Meta发布8160亿参数“美国最强开放权重模型”，联手苹果让大模型跑上Mac，最强模型仍闭源

Meta推出开放权重模型Muse Spark Open，允许开发者下载模型权重、自行部署和定制，并与苹果合作，让模型能够在两台Mac Studio上运行。与此同时，Meta仍将能力更强的Muse Wonder系列保持闭源，试图在开放开发者生态与AI商业化之间寻找平衡。

美东时间15日周四，Meta发布号称“迄今美国能力最强的开放权重模型”Muse Spark Open。该模型总参数量达8160亿，支持100万Token上下文窗口，主攻编程与智能体任务，重点提升长周期任务执行、复杂软件工程和多步推理能力。

Meta当天公布Muse Spark Open的模型权重。开发者可以通过多个云平台获取模型，也可以下载权重，在兼容的硬件和推理框架上自行运行，并使用PyTorch等工具进一步定制。模型采用Muse Model License授权，附带有限商业条款，允许许多开发者免费使用。

虽然Muse Spark Open的能力不及Meta本周一推出的Muse Wonder，但此次发布兑现了Meta此前让其AI技术广泛向开发者开放的承诺。Meta曾凭借Llama系列推动开放模型生态，在上一轮模型竞争中表现未达预期后，扎克伯格重组AI研发体系，转向打造能力更强的闭源模型。此次重新开放模型权重意味着，Meta正尝试在扩大开发者生态与保留前沿技术优势之间寻找新的平衡。

Meta在官方博客中表示，Muse Spark Open总参数量为8160亿，实际激活参数为420亿，拥有100万Token上下文窗口，并原生支持文本、图像、视频和音频。

与主要用于对话和内容生成的模型相比，Muse Spark Open更强调长周期智能体工作。Meta称，该模型针对复杂软件工程、多步骤推理和需要持续推进的任务进行了优化，目标是让开发者构建能够规划、调用工具并连续执行任务的AI智能体。

和官方博客一样，Meta AI负责人、公司首席AI官Alexandr Wang在社交媒体上也将Muse Spark Open称为迄今美国能力最强的开放权重模型。他表示，该模型专为编码和智能体工作设计，例如长时程任务、复杂的软件工程、多步骤推理，并转发了Meta博客公布的以下该模型多项基准指标测评成绩与竞品大模型对比。

不过，“美国最强”仍是Meta对自身产品的评价，并非已经获得全面独立验证的行业排名。开放权重模型的竞争力不仅取决于参数规模，还取决于推理效果、运行成本、部署难度和开发者实际使用体验。

此次开放的重点是模型权重，而非意味着所有训练数据、完整训练流程和研发细节均向外界公开。开发者能够在授权范围内自行部署和调整模型，但其商业使用仍须遵守Muse Model License的相关条款。

此次发布的一大亮点，是Meta与苹果合作，让Muse Spark Open能够借助最新MLX框架在两台搭载M5 Ultra芯片的Mac Studio上运行。Meta官方博客称，这是首次通过搭载苹果M5 Ultra芯片的Mac Studio为用户的桌面端带来领先的智能体功能。

扎克伯格在社交媒体发帖称，Muse Spark Open在新Mac Studio上运行出色，感谢合作方苹果公司及其CEO特努斯，并附上一张显示新模型在Mac电脑上运行的照片。

Meta表示，苹果芯片的统一内存架构是实现本地部署的关键。每台M5 Ultra Mac Studio可提供最高512GB统一内存，两台设备协同后能够容纳整个模型。Meta称，两台机器可像一台拥有约1TB统一内存的系统一样协同工作。

媒体认为，这一合作为开发者提供了新的选择：他们可以在自己的硬件上运行先进模型，而不必完全依赖云端服务器租用算力。对于软件开发、研究和视频制作等场景，本地部署也有助于开发者更直接地控制模型运行环境。

Meta在官方博客中还展示了模型的本地智能体工作流程，包括借助Muse Code修改开源iOS应用、修复问题并完成构建，以及在DaVinci Resolve中逐帧分析视频素材、筛选精彩片段并调整画面比例。

需要注意的是，模型能够在两台Mac Studio上运行，并不意味着普通Mac电脑也能以相同方式运行这一完整模型。Meta此次展示针对的是高端硬件配置，本地部署仍面临设备成本、内存需求和推理效率等限制。

对苹果而言，这一合作也提供了展示高端Mac计算能力的新场景；对Meta而言，则有助于证明开放权重模型能够脱离自有云端基础设施，在开发者自己的设备上运行。两家公司长期以来在隐私政策、广告追踪和计算平台等领域存在竞争，此次合作说明，AI竞赛正在促使硅谷企业重新评估合作边界。

Meta表示，Muse Spark Open已通过Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter和Together AI等平台提供API服务。模型权重则可从亚马逊SageMaker AI、谷歌Cloud Model Garden、Hugging Face和微软Foundry Models等渠道获取。

在推理框架方面，该模型支持SGLang、vLLM、TensorRT-LLM、Hugging Face Transformers、Apple MLX、llama.cpp和Unsloth，并针对AMD、苹果、英特尔和英伟达等硬件平台进行了优化。

开发者还可以使用PyTorch及TorchTitan对模型进行进一步微调，以适应不同应用场景。Meta称，模型采用附带有限商业条款的Muse Model License，许多开发者可以免费使用。

这套发布方式的核心，是降低开发者试用、部署和定制模型的门槛。开发者可以先下载权重，在本地或自己的基础设施上开展实验；当需求增长、需要更大规模的推理能力或额外工具时，再选择云端API和算力服务。

但开放权重并不等于完全没有使用限制，也不意味着所有开发者都能零成本运行完整模型。硬件采购、部署运维和推理算力仍可能带来可观成本，商业应用也需要遵循授权条款。

Meta周四透露，Muse Spark Open的能力弱于该司本周一推出的Muse Wonder。Meta选择开放较低一档模型的权重，同时将最先进模型继续保持闭源，反映出公司AI战略的变化。

Alexandr Wang在接受彭博社采访时表示：“出于安全性和能力两方面的考虑，我们通常不会开源我们最强大的模型。但我们确实认为，随着时间的推移，持续开源优秀的模型非常重要，我们打算继续这样做。”

他还表示，开放模型对于美国在AI竞争中保持优势至关重要，并称：“世界上大多数AI都将运行在开放模型上。它们应该是美国的。”

这一表态也将Muse Spark Open放在全球竞争的背景下。阿里巴巴、DeepSeek等中国企业已在开放模型领域取得广泛关注，开发者能够根据自身需求调整模型，并将其部署到不同的硬件和应用中。Meta希望通过开放权重提供具有竞争力的美国替代方案，巩固其在全球开发者生态中的影响力。

但开放策略也伴随风险。模型权重一旦广泛分发，开发者可以在一定程度上自行调整模型行为，模型提供方对最终部署方式的控制力随之下降。Meta表示，Muse Spark Open经过额外安全训练，并按照公司的安全评估框架进行测试；不过，开放模型的安全边界仍取决于后续使用者如何部署和修改模型。

因此，Meta并未完全回到此前全面开放的路线，而是采取分层策略：开放权重模型用于扩大开发者覆盖面，闭源前沿模型则保留技术和商业优势。

Muse Spark Open的另一层意义，在于Meta希望通过开放模型为自身云业务和AI服务创造需求。

彭博社报道称，Meta正在筹建自己的云业务，计划向客户销售AI模型访问权限和计算基础设施。Alexandr Wang认为，免费开放Muse Spark Open不会削弱这一业务，反而可以成为吸引开发者的入口：用户先在自己的设备或基础设施上试用模型，随着应用规模扩大，再为更多算力和工具付费。

这一模式与Meta传统的广告业务存在明显区别。开放权重本身不直接带来订阅收入，但可以扩大模型的使用范围，帮助Meta建立开发者关系，并为后续的云端推理、企业服务和工具链创造商业机会。

与直接向终端用户销售付费AI助手相比，开放模型的商业回报更依赖生态规模和后续服务转化。开发者是否愿意采用Muse Spark Open，企业是否愿意为相关云服务付费，都将决定这一策略能否形成可持续收入。

对Meta而言，此次发布既是重返开放模型竞争的信号，也是对AI商业模式的一次试探。公司希望通过开放权重扩大生态影响力，同时把最先进模型和高附加值服务留在商业体系之内。至于这一平衡能否奏效，最终仍取决于模型的实际表现、开发者采用率，以及Meta能否将开放生态转化为持续的算力和服务需求。