Meta 开源 816B 大模型：你的 Mac 跑得动吗？和千问、Kimi、GLM 比又怎样

@QwenAIFans · 2026-10-16 22:19

先说结论 内存不到 512GB，别想了，本地跑不动。 有一台 512GB 的 Mac Studio（M3 Ultra），今天就能跑 2-bit 或 3-bit 量化版，每秒 18 到 21 个 token。 Meta 宣传的"两台 Mac Studio 就能跑"，说的是 4-bit 的 NVFP4 版本，要 700GB 起步，而且 512GB 版的 M5 Ultra 要到十月底才发货。 跟中国开源模型比：Agent 类任务它赢，写代码它输。Meta 自己发的对比表里，Terminal-Bench 2.1 四家垫底。 API 价格每百万 token 输入 1.25 美元、输出 4.25 美元，是 DeepSeek V4.1 Flash 闲时价的 7 到 8 倍。 这是个什么模型 10 月 15 日，Meta 在 Hugging Face 放出 Muse Spark Open 的权重： 总参数 8160 亿，每个 token 激活 420 亿（MoE，每层 256 个专家，选 8 个） 上下文最长 100 万 token 能看文字、图片、视频、音频，输出只有文字 Meta 的说法是"美国迄今最强的开源权重模型" Llama 之后，Meta 沉寂了一阵，这次算是重回开源。Nathan Lambert 的反应很有代表性："等美国开源模型重新有存在感，我等了太久。" 本地跑：按内存对号入座 数字来自 Hugging Face 官方发布博客和模型卡： 2-bit（llama.cpp）：约 304GB，一台 512GB M3 Ultra Mac Studio，每秒 18 个 token 3-bit（MLX）：约 344GB，同一台机器，生成每秒 21 个 token，预填充每秒 225 个 NVFP4（4-bit）：700GB 起，两台 512GB M5 Ultra，或一台 B200 服务器，速度官方未公布 BF16 原版：约 1.5TB，32 张 H200（4 台 8 卡），不用想了 几个容易踩的坑： 100 万上下文不是白送的。 满上下文时，光 KV cache 在 BF16 下就要约 266GB。模型装下了，长上下文不一定装得下。宣传的上下文和你买得起的上下文，是两个预算。 2-bit 会掉智商。 420 亿激活参数的 MoE 压到 2-bit，质量损失有多大，目前没人公布过靠谱的测试。先拿你自己的任务试，别直接上生产。 钱。 VentureBeat 算过：一台 256GB 内存的 M5 Ultra Mac Studio 售价 10,799 美元。512GB 版价格还没公布。所以"桌面就能跑"的意思是"桌面上放着一辆车的钱"。 和中国开源模型比 Meta 发布时自己做了对比表，拉来的对手是 Kimi K3、GLM 5.3、千问 Qwen 3.8（VentureBeat 整理）： Terminal-Bench 2.1（终端编程）：Kimi K3 85.0｜GLM 5.3 83.9｜Qwen 3.8 82.0｜Spark Open 76.4 DeepSWE 1.1（软件工程）：Kimi K3 68｜GLM 5.3 67｜Spark Open 60｜Qwen 3.8 57 JobBench（职场任务）：Spark Open 61.8｜GLM 5.3 61.4｜Kimi K3 54.3｜Qwen 3.8 52.7 MCP-Atlas（工具调用）：Spark Open 89.2｜Qwen 3.8 84.5｜GLM 5.3 84.2｜Kimi K3 82.3 AA 智能指数：GLM 5.3 45｜Kimi K3 44｜Qwen 3.8 40｜Spark Open 39 看点： Agent 和工具调用它确实强，JobBench、MCP-Atlas 都是第一。 写代码明显落后。Terminal-Bench 比 Kimi K3 低了 8.6 分。 第三方 Artificial Analysis 的综合指数里，它排在 MiMo-V2.6-Pro（46）、GLM-5.3（45）、Kimi K3（44）后面。 更有意思的是对手名单本身。这两天西方发了好几个模型：微软 MAI-Base-2、Black Forest Labs 的 FLUX 3 Klein、Meta 这个，还有同一天 Reflection AI 开源的 Beam（5010 亿参数，Apache 2.0）。拿来对比的开源对手，清一色是中国模型。对手选谁当尺子，比任何榜单都说明问题。 价格 每百万 token（VentureBeat 整理）： Spark Open（Together AI）：输入 1.25 美元，输出 4.25 美元 DeepSeek V4.1 Flash（闲时）：输入 0.15 美元，输出 0.60 美元 GLM-5.3：输入 1.40 美元，输出 4.40 美元 Kimi K3：输入 3.00 美元，输出 15.00 美元 和 GLM-5.3 几乎同价，比 Kimi K3 便宜不少，但离 DeepSeek 很远。 许可证：不是 Apache，细节要看 用的是 Meta 自己的 Muse Model License： 可以微调、蒸馏、合并、商用，产出归你。 产品里要显著标注 "Built with Muse Spark Open"。 如果你拿它对外卖 API，并且公司年收入超过 2000 万美元，要先通知 Meta、另签协议。做进自己的产品不受这条限制。 Hugging Face 下载要申请：填法定姓名、出生日期、公司全称和注册信息，提交后不能改，填错可能影响你访问其他模型。 对比一下：同一天的 Reflection Beam 是 Apache 2.0，千问大多数开源模型也是 Apache 2.0。 最后的清单 内存 ≥ 512GB？没有就用 API，或者继续用千问、GLM。 主要写代码？Kimi K3、GLM 5.3 目前更强。 主要做 Agent、工具调用？值得一试。 要对外卖服务、公司年收入超 2000 万美元？先看许可证。 申请权限前，信息一次填对。 美国开源模型回来了，这是好事。但"回来了"和"领先了"之间，还隔着一张 Meta 自己画的表。 来源 Hugging Face 模型卡：https://huggingface.co/meta-models/Muse-Spark-Open-816B-A42B Hugging Face 发布博客：https://huggingface.co/blog/meta-muse-spark-open VentureBeat（对比表、价格、许可证、Mac 价格）：https://venturebeat.com/technology/meta-unveils-muse-spark-open-the-new-top-u-s-open-weights-model-and-it-runs-on-two-paired-mac-desktops The Decoder：https://the-decoder.com/muse-spark-open-is-metas-answer-to-qwen-glm-and-kimi-in-the-open-weight-race/ 许可证细节：https://www.orcarouter.ai/blog/muse-spark-open-best-us-open-weight-model Reflection Beam：https://venturebeat.com/technology/reflections-beam-aims-to-undercut-chinese-open-models-with-fewer-tokens-not-cheaper-tokens

曝光 631 · 评论 0 · 点赞 0 · 书签 0 · 曝光/时 3.974926733011806