Meta 於 10 月 15 日開放 Muse Spark Open 模型，並與 Apple 合作，讓開發者透過 MLX 框架，在 Mac Studio 本機運行這款 8,160 億參數模型。Apple 同日發表官方技術文章，公布多部 M5 Ultra Mac Studio 連接運算的測試結果，其中兩部機器以張量平行方式運行，每秒可生成約 25 個 token。
▲ Meta 公布的測試顯示，Muse Spark Open 擅長使用工具及回答部分高難度問題，但寫程式的表現仍落後部分對手
懂得用工具做事 寫程式仍有對手領先
簡單來說，這些測試除了考 AI 能否答對問題，也考它能否選用合適工具，把工作完成。按 Meta 公布的成績，Muse Spark Open 在使用工具及回答部分高難度問題方面表現突出。不過遇到修正程式錯誤、完成軟件開發等工作，Kimi K3 和 GLM 5.3 的分數仍較高。因此這款模型各有所長，未算每項能力都勝過對手。圖表亦沒有交代模型放到 Mac Studio 運行後，能否保持相同成績。
MLX 針對 Apple silicon 的統一記憶體架構設計。CPU 與 GPU 共用同一份資料，不用在兩個記憶體池之間複製。 這正是 Mac Studio 能容納 8,160 億參數 Muse Spark Open 的關鍵。一般模型多以 PyTorch 等格式發布。要在 Mac 上用 MLX 執行，需先轉換成 MLX 專用格式。轉換過程會下載原模型、調整權重格式，並可選擇量化，再存成 .safetensors 檔案及相關中繼資料。 量化可大幅減少記憶體用量，同時保持較好品質。
Meta 確認合作 Apple 提供官方測試
Meta 在開發者公告明確表示，團隊曾與 Apple、Nvidia、Hugging Face 等合作，讓模型推出時便獲主要推理框架支援。公告亦指出，相關外部團隊提前取得未公開模型，投入數月工作。這次合作涵蓋 MLX 推理支援及 Apple 晶片運行，但雙方未有宣布將模型加入 Siri 或 Apple Intelligence。
Muse Spark Open 採用混合專家（MoE）架構，總參數量為 8,160 億，每次處理 token 啟用約 420 億參數，支援 100 萬 token 上下文視窗。模型可接收文字、圖片、影片及音訊輸入，輸出文字，主要用於編寫程式及需要多步驟執行的 AI Agent 工作。Meta 稱它是目前能力最強的美國開放權重模型。
需要多部 Mac 連接 官方配置使用量化版本
Meta 列出的 MLX 配置為兩部各有 512GB 統一記憶體的 M5 Ultra Mac Studio，或四部各有 256GB 統一記憶體的 Mac Studio，合共提供 1TB 記憶體。機器透過 Thunderbolt 5 及 RDMA 直接連接，以低延遲交換運算結果，運行 NVFP4 量化版本。
Apple 解釋，模型原生 BF16 精度的權重已需要超過 1.6TB 記憶體，其 NVFP4 測試版本則降至約 493GB。不過推理期間仍需額外記憶體處理中間運算，因此單部 512GB Mac Studio 無法容納這個測試配置。Apple 在 8,192 token 上下文、生成 128 個 token 的測試中，錄得兩部機器以張量平行方式運行時每秒生成 24.99 個 token，四部則達 36.73 個 token；這些數據不代表使用完整 100 萬 token 上下文時的速度。
本機修改 iOS App 亦測試影片剪輯
Meta 表示，團隊以 Muse Spark Open 驅動 Muse Code，測試完全在裝置上執行的工作，包括替開源 Mastodon 用戶端 Ice Cubes 修正程式錯誤、加入功能及完成建置。另一項示範則操作 DaVinci Resolve，逐格檢視影片素材，挑選片段並裁成直式畫面。
模型權重現可從 Hugging Face 等平台取得，亦可透過多個服務商的 API 使用。Muse Spark Open 採用 Muse Model License，附有商業使用條款；開放權重不等於可不受條件限制使用。除 Apple 硬件外，Meta 亦提供針對 AMD、Intel 及 Nvidia 平台的支援。
資料來源：Meta AI Research、Meta 開發者公告、Apple Machine Learning Research
