Meta把8160亿参数AI搬上桌面，苹果的方案需要两台高配Mac

想在自己桌上运行一款大型AI模型，需要多大的电脑？Meta与苹果给出的新答案，是两台各配512GB内存的Mac Studio台式电脑。

当地时间10月15日，Meta发布Muse Spark Open模型的权重，也就是模型学习后形成、运行时需要调用的一整套数值。开发者可以把这些权重下载到自己的设备上部署，无须每次都向模型提供方的服务器发送请求。

扎克伯格随后表示，Meta与苹果团队合作，使这款模型能在新款Mac Studio上运行。它展示了桌面设备承载大型模型的一种新可能，硬件门槛也相当明确：官方这套Mac方案，需要两台或四台高配机器协同工作。

一次只调用部分参数，整套模型仍要装得下

Muse Spark Open总参数量为8160亿，每次处理信息时调用其中约420亿参数。参数可以粗略理解为模型内部调节信息处理方式的数值；数量并不能单独决定模型好坏。

它采用“混合专家”架构，类似把任务分给不同的小组，每次只请其中一部分参与。这样可以减少每次计算需要调用的内容，但设备仍需要容纳完整模型及运行所需的数据。

这也是内存成为关键门槛的原因。内存是电脑运行时存放模型和数据的空间，与保存文件的硬盘不同。

Meta公布的硬件方案包括：两台各配512GB内存的M5 Ultra Mac Studio，或者四台各配256GB内存的同款机器。GB和TB都是容量单位，两种配置的内存合计均为1024GB，约1TB，并通过高速连接协同运行。模型还经过了降低数值存储精度的处理，以减少占用空间。

所以，“在Mac上运行”不能直接理解为普通笔记本或任意一台Mac都能使用。这里展示的是一组高配桌面电脑组成的小型计算集群。

能运行之后，还要等多久

苹果公布的测试为这套方案提供了更具体的尺度。

在输入8192个词元、随后生成128个词元的测试中，苹果把同一层计算分给多台机器同时处理：两台M5 Ultra Mac Studio的生成速度约为每秒25个词元，四台约为每秒36.7个词元。词元是模型处理文字等信息时使用的基本单位，与汉字或英文单词并不一一对应。

生成速度也不等于提问后立刻开始回答。在同样的输入长度下，苹果测得两台机器等待首个词元约需8.2秒，四台约需4.8秒。任务、输入长度和运行配置变化后，体验也会变化。

这组数据的价值，在于把“桌面运行大模型”变成了可以讨论的内存、速度和等待时间。上述数字来自苹果测试，不能代表所有应用中的实际表现。

开放的是部署选择，成本不会自动消失

对处理内部代码、文件或其他敏感资料的团队，本地部署意味着多了一种安排：模型可以在自有设备上运行，数据处理流程也可以更多地由自己控制。实际是否完全不向外发送信息，还取决于软件、联网工具和具体设置。

代价则转移到了硬件采购、耗电、维护及软件适配上。使用量较低时，购买几台高配电脑未必比调用云端服务划算；使用频繁、有明确数据管理需求的团队，才更值得核算这笔账。

Muse Spark Open也支持其他硬件平台，苹果并非唯一选择。开放权重同样不代表所有用途都不受限制：Meta采用Muse Model License，并设置了商业使用条款。

这次发布值得关注的变化，是大型模型的部署选择进一步扩展到了桌面。但从“能摆上办公桌”，走到“适合谁购买”，中间还隔着实际任务表现与总成本两道考题。

参考资料

[1] META. Introducing Muse Spark Open, The Most Capable US Open-Weight Model to Date[EB/OL]. (2026-10-15)[2026-10-16].

[2] ZUCKERBERG M. 关于Muse Spark Open在新款Mac Studio上运行的公开帖文[EB/OL]. (2026-10-16)[2026-10-16].

[3] META. Build with Muse Spark Open[EB/OL]. (2026-10-15)[2026-10-16].

[4] META. Muse Spark Open: Hardware Platforms[EB/OL]. [2026-10-16].

[5] APPLE. Local and Distributed Large LLM Inference with MLX and RDMA on Mac Studio[EB/OL]. (2026-10-15)[2026-10-16].