Meta 在 10 月中旬正式开放了 Muse Spark Open 的模型权重，并宣布与苹果合作，让这个模型能在两台搭载 M5 Ultra 的 Mac Studio 上完整本地运行。Meta 给它的定位是"迄今美国最强的开放权重模型"。

这句话本身没掺水，但需要补一个定语：是"美国最强"，不是"开源最强"。在第三方评测机构 Artificial Analysis 的开放权重模型智能指数上，Muse Spark Open 拿到 39 分，在 117 个大参数开源模型里排第 8，前面至少六款来自中国厂商。

三句话看懂这次发布

• 规模：8160 亿总参数、420 亿激活参数的混合专家（MoE）架构，原生多模态，上下文窗口 100 万 token，主攻编程与 Agent 任务。
• 跑分：工具调用（MCP-Atlas 89.2 分）和部分多模态测试领先，但软件开发类基准明显落后于 Kimi K3、GLM-5.3、Qwen3.8。
• 真正的差异化：不是分数，而是"能装进书桌"。两台 M5 Ultra Mac Studio 加新版 MLX 框架，就能本地跑完整模型。

Muse Spark Open 是什么规格

根据 Meta 官方博客公布的参数（经智源社区、InfoQ 等转述）：

• 总参数量 8160 亿，实际激活 420 亿，走 MoE 路线，推理时只唤醒一小部分专家。
• 原生多模态，不是"文本模型外挂视觉编码器"的拼接方案。
• 上下文窗口 100 万 token，面向长文档、长代码库、多轮工具调用场景。
• 官方定位是"面向复杂任务的开放权重模型"，重点强调编程、Agent 和长时间连续执行任务的能力。
• 安全上做了额外的安全后训练，并按 Meta 的超级智能扩展框架完成评估，称已达到该框架的发布门槛。

一句话总结规格：这是一款按"能干活"而不是"能聊天"设计的模型。它的测试项大量围绕工具调用、软件工程和计算机操作展开，而不是知识问答。

跑分：赢了工具调用，输了写代码

Meta 官方给出的对照表里，Muse Spark Open 在 11 项基准中赢了 6 项、输了 5 项，赢的面集中在工具调用和多模态视觉。具体数字（均来自官方公布）：

• MCP-Atlas（MCP 工具使用）：89.2 分，在其列出的对照模型中排名第一，第二名 Qwen3.8 为 84.5 分。
• JobBench（接近真实工作任务）：61.8 分，略高于 GLM-5.3 的 61.4 分，也超过 Qwen3.8 与 Kimi K3。
• OSWorld Verified（计算机操作）：80.4 分，低于 Kimi K3 的 84.8 分。
• Toolathlon Verified（工具使用）：72.8 分，GLM-5.3 为 73.0 分，Kimi K3 为 76.5 分。
• Terminal-Bench 2.1（终端环境下编程与任务执行）：76.4 分，Qwen3.8 为 82.0 分、GLM-5.3 为 83.9 分、Kimi K3 为 85.0 分。
• DeepSWE 1.1（软件工程）：60 分，GLM-5.3 为 67 分，Kimi K3 为 68 分。
• GDPval-AA v2（真实职业场景知识工作）：1401 分，同样落后于 Qwen3.8、GLM-5.3 与 Kimi K3。

第三方榜单更能说明位置。Artificial Analysis 的开放权重智能指数（xhigh 档）上：小米 MiMo-V2.6-Pro 46 分、智谱 GLM-5.3 45 分、月之暗面 Kimi K3 44 分、蚂蚁 Ling-3.1-flash 41 分，Muse Spark Open 与 DeepSeek V4.1 Flash 同为 39 分。

还有一个容易被忽略的细节：参数效率。GLM-5.3 总参数 7530 亿，比 Muse Spark Open 还小一圈，智能指数却高 6 分。对打算自己部署的团队来说，这个差距直接换算成显存和电费。

顺带一提，Meta 的对照表把 GLM 和 Kimi 排在了靠后位置，旁边放的是明显更弱的模型——这类"排版技巧"在发布会材料里并不罕见，看榜时最好回到第三方榜单交叉验证。

为什么"两台 Mac Studio 能跑"才是重点

如果只看跑分，这次发布算不上惊艳。真正值得记一笔的是部署位置的变化。

过去两年，想用顶级模型基本绕不开云：数据先传上去，在别人的机房算完再拿回来。Meta AI 负责人 Alexandr Wang 的说法是，很多强开源模型体量太大，普通电脑根本带不动，而 Mac Studio 的统一内存规模让这件事第一次变得可行。

代价也很清楚：

• 4bit 量化后权重约 493GB，一台 512GB 统一内存的 Mac Studio 跑起来"很勉强"，因为计算过程还要额外占内存。
• 因此官方演示用的是两台 M5 Ultra Mac Studio，硬件门槛四万美元起步。
• 需要新版 MLX 框架配合，部署和运维仍有技术门槛。

所以它短期内不适合普通用户，但对数据敏感行业（金融、法律、医疗）意义不同："模型在自己控制的硬件上跑"比"每百万 token 便宜几美分"更重要。计费逻辑也从"按调用次数交租"变成"一次买设备，后续主要付电费和运维"。

需要提醒的是，苹果和 Meta 都没有确认 Siri 或 Apple Intelligence 会集成这个模型，也拒绝把合作定性为更深层关系的开始。这是一次各取所需的联合演示，不是联盟：苹果借它给顶配 Mac Studio 打广告，Meta 拿开放权重向开发者递"先免费试、再上云付费"的钩子。

开发者怎么用

• API 调用：Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter、Together AI 等平台已上线。
• 下载权重：亚马逊 SageMaker AI、谷歌云 Model Garden、Hugging Face、微软 Foundry Models。
• 本地部署：两台 M5 Ultra Mac Studio + 新版 MLX 框架。

该不该换？给三类人的判断

• 做 Agent 工具链的团队：值得试。MCP-Atlas 89.2 分是目前公开数据里最强的一档，工具调用稳定性对 Agent 产品比综合分更关键。
• 以写代码为主的团队：谨慎。Terminal-Bench 2.1 落后 Kimi K3 近 9 分、DeepSWE 落后 8 分，且 Kimi K3、GLM-5.3 在 API 价格上通常更有优势。
• 数据不能出内网的行业客户：这是目前少数能在桌面级硬件上跑完整 8000 亿级模型的方案，值得做 POC，但要先算清 4 万美元硬件 + 运维人力。

常见问题（FAQ）

Q1：Muse Spark Open 真的是"美国最强开源模型"吗？ 按"美国公司发布的开放权重模型"这个口径，成立。但放到全球第三方榜单，它在 117 个大参数开源模型里排第 8，前面有多款中国模型。

Q2：它和 Llama 系列是什么关系？ Meta 这次用的是全新的 Muse 命名，官方定位是面向编程与 Agent 的开放权重模型。Llama 系列是否继续迭代，Meta 未在这次发布中说明。

Q3：普通笔记本能跑吗？ 不能。4bit 量化后权重约 493GB，需要 512GB 统一内存级别的机器，官方演示用两台 M5 Ultra Mac Studio。

Q4：本地跑和调 API 哪个划算？ 看调用量。低频使用调 API 更便宜；高频、且数据敏感的场景，买设备长期摊薄才可能回本。四万美元的硬件投入需要真实业务量支撑。

Q5：它会替代 Kimi、GLM 吗？ 短期内不会。两者在编程基准上仍领先，且已有成熟的 API 生态和价格体系。Muse Spark Open 的差异点是工具调用能力与本地部署，不是全面替代。

来源

• Meta 官方博客（Muse Spark Open 发布与基准数据），2026 年 10 月。
• 智源社区《Meta"美国最强开源"搭配苹果最强芯发布，GLM5.3 和 Kimi K3 有对手了》，2026-10-16。
• InfoQ 中文《Meta 联手苹果推出全美最强开源模型，编码基测输给智谱、Kimi》，2026-10-18。
• 虎嗅《苹果和 Meta 突然和好，就为了让你的电脑跑动 8160 亿参数？》，2026-10。
• 东方财富财富号《Meta 发布 8160 亿参数开源模型联手苹果：号称美国最强，第三方榜单只排第 8》，2026-10-16。
• Artificial Analysis 开放权重模型智能指数榜单，2026 年 10 月检索。

说明：本文数字均来自上述公开报道与厂商公布数据，未做任何推算或补全。榜单与跑分会随评测版本更新变化，引用时请以原始来源为准。