Meta 放出一个 816B 的开放权重巨兽：Muse Spark Open 详解，能跑在两张 Mac Studio 上
2026 年 10 月 15 日，Meta 开源了 Muse Spark Open——一个 8160 亿参数的多模态 MoE 模型，1M token 上下文，Meta AI 负责人 Alexandr Wang 称之为"迄今最强大的美国开放权重模型"。最反直觉的一点是：这个参数量级的模型，官方声称能在两台 Mac Studio 上跑起来。
一、先说清楚：这模型有多大，又多"省"
| 项目 | 数值 |
|---|---|
| 总参数量 | 816B（8160 亿） |
| 每 token 激活参数 | 约 42B（MoE 稀疏激活） |
| 上下文窗口 | 1M token（100 万） |
| 模态 | 文本 + 图像 + 视频 + 音频 |
| 开放权重格式 | NVFP4 和 BF16 两种 |
| 许可证 | 开放权重（可下载权重定制） |
关键在"MoE 稀疏激活"：816B 是总参数，但每次推理只激活约 42B。这就像一家公司有 8160 个员工，但每个任务只调动 420 个——规模做大了，但单次成本没等比上涨。
二、架构上的几个巧思
SGLang 团队的 Day-0 支持文章里，几个架构细节很值得玩味：
-
GQA + 混合滑动窗口/全局注意力：滑动窗口层只看有界的近期上下文，周期性的全局层保留全序列访问能力。这是长上下文 + 低成本的两全做法。
-
带 pooler/unpooler 的 MoE：路由专家前先用 pooler 把隐藏向量从模型宽度压缩到较小专家宽度，专家聚合后再用 unpooler 恢复。在专家计算前压缩宽度，等于在 MoE 的每一层都省了算力。
-
per-expert RMSNorm：每个专家的输出在乘以路由权重求和之前单独归一化，而不是归一化合并结果——这是保证大规模 MoE 训练稳定的细节。
-
量化分布很精细：60 层用 NVFP4 量化专家权重，但 Layer 0 和 Layer 61 保留 BF16——首尾层对精度最敏感，全部量化会伤性能。
这些细节说明：一个 816B 模型的"能用"，靠的不是硬堆算力，而是一层层抠出来的工程取舍。
三、能跑在什么硬件上
这是最让开发者兴奋的部分。官方给出的部署平台覆盖面很广：
| 平台 | 说明 |
|---|---|
| NVIDIA | GB300 / B300 / GB200 / B200 / H200 |
| AMD | MI350X / MI355X（Day-0 支持） |
| Intel | Xeon 6 P-core（INT4 量化，面向离线推理） |
| TPU | SGLang-TorchTPU（首次为开放权重提供 Day-0 TPU） |
| Apple | 两台 M5 Ultra 的 Mac Studio（Meta 官方宣称） |
尤其是最后一条——Meta 明确说这个 816B 模型"在两台搭载 M5 Ultra 的 Mac Studio 上运行极佳"，扎克伯格甚至点名称赞了与苹果新任 CEO John Ternus 的合作。把 816B 模型搬上桌面，这在一年前是不可想象的。
四、性能到底行不行
推理吞吐（NVIDIA B300，8 卡）
| 场景 | 吞吐 |
|---|---|
| OpenHands agent 重放（并发 1） | 14.8K tok/s/GPU |
| OpenHands agent 重放（并发 128） | 80.3K tok/s/GPU |
| AgentX（并发 48） | 34.5K tok/s/GPU |
准确率（NVFP4/BF16 各量化档基本持平）
| 基准 | 成绩 |
|---|---|
| GSM8K | 约 97.4-98.0% |
| AIME26 | pass@1 约 95.8%，pass@8 100% |
| GPQA Diamond | 约 89.9% |
| Video-MME short | 约 89.8% |
结论先行：量化后的 NVFP4 和 BF16 精度几乎无差别，这意味着你可以放心用 4-bit 量化来大幅降低部署成本，而不用担心能力打折。
五、这件事的真正意义：开放权重格局要变天了
过去几年，开放权重市场一直是中国开发商的天下——阿里的通义千问（Qwen）、月之暗面的 Kimi、智谱的 GLM，长期霸占全球开源榜单前列。
Meta 这次的动作，明摆着是对着这个格局来的。中央社的报道点得很透：
Meta 推出新款开放权重模型，目标是中国的竞争对手，宣称性能可与中国的顶尖开发商匹敌，部分表现更胜一筹。
Alexandr Wang 的原话更直白：“这是迄今最强大的美国开放权重模型”——"美国"这两个字，就是这次发布的核心话术。
对开发者和企业，这其实是好事：开放权重阵营多了一个 816B 的顶级玩家，等于"不用锁在闭源 API 里"的选择又多了一个重量级。
六、给你的实际建议
-
想本地跑大模型的：Muse Spark Open 给了一个明确信号——816B 模型开始能上桌面了（两台 Mac Studio）。如果你在做本地 agent，值得关注它的 NVFP4 量化版。
-
做 agent 编程的：这个模型明确定位"编程和 agent 任务"，1M 上下文 + 稀疏激活，是长任务 agent 的天然候选。可以拿它和 Qwen、Kimi 的旗舰开源模型做对比测试。
-
关注成本结构的：NVFP4 和 BF16 精度几乎无差别，意味着用 4-bit 量化部署几乎零损失，这对控制推理成本是实打实的利好。
-
理性提醒：开放权重 ≠ 完全开源，Meta 的许可有使用限制；816B 即便稀疏激活，真正的推理部署门槛依然不低，别被"能跑在 Mac Studio"冲昏头——那是两台顶配 M5 Ultra。
结语
Muse Spark Open 的发布，值得记住的不是"又一个 816B 模型"，而是两件事：
-
开放权重的天花板被再次抬高了。 816B、1M 上下文、多模态，还带 Day-0 的多平台推理支持——这已经逼近闭源旗舰的规格。
-
"美国 vs 中国"的开放权重竞赛，正式开打。 Meta 明牌对标 Qwen/Kimi/GLM，这对整个开源 AI 生态是利好——竞争越激烈，开发者能拿到的好模型越多、越便宜。
接下来最值得盯的，是 Muse Spark Open 在真实 agent 编程任务上，和 Qwen、Kimi K3 的正面硬刚结果。
- 点赞
- 收藏
- 关注作者
评论（0）