Meta 在 10 月 15 日做了一件让本地推理圈集体失眠的事：把 4 月发布的旗舰闭源模型 Muse Spark 的权重开放了。816B 总参数、42B 激活的 MoE 架构、1048576 token 的上下文窗口、文本图像视频音频四模态输入——这是目前美国厂商交出的最大规格开源权重模型。HN 上「Muse Spark Open」一天冲到 577 分，评论区一半在跑分，一半在算自己的电费。
这篇实战不讲跑分，讲怎么把它跑起来。无论你手里是一台 MacBook、一台云服务器还是预算充足的全套 Mac Studio，都有一条对应的路径。
先搞清楚你要付多少内存
Muse Spark Open 有两个关键规格决定了部署方案：NVFP4 量化版本至少需要 700GB 加速器内存，BF16 版本需要 2TB。激活参数只有 42B 并不会把显存需求降到 42B 稠密模型的水平——专家权重全部要驻留显存，MoE 省的是每个 token 的计算量，不是存储量。
官方支持的推理框架相当全：SGLang、vLLM、TensorRT-LLM、Transformers、MLX、llama.cpp、Unsloth，硬件覆盖 AMD、Apple、Intel 和 NVIDIA，微调用 PyTorch TorchTitan。也就是说工具链是现成的，问题只剩「把这么大的权重放在哪里」。
路径 A：托管 API，五分钟接入
对绝大多数开发者这是唯一理性选择。Meta 权重发布当天，Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter、Together AI 全部上架，Amazon SageMaker、Google Cloud Model Garden、Microsoft Foundry 也提供了权重托管。
以 Together AI 的 serverless 端点为例，OpenAI 兼容接口直接可用：
from openai import OpenAI
client = OpenAI(
base_url="https://api.together.xyz/v1",
api_key="你的 Together 密钥",
)
resp = client.chat.completions.create(
model="meta-llama/Muse-Spark-Open",
messages=[{"role": "user", "content": "总结这段视频里发生了什么"}],
)
print(resp.choices[0].message.content)定价：输入每百万 token 1.25 美元，命中缓存 0.15 美元，输出 4.25 美元。横向看，这比同档闭源旗舰便宜不少，且上下文给到完整的 1M（选 Fireworks 才有，Groq 限制在 131072）。如果你的工作负载是长视频或大代码库分析，选托管方之前先核对上下文上限，这是最容易踩的坑。
路径 B：预算有限？先跑 Muse Glimmer
Meta 这次实际放了两个东西。除了 Spark Open，还有早前发布的 Muse Glimmer：30B 参数、Apache 2.0 许可、权重不到 20GB，24GB 显存的消费级显卡就能跑。Glimmer 定位就是本地 agent——工具调用、图像理解、失败恢复都有针对性优化，Together 上它的定价是输入 0.35 美元、输出 1.50 美元每百万 token。
如果你的场景是「个人助手、本地 RAG、小规模工具编排」，Glimmer 的性价比远高于硬上 Spark Open。Spark Open 的价值在多模态长上下文和知识密度，这两点 Glimmer 给不了。
路径 C：双 Mac Studio 方案，隐私敏感场景的终点站
Meta 官方演示的本地方案是两台 M5 Ultra Mac Studio，各 512GB 统一内存，合计 1TB，通过 MLX 做跨机推理。有几个现实问题要先想清楚：
- 512GB 配置要到 2026 年 10 月下旬才发货，目前只有 256GB 版（10799 美元档），四台才凑得齐 1TB 内存，税前 43196 美元。双机方案等新配置到货后预计也要数万美元。
- 官方没有公布双机方案的 token 生成速度，HN 上的第三方实测目前还很少。MoE 结构对内存带宽极其敏感，跨机链路大概率是瓶颈。
- 这条路径的真正价值是数据不出本地：医疗、法务、国防类工作负载里，「模型在你自己的房间里」本身就是需求。
如果你决定走这条路，MLX 侧的基本流程是把权重分片到两台机器，用 MLX 的分布式后端做张量并行。等 512GB 机型到货后社区会有完整的踩坑帖，建议先观望一周再下单。
路径 D：云 GPU 自托管
BF16 要 2TB 显存，意味着至少 11 张 H200（141GB）或 8 张 B200（192GB，共 1536GB）。NVFP4 量化版 700GB，8 张 B200 比较从容。vLLM 和 SGLang 都已支持，官方推荐的生产路径是：
# NVFP4 量化权重 + vLLM，8x B200 示意
vllm serve meta-llama/Muse-Spark-Open-FP4 \
--tensor-parallel-size 8 \
--max-model-len 1048576自托管的划算阈值大约是每天数亿 token 的稳定负载。低于这个量级，托管 API 的边际成本更低，还能免掉运维。
合规清单：三条容易忽略的条款
Muse Model License 不是 OSI 开源，签字前过一遍这三条：
- 收入条款：公司及关联公司任意连续 12 个月总收入超过 2000 万美元，且以模型服务形式对外提供 Spark Open（或其衍生物），需通知 Meta 并签单独协议。内部部署和「把 AI 做进产品」不触发。
- 归属标注：产品中要放「Built with Muse Spark Open」，文档、网站或设置页均可。
- 衍生物定义很宽：用 Spark Open 的输出改进出来的模型也算衍生物，蒸馏时要想清楚下游许可证链路。
另外 HF 门控要求提交法定姓名、出生日期和组织全称，不能缩写、提交后不可编辑。企业用户建议用公司主体提前申请，别等到项目上线当天。
基准怎么看：别只信「美国最强」
Meta 的口径是「迄今最强美国开放权重模型」，这个限定词很重要。官方表格里它在 JobBench（61.8）、MCP-Atlas（89.2）、HLE-Diamond（26.1）、ZeroBench（50）领先，但 Terminal-Bench 2.1（76.4）和 DeepSWE（60）明显落后于 Kimi K3（85.0 / 68）和 GLM 5.3（83.9 / 67）。Artificial Analysis 的独立指数里，它拿 39 分，低于 MiMo-V2.6-Pro 的 46、GLM 5.3 的 45 和 Kimi K3 的 44。
翻译一下：多模态理解和 agent 生态适配是它的强项，终端编码和软件工程不是。选型时按场景对号入座，别按国别站队。
写在最后
Muse Spark Open 的战略意义大于单点性能意义：当 816B 级别的权重进入托管市场，输入 token 的价格锚点会被整体拉低，这比任何一条基准曲线都更影响开发者。对个人开发者，今天就能做的三件事：在 OpenRouter 上花几美元跑通第一个请求；用 Glimmer 搭本地 agent 原型；把 Spark Open 的 1M 上下文设计进你的长文档处理管线——价格还会继续降，管线可以先修好。