Meta 开源 816B 模型，Apple 演示 Mac Studio 本地运行

很喜欢 Meta 开源了 Muse Spark Open！ 大概是 Muse Spark 1.2 的水平。 我最大的愿望：Meta 后续能推出 Muse Spark 1.3 的开源权重。 那将是世界上最好的开源模型。

Meta 发布新的 SOTA 开源模型 Muse-Spark-Open-816B-A42B，支持文本、图像、视频和音频输入，上下文窗口达 1M，权重今日开放。Unsloth 提供 Dynamic 2-bit GGUF 量化版，可在 256GB RAM/VRAM 配置上于 Mac Studio 运行，1-bit 至 8-bit 对应 180-870GB 内存需求。GGUF 见 https://huggingface.co/unsloth/Muse-Spark-Open-816B-A42B-GGUF，指南见 https://unsloth.ai/docs/models/muse-spark-open。

Nathan Lambert 转评 @alexandr_wang 发布的 muse spark open，称其为迄今最强的美国开放权重模型：816B 总参数、42B 激活、1M token 上下文、原生多模态，面向编码和长程任务等智能体工作。他认为若实际表现与跑分相符，该模型采用率将暴涨，是美国首个具备接近前沿智能体能力的开放权重模型，并提到此前 GLM 5.2 与 Kimi K3 代表了中国模型的那次跃升。

Meta 发布开源模型 Muse-Spark-Open-816B-A42B，权重已在 Hugging Face 上线。原引用内容称该模型今天发布权重，并可与 Apple 合作在新 Mac Studios 上良好运行。模型页面显示其支持 Image-Text-to-Text，提供 Transformers、Safetensors、PyTorch 格式，许可为 muse-model-license。

作为 @Muse、George Orwell、开放权重模型和 Macintosh 的粉丝，这让我会心一笑。另外去看看 Muse Spark Open，它是真的。

Meta 开放 Muse Spark Open 权重，模型上线 Baseten Model APIs 和 Dedicated Inference。

突发 🔥：Meta 即将发布 Muse Spark Open，这是 Muse Spark 1.2 的开放权重版本！ 据预告，它将是美国最强的开放模型，用户将能在新款 Mac Studio 设备上本地运行。

Meta 宣布 Muse Spark Open 今日可通过 Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter 和 Together AI 的 API 平台使用。

Meta 官方介绍，Muse Spark Open 经优化可在两台 Apple M5 Ultra Mac Studio 上以最新 MLX 框架运行，以提升先进模型的可及性。模型也支持 SGLang、vLLM、TensorRT-LLM、Hugging Face Transformers、llama.cpp 和 Unsloth 等推理引擎，并对 AMD、Apple、Intel 和 NVIDIA 硬件做了优化。开发者还可用 PyTorch（含 TorchTitan）进行微调定制。

Meta 发布开放权重模型 Muse Spark Open，定位为迄今能力最强的美国开放权重模型，面向编码与智能体工作。模型总参数 816B、激活 42B，支持 1M token 上下文窗口，原生支持文本、图像、视频、音频多模态，擅长长程任务、复杂软件工程和多步推理。

Muse Spark Open —— 权重今天发布 —— 得益于与 @johnternus 和 Apple 的合作，在新款 Mac Studio 上运行效果极佳。

Hugging Face 团队介绍 Meta 的开源权重模型 Muse Spark Open：这是一个 MoE 架构的多模态模型，总参数约 816B、每 token 激活约 42B，支持文本、图像、音频和视频输入，上下文窗口最高 1M token，提供 BF16（约 1.5 TB）和面向 NVIDIA Blackwell 的 NVFP4 两种 checkpoint。

Apple 机器学习研究团队演示如何在 Mac Studio 上本地运行近万亿参数的 Muse Spark Open 等前沿模型，使用今天发布的新版 MLX（v0.30.1 起）与 macOS 26.2 的 RDMA over Thunderbolt 驱动。

Meta 发布面向智能体编码工作流的 Muse Spark Open，为 816B 参数的 MoE 推理模型，每 token 激活 42B 参数，具备 1M token 上下文窗口，可容纳整个项目仓库，并提供可靠的工具调用与更高首次尝试准确率。