Meta 开源 8160 亿参数模型：两台 Mac 才跑得动

一个模型能不能用，取决于两个完全不同的问题：跑不跑得动，和排第几。Meta 这次的新模型，第一个问题答得漂亮，第二个问题不太好看。

一、发生了什么

10 月 16 日，Meta 发布开放权重模型 Muse Spark Open。它采用稀疏混合专家架构，总参数 8160 亿，每个词元只激活约 420 亿，支持 100 万词元上下文，能接收文字、图像、视频和音频。稀疏的意思是，模型里有很多「专家」，每次只叫醒一小部分。总容量可以做得很大，单次推理的成本却按醒着的那部分算。

Meta 称这是迄今最强的美国开放权重模型。它针对苹果的 MLX 框架和 M5 Ultra 芯片做了优化：单台 Mac Studio 的统一内存最高 512GB，两台合起来约 1TB，带宽 1.2TB/s，刚好装下整个模型。这也是它和纯云端模型最大的区别：模型可以整份放在桌面上。演示里，模型在本机改了开源社交客户端 Ice Cubes 的苹果端代码，还操作视频剪辑软件逐帧挑素材、裁成竖屏。

第三方评测给出了另一面。在 Artificial Analysis 的开放权重模型智能指数上，它得 39 分；MiMo-V2.6-Pro 是 46 分，GLM-5.3 是 45 分，蚂蚁的 Ling 是 41 分，它与 DeepSeek 持平。

单项更能说明问题。终端编程测试得 76.4，低于千问、GLM 5.3 和 Kimi K3；软件工程测试得 60，GLM 5.3 是 67，Kimi K3 是 68；真实职业任务测试得 1401，同样落在后面。

权重可以在 Hugging Face、亚马逊 SageMaker、谷歌云模型库和微软 Foundry 下载，也能通过多家推理平台调用。主流推理框架基本都已适配，包括苹果的 MLX 和本地常用的 llama.cpp。对没有机房的小团队，本地部署的门槛确实降了，但门槛下降不等于账单下降。

二、跟你有什么关系

开发者：多了一个能下载、能改、能在桌面跑的大模型。 如果做的是本地智能体、隐私敏感的数据处理，两台顶配 Mac 的方案比长期租云更可控。要注意它是开放权重，不是开源代码，商用前得把许可条款读完。

企业采购：别只看发布会的形容词。 先确认你的活落在哪个单项上。它在部分智能体与多模态测试里领先，编程却不是最强。

关注排名的人：这次的分歧不在数据，在尺子。 综合指数、单项测试、本地可运行性，是三套不同的标准，结论自然不同。只拿一个分数做决策，换把尺子就会换一个结论。

三、怎么判断一个开源模型值不值得试

1. 先看激活参数和内存，不看总参数。 8160 亿听着吓人，每次推理只走 420 亿；但权重仍要占满约 1TB 内存，普通工作站装不下。参数表不解决这道硬门槛。
2. 挑和你任务对应的单项。 写代码看终端和软件工程两项，做多模态看感知类测试，别用综合分做唯一依据。
3. 算推理账。 两台顶配 Mac 的价格、功耗、每秒输出量，和直接调接口比一遍。本地只在「数据不能出门」或「长期高频」时更划算。按每天八小时满负荷算，电费和折旧都要摊进去。

四、三个别信的说法

「总参数越大越强。」 稀疏架构下，总参数是容量，激活参数才是每次推理的成本。8160 亿对 420 亿，说明它靠专家路由省算力，不代表能力等比放大。反过来，激活参数小也不等于便宜，路由开销要看实际吞吐。

「美国最强就等于全球最强。」 这是 Meta 对美国模型的定位，不是全球结论。同一张榜上，至少有三个国产模型排在它前面。

「开源等于免费用。」 权重可以免费下载，硬件不免费。要完整跑起来，得两台各 512GB 统一内存的机器；用接口则按量付费。真正免费的只有「自己改」。而且改完之后，你还得自己承担效果和合规责任。

五、一句话结论

它证明了大模型可以搬进桌面，但还没证明能赢下榜单；先想清楚你要的是「能本地跑」还是「跑得最好」。

信息来源

• 智东西：刚刚，美国最强开源模型发布！放中国只能排第七？，2026 年 10 月 16 日

功能与价格以官方公告为准。本文写于 2026 年 10 月 18 日。