典的差异化武器，Llama 时代如此，现在换个名字继续。而且扎克伯格早就开始布局：Meta 今年买了几百台 Mac 供超级智能团队做本地 AI 研究，这场合作是"蓄谋已久"。 苹果得到的更直接：一个证明自家硬件价值的标杆负载。M5 Ultra Mac Studio 顶配版本月底才开卖，"两台 Mac 跑美国最强开源模型"这种故事，比任何广告都适合带货。本地推理的叙事还正好长在苹果的隐私基因上——代码、文档、业务数据不出自己的设备，模型厂商看不到也用不了，对企业合规和敏感行业是实打实的卖点。 再往深想一层，这次合作真正的信号是推理部署权的迁移。过去大模型的命运攥在云厂商手里，现在消费级硬件能跑前沿级模型——哪怕要两台机器、哪怕要 4-bit 量化，边际效应的方向已经变了。云推理的成本焦虑和数据主权焦虑，正在把所有人往本地推。 04 跟营销人有什么关系 第一，"本地 AI"又往前走了一大步。 前几天我们刚聊过英伟达的 Nemotron 3.5 和 DGX Spark，说的是"单卡能跑智能体"；这次 Meta 和苹果给的是另一个解：多台桌面机也能跑千亿级开放模型。营销团队的私有数据（投放数据、客户对话、历史内容）不出公司，就能养一个专属智能体，这条路从"科幻"变成了"可选"。 第二，开放模型的竞争，把价格打下来的速度比想象中快。 8190 亿参数的开放模型免费下载，意味着任何有技术能力的中型公司都可以基于它做定制，不用按 token 付费给云厂商。推理成本继续下探，营销自动化的账会越来越划算。 第三，但门槛仍然是"技术"而不是"钱"。 两台 Mac 两万美元,对团队不是大钱；真正的大钱在人力——你得有人会量化、会切并行、会微调、会维护。没有技术底子的营销团队，现阶段更现实的姿势是"关注 + 小步试点"，而不是马上自建。 收个尾 Meta 开源 Muse Spark Open，配上苹果的本地运行演示，本质上是给"前沿级模型 + 桌面级硬件"这个组合盖了个章。它不会是最强的开源模型，Mac Studio 也不会是唯一能跑它的机器，但"数据不出门.在自家设备上跑千亿级模型"这件事，从今天起有了官方参考实现。 对营销人来说，真正值得盯的不是参数表，而是趋势：算力正在从"租"变成"买"，数据主权正在从口号变成技术现实。 当这两件事同时发生，营销团队的 AI 基建选择，会比你想象中更快地分化成"用云的"和"自建的"两条路。 想交流 AI 营销，欢迎加微信 chunxichage，备注“公众号”更快通过。