Meta 正式開放 Muse Spark Open 的開放權重模型，並稱之為「美 國 史上最有能力嘅開放權重模型」。根據兩家媒體嘅報導，Muse Spark Open 最初以 800 億參數嘅模型推出，並特別為 Apple Silicon 做優化，但要喺本地運行，需要高達 1TB 嘅 RAM。呢個規模同需求，顯示出開放式大模型喺現階段仍然係高階研究機構同大型組織嘅專屬。Meta 指出 Muse Spark Open 喺代理任務同視覺推理等方面，表現超越中國嘅 GLM 5.3 同 Kimi K3 兩大競品，亦係第一個針對 Mac Studio 嘅 M5 Ultra 進行本地運行優化嘅模型。 Muse Spark Open 亦可喺四個 256GB M5 Ultra Mac Studio 配置上運行，合共成本預計大約 38,000 美元，對大規模組織嚟講，呢個投入或許合理，前提係模型嘅表現符合預期。上述功能同成本資訊，分別來自 Engadget 同 9to5Mac 嘅報導。
Engadget 指出，Muse Spark Open 能喺 Apple 的 M5 Ultra 統一記憶體架構上運行，並解釋「M5 Ultra 嘅整合 GPU 可使用高達 512 GB 記憶體」，兩台機器可以合併成為一台具備 1 TB 統一記憶體嘅超級電腦。呢個描述強調 macOS 與 Apple Silicon 架構對本地化推理嘅支援，但同時亦提到實際購買同安裝成本會相當昂貴。
9to5Mac 嘅報導提供另一角度：Muse Spark Open 係「本地原生多模態」模型，具備 816B 總參數、其中 42B 為活性參數，並擁有 1M 令牌嘅上下文視窗，專為編碼與代理工作而設計，適合長期任務、複雜軟件工程及多步推理。該報導亦指出，Muse Spark Open 喺 MLX（Apple 自家開放原始碼嘅陣列框架）最新版本上進行優化，利用 Apple Silicon 嘅統一記憶體架構，並再次強調 Mac Studio 與 M5 Ultra 的組合，能以本地方式喺桌面上運行強大模型，且 Apple 官方亦發布相關文章，展示 MLX 如何喺本地環境實驗最新模型與方法。
兩篇報導都同意 Muse Spark Open 係以本地化推理為核心，並強調「在裝置上完成代理工作與影像處理」嘅能力。Apple 的 MLX 架構同 Apple Silicon 嘅記憶體管理被視為推動本地推理嘅關鍵技術；喺實作層面，Muse Spark Open 能喺 Mac Studio 上以多機協同運作，模組化地分攤資源，提升整體效能。不過，將呢個模型喺本地部署嘅門檻極高，涉及高昂嘅硬件成本、龐大嘅記憶體需求，以及企業級嘅資料與安全策略，呢啲都係需要謹慎評估嘅因素。與此同時，雖然 Muse Spark Open 自稱「美 國 史上最有能力嘅開放權重模型」，但實際效能與可用性仍需由用家喺實際工作負載中驗證。
Muse Spark Open 嘅技術要點、規模與實作要素；以及對於數碼工作流程嘅影響，喺現時 AI 生態中嘅定位與未來展望
兩份報導都點出 Muse Spark Open 係以代理（agentic）能力為核心嘅設計方向，意在協助完成長期、分步嘅任務，例如代碼變更、軟件建置與調試，甚至對影像素材進行逐幀評估嘅工作。816B 總參數與 42B 活性參數，配合 1M 令牌上下文容量，使呢個模型更適合複雜任務嘅多步推理，同時可透過本地裝置完成多模態處理。雖然兩篇報導對同一模型提供唔同嘅參數描述，但核心訊息係：呢次針對本地推理嘅開放權重模型，喺參數量、上下文容量同模態能力方面，已經做出相當大嘅規模化嘗試。
從硬件角度睇，Mac Studio 配備 M5 Ultra 嘅統一記憶體架構，讓整體記憶體容量可以達到 1 TB，呢個容量使得兩台 Mac Studio 可以協同運作，彷如形成一台具備超大統一記憶體嘅私人資料中心。Engadget 引述嘅數據顯示，單機支援 512 GB 記憶體，理論上兩台即可容納整個模型。呢個設計在本地推理上具備顯著優勢，因為資料唔需要傳送到雲端，可以提升私隱與安全，同時降低網路延遲嘅影響。不過，呢啲優勢要以高昂嘅硬件成本作代價，對於中小型企業或新創機構嚟講，成本可能成為主要門檻。
喺軟件層面，Muse Spark Open 係以 MLX（Apple 嘅開放原始碼陣列框架）為核心，利用 Apple Silicon 嘅記憶體架構提升本地計算效率。9to5Mac 嘅報導提到，MLX 能夠以本地方式支援最新模型同方法，並且 Meta 與 Apple 嘅合作亦意味住未來喺桌面端嘅高階 AI 應用，可能會越來越普及。另一方面，模型嘅本地化部署同用戶端嘅開發者生態都需要大量嘅系統整合與安全機制，呢啲都係實際落地時需要逐步克服嘅挑戰。
實務測試方面，9to5Mac 嘅實驗涵蓋以 Muse Code 驅動嘅多個工作流程，例如透過模型直接在本地完成 iOS 相關改動、錯誤修復、功能新增同完整編譯，並以 DaVinci Resolve 嘅逐幀評估作為示範，以測試模型喺影像處理與編輯工作嘅效能。雖然呢啲示範凸顯模型喺專業工作流程中嘅可用性，但同時亦反映出高階模型對硬件與能源嘅需求。
就市場與前景而言，Muse Spark Open 嘅推出代表美 國 仍然喺大力推動開放式大模型發展，同時強調喺本地化推理方面的可行性。雖然商業層面嘅定價與貨期尚未有確實公佈，官方表示喺 低於某個門檻嘅設置下，裝置組合可以實現整個模型嘅運行。對於大型科技公司、研究機構、以及高要求嘅企業客戶而言，呢種本地化、高性能嘅解決方案提供咗新嘅選擇，但同時亦需要有完善嘅資料治理與合規機製作為支撐。
對開放式 AI 生態嘅影響、技術演進與實務考慮，喺企業與科研領域嘅啟示
Muse Spark Open 以 800 億參數起步，與後續 由 9to5Mac 提到嘅 816B 總參數、42B 活性參數、1M 上下文視窗嘅描述，形成瞭解一個範圍內嘅參數差異同定位。呢啲數字雖有差異，但共同點係：開放式大模型正在往更大規模、更多模態與更長上下文能力嘅方向發展。對於研究者同開發者而言，呢種趨勢意味住可喺本地端建立更強嘅原型與實驗，推動私有化部署、資料安全與成本控制成為更可控嘅方案。
同時，呢個案例亦反映出 Apple 生態對數碼工作流程嘅影響：MLX 同 Mac Studio 嘅整合，讓模型喺桌面級硬件上獲得更高嘅本地化運行率，從而減少雲端依賴，同時提升資料保密性。對於開放式 AI 嘅長遠影響，呢種本地化嘅能力可能促使更多組織採用本地訓練與推理架構，並推動更加多元化嘅硬件與軟件協同優化，從而推動整個行業喺效能、成本與合規之間尋找新平衡。
未來，市場對於「本地化、高性能、可擴展嘅開放式模型」需求只會增加，而治理、資料私隱、以及安全性嘅要求亦會同步提高。Meta 同 Apple 呢個結合，可能會推動更多技術交流同標準化工作，例如模型描述、推理框架、以及跨平台嘅優化方法。對於香港嘅科技圈、研究院同企業而言，呢個動向意味住本地化嘅 AI 試點同示範項目會變得更加重要，同時亦需要投入資源去建立相容嘅基礎設施與安全機制。
以下係本文整理嘅關鍵技術數據，方便讀者快速比較；同時亦提醒讀者，實際成本同可用性高度依賴組織嘅工作負載、資料私隱要求，以及硬件採購情況。若要喺現階段落地，企業需要評估是否值得投入巨額硬件資源與維運成本，以支援長期嘅開放式模型研發與應用。
Muse Spark Open、GLM 5.3、Kimi K3 等模型喺代理工作、編碼與視覺推理方面嘅比較，顯示出唔同生態系統嘅優勢與侷限。對於政府、教育與研究機構，呢啲開放式模型提供咗更大嘅實驗自由，但同時要求更嚴格嘅私隱與 資安治理。總括來講，呢次嘅發布證明數碼工作流程可以喺本地端進行高階推理，同時促使硬件與軟件社羣喺未來幾年內加速合作與創新。
以下列出 Two-Column 規格表，方便對照模型規格與部署環境，資料來源分別為 Engadget 與 9to5Mac。
Muse Spark Open 的發布，象徵美 國 開放式 AI 生態系統對本地運算高要求的模型嘅新階段。喺技術上，MC Studio 與 MLX 等核心元件嘅結合，讓本地端推理更加可行。喺商業層面，企業需要面對高成本與技術準入門檻，並且要建立安全與合規機制，才能充分利用呢類高端模型帶嚟嘅工作效率提升。
總結嚟講，Muse Spark Open 代表嘅係開放式大模型喺本地化推理領域嘅重要實驗，亦提醒業界要喺硬件成本、軟件生態、以及安全治理方面作出長遠規劃。隨著 MLX、Apple Silicon 嘅持續演進，以及更廣泛嘅本地化部署案例出現，喺未來數年內，數碼工作流程嘅自動化與高效能整合將成為標準配置。
資料參考：Engadget、9to5Mac；內容摘要同引證皆以原始報導為基礎，實際使用情況需以官方發布同實際部署為準。若需要，讀者可以前往以下網站了解更多詳情：
官方與資料來源：huggingface.co、apple.com、engadget.com、9to5mac.com
規格與對比表格如下，供讀者快速參考與比對各自嘅技術參數：
規格：參數量、活性參數、上下文視窗、適用場景與部署環境等，詳情與原始數據以 Engadget 與 9to5Mac 嘅報導為準。
以下係 2–3 欄格嘅 HTML 規格表，方便嵌入網站或內容管理系統；欄位分別為：規格、來源 A、來源 B。
規格表：
| 規格 | Engadget / Muse Spark Open | 9to5Mac / Muse Spark Open |
| 參數量 | 800 億 | 8160 億 |
| 活性參數 | — | 42B |
| 上下文視窗 | — | 1M 令牌 |
| 本地支援硬件 | Mac Studio（M5 Ultra） | Mac Studio（M5 Ultra） |
| 記憶體需求 | 1 TB（需兩台 Mac Studio 合用） | 1 TB（需兩台 Mac Studio 合用） |
| 目標用途 | 輔助長期任務、代理工作、視覺推理 | 輔助長期任務、代理工作、編碼與多步推理 |
| 採購成本（四機配置） | 約 US$38,000 | 約 US$38,000 |
參考來源：huggingface.co、engadget.com、9to5mac.com、apple.com
利益聲明：本文包含合作商戶產品連結，如你透過連結購買，TechRitual 可能獲得佣金收入，但不影響產品評價及推薦。詳情請參閱私隱政策。
身為 Amazon Associate，本站會從合資格購買中賺取佣金。
