Meta於10月15日發布Muse Spark Open：816B總參數、每Token激活42B的混合專家（MoE）架構，支援100萬Token上下文視窗，輸入支援文字、圖片、影片與音訊。可在兩台Apple M5 Ultra Mac Studio上透過MLX框架運行；Hacker News前頁579票。
1. 架構創新：256個專家路由
256個專家路由設計使每次推理僅激活5.1%的參數（42B/816B），在同等效果下推理成本比密集模型低約19倍。VentureBeat：這是迄今開放發布的最大MoE模型。
2. 效能比較：強項與短板
Terminal-Bench 2.1編碼基準：Muse Spark Open得76.4分，落後Kimi K3的85.2分與GPT-6 Luna的83.7分；但多模態基準MMMU-Pro得79.3分，超越所有閉源競品。
3. 對AI生態的衝擊
AlphaSignal分析：開放權重816B模型使企業AI推理成本有望在12個月內降低40-60%，直接衝擊CoreWeave、Lambda Labs等GPU雲租賃商的定價能力。這與CoreWeave今日盤中大跌形成直接關聯。
816B開放模型不只是技術里程碑——它是一把插向GPU租賃商商業模式的刀，而CoreWeave今日的盤中暴跌已經做出了市場的判斷。
精華 FAQ
Q1：Muse Spark Open為何能在消費級硬體運行？
混合專家架構使每次推理僅激活816B參數中的42B（5.1%），在雙M5 Ultra Mac Studio上透過MLX框架即可運行。
Q2：Muse Spark Open的效能表現如何？
編碼基準Terminal-Bench 2.1得76.4分，落後Kimi K3（85.2）；但多模態基準MMMU-Pro得79.3分，超越所有閉源競品。
Q3：這對GPU租賃市場有什麼影響？
AlphaSignal分析：開放816B模型可在12個月內使企業AI推理成本降低40-60%，直接衝擊CoreWeave等GPU雲定價能力。
封面圖片：LPS.1／CC0／Wikimedia Commons https://commons.wikimedia.org/wiki/File:Meta_Platforms_Headquarters_Menlo_Park_California.jpg
留言