ARTICLE · 1192205
8160亿参数免费下载 门槛搬到了内存条上
8160亿参数免费下载 门槛搬到了内存条上
但这次发布里，最值得注意的一句话既不在标题里，也不在那张漂亮的跑分表里。它在模型卡的一行小字里：
NVFP4 版本至少需要 700GB 加速器内存，BF16 版本需要 2TB。
权重是免费的。装下它的机器不是。
01 免费的东西，为什么还是拿不到
Muse Spark Open 的规格很漂亮。
模型规格 总参数 8160亿 ｜ 每 Token 激活 420亿 ｜ 专家数 / 激活 256/ 8 ｜ 上下文 1Mtoken
这里有一个几乎所有人都会踩的坑：既然每一步只激活 420 亿参数，那是不是只需要装下 420 亿的参数量就够了？
不是。
混合专家架构省的是计算，不是内存。路由可以在每一步挑 8 个专家出来算，但"挑"这个动作发生之前，256 个专家的权重必须全部躺在内存里等着被挑。你没法在需要某个专家时才去硬盘里翻它——那个延迟会把每个 token 的生成速度拖到不可用的水平。
所以模型卡写得很清楚：量化到 NVFP4 至少要 700GB，原始 BF16 精度要 2TB。
Meta 给的解法是两台 M5 Ultra 的 Mac Studio。每台 512GB 统一内存，两台凑成 1TB，刚好卡在能装下量化版权重的门槛上。
载重清单 · LOADING单位 GB
BF16 原精度 2048超 2 倍
NVFP4 量化 700
两台 Mac Studio 1024
单机 512GB 512
标尺以 2048GB 为满格。BF16 权重需要两台机器再翻一倍；NVFP4 版本 700GB，两台 512GB 的 Mac Studio 才勉强装得下，单机不够。
支撑这套方案的不是 CPU，也不是 GPU 核心数，是 M5 Ultra 那 1.2TB/s 的内存带宽。大模型推理的瓶颈从来不是算得够不够快，而是把权重搬到运算单元面前那趟搬运够不够快。在 GPU 服务器里最贵的也正是 HBM 和互联，不是浮点算力本身。
问题在于：苹果这台 512GB 的机型要到 10 月底才上市，价格到现在还没有公布。
目前能查到的参考价是，一台 256GB 内存、1TB 固态的 M5 Ultra Mac Studio 售价 10799 美元。按这个价格凑够 1TB 内存需要四台，合计 43196 美元，不含税和配件。
也就是说，这次"开放"的价格标签，大致落在 4.3 万美元这一档。
顺带说一句，量化本身也是一笔交易。NVFP4 把权重压到 700GB，代价是精度；BF16 保住精度，代价是 2TB。你省下来的那 1.3TB 内存，是用模型的准确度换的。开放给你的不是一个模型，是一排档位，每一档都在让你自己选放弃什么。
这里藏着一个更本质的变化："开放"这个词过去承诺的是权利，现在承诺的是权限。权利是别人给不给，权限是你够不够。权利可以靠一纸许可解决，权限只能靠硬件解决。
这不是批评，这是这次发布里最真实的信息。
过去二十年，"开放"这个词要解决的问题是"能不能合法拿到"。这个问题今天基本被解决了：你可以下载、修改、微调、蒸馏、再分发，不需要给 Meta 打任何一个电话。
新的问题是"能不能装下"。而这个问题，Meta 帮不了你。
模型卡上的内存需求，才是这次开放真正的价格标签。
02 "美国最强"这四个字，才是发布的正文
Meta 的原话是：迄今美国能力最强的开放权重模型。
请注意"美国"这两个字。它是这次发布里信息量最大的限定词。
在 Meta 自己公布的表格里，Muse Spark Open 的 Artificial Analysis 智能指数是 39 分。同一张表里，智谱 GLM 5.3 是 45 分，月之暗面 Kimi K3 是 44 分，阿里 Qwen3.8 是 40 分。第三方独立榜单上，小米 MiMo-V2.6-Pro 是 46 分。
四个更高的分数，三个来自中国。
Meta 赢在哪儿
JobBench 工作流 61.8
MCP-Atlas 工具调用 89.2
HLE-Diamond 无工具推理 26.1
GPQA Diamond 科学 89.0
Terminal-Bench 2.1 终端编码 76.4
DeepSWE 1.1 软件工程 60.0
GDPVal-AA v2 专业工作 1401
SciCode 科研编码 58.5
OSWorld 桌面操作 80.4
绿色为 Meta 领先项，红色为中国模型领先项。数据来自 Meta 公布的评测表。
规律相当清楚：Meta 赢在工具调用和通用推理，中国模型赢在软件工程和专业工作。
有一项数据的差距大到不像同一量级：StrongREJECT v2 有害请求服从率，Spark Open 只有 0.5，越低越好，而三家中国模型在 62.9 到 66.6 之间。Meta 明确说，因为权重是公开的，它为 Spark Open 额外做了一轮安全后训练，并按"超级智能扩展框架"评估后才放行。
这同样是"开放"的代价之一：权重一旦公开就收不回来，所以开放的模型必须比闭源的更安全。这道成本，闭源厂商不用付。
一句话总结就是：Meta 赢了它自己选的榜单，输在别人选的榜单上。发布自家评测结果永远带着选样偏差——这不是造假，这是行业惯例，但读者要自己打折。真正独立第三方的复评，到发稿时还没有出来。
把镜头拉远一点，更能解释为什么"美国"这个限定词必须存在。
截至 2026 年 7 月，全球参数量最大的开放权重模型是月之暗面的 Kimi K3，2.8 万亿参数。阿里 Qwen 3.8-Max 的 2.4 万亿参数权重也在开放计划里。Spark Open 的 8160 亿，在这个坐标系里排不到第一。
更能说明问题的是份额。Hugging Face 在 2026 年 3 月的统计说，过去一年中国模型占平台下载量的 41%，第一次超过美国模型。OpenRouter 在 9 月报告，来自美国的请求中，开放权重模型吃下了 60% 的 token 量，其中大部分由中国实验室供应。
开放权重这件事的坐标系，已经不在美国了。Meta 加上"美国"两个字，是在承认这件事。
工具调用它赢，软件工程中国模型赢——榜单是谁选的，决定了谁第一。
03 免费是给用户的，不是给卖家的
Muse Spark Open 用的是 Muse Model License，不是 Apache 2.0。它给了你很多权利：运行、修改、微调、蒸馏、再分发。但有三个条件值得逐条读。
Clause 01 · 署名 所有产品必须带上"Built with Muse Spark Open"的标注，位置可以是文档、网站或设置页。
Clause 02 · 衍生品 衍生品的定义很宽——用它生成的输出去改进别的模型，也算衍生品。Meta 声明对生成内容不主张所有权，但这条口子开得很大。
Clause 03 · 2000 万美元 如果你和你的关联方在任意连续 12 个月内总营收超过 2000 万美元，并且想把它或其衍生品放进"模型即服务"业务，你必须先通知 Meta，并单独签一份书面协议。
第三条里有两个细节必须看清楚。
第一，这个数字算的是你和关联方的全部营收，不是 Spark Open 带来的营收。第二，它明确豁免了内部部署、研究、非模型服务的商业活动，以及把模型放进自家产品——只要这个产品本身不是模型服务。
所以这条条款真正的意思是：免费面向使用者，收费面向转卖者。
一家公司想给自己做一个内部助手，免费。一个创业团队想把它塞进自己的应用，免费。一家云厂商想把它挂出去按 token 卖，对不起，先谈。
Meta 让出了分发权，留住了分销权。
这是它 2026 年更精细的分层策略的一部分：小而快的 Muse Glimmer 走 Apache 2.0，大而强的 Spark Open 走自定义许可，托管的 Spark 走低价 token，最强的 Wonder 和 Full 只走 API 和订阅。权重、算力、服务、能力，四件事拆开卖。
这里必须厘清一个被长期混用的概念。
开放源代码促进会（OSI）的 OSAID 1.0 定义要求三件事：模型参数、完整的训练与推理代码、以及足以重建一个实质等效模型的训练数据信息。按这个标准，Llama、Qwen、Gemma 都不算开源模型，Spark Open 也不算。
第三方给英伟达 Nemotron 系列打出的"开放度指数"是 83%，而中国前沿开放权重模型普遍低于 50%。
这不是道德指控，是一个事实判断：你能拿到权重，但你复现不了它。开放给你的，是使用权，不是解释权。
三条条款划出的边界：使用者免费，转卖者要谈。
04 苹果为什么成了这场开放运动的载体
这次合作最反直觉的地方，在于它是苹果和 Meta。
库克时代的苹果与 Meta 是公开的对手。库克多次指责 Meta 侵犯用户隐私，扎克伯格则公开嘲讽苹果"自 iPhone 之后就再也没有发明出任何了不起的东西"。
促成这次合作的，是双方各自都缺的那块东西。
Meta 需要证明自己的模型有竞争力，而且不只是跑分表上的竞争力——它需要一个"能在别人的硬件上真正跑起来"的证明。苹果需要证明整套 Mac 软硬件适合在本地跑 AI，而不是只在发布会的幻灯片上跑。
Meta AI 负责人汪滔说得很直白：双方的大部分积怨都形成于我加入公司之前。他还点名了两个关键人物——Meta 算力部门联合负责人、曾任苹果总监的丹尼尔·格罗斯，以及前 GitHub CEO 纳特·弗里德曼。（苹果方面的合作签署方为现任 CEO 约翰·特努斯团队，待确认。）
技术上真正的关键，不是芯片的算力，是内存的带宽。
M5 Ultra 的统一内存架构让集成 GPU 可以用到单台 512GB，两台合成一个 1TB 的池子；1.2TB/s 的带宽足以支撑每个 token 需要读取的那一小片参数。Meta 还为此写了自研的 Helion GPU 内核，在 SGLang 上取得 1.03 到 3.95 倍的内核级加速，在 AMD MI350 上端到端提速 3%。
Meta 演示了两组完全本地运行的智能体工作流：用 Muse Code 给开源 Mastodon 客户端 Ice Cubes 改 iOS 代码——修 bug、加功能、跑完整构建；以及驱动 DaVinci Resolve 逐帧审片，挑出最值得保留的片段并裁成竖屏。
如果这些演示站得住，含义很大：8160 亿参数的模型能装进两台台式机，"模型必须住在数据中心"这件事开始松动。数据不出门，第一次有了可以接受的代价。
这笔账之所以值得算，是因为它对立面是云。4.3 万美元是一次性支出，换来的是一份不会涨价、不会被下架、不产生每 token 账单的能力。云端的前沿模型按每百万 token 几美元到几十美元计价，用到一定量级，两年就能超过这笔钱。而且云端的合同可以随时改价，你手里的机器不会。
但要冷静。Meta 没有公布任何 token 生成速率，也没有公布整套硬件的完整成本。512GB 机型的售价至今未定。演示是演示，不是基准测试。
决定能否本地跑大模型的，不是算力，是 1.2TB/s 的那趟搬运。
05 真正稀缺的，从来不是权重
把时间线拉长看，这道门槛一直在移动。
2023.02 初代 LLaMA 发布，最大 65B 参数，仅允许研究用途。门槛在许可。
2023.07 Llama 2 放开商用。门槛从"能不能用"开始松动。
2024.07 Llama 3.1 的 405B 发布。参数规模第一次成为门槛。
2025.04 Llama 4 的 Scout 与 Maverick 带上原生多模态与 MoE——这套架构今天原封不动出现在 Spark Open 里。
2025 下半年 Llama 4 表现未达预期。扎克伯格重组 AI 研发体系，挖来格罗斯与弗里德曼，转向闭源。
2026.10.15 Muse Spark Open 发布。门槛不再是许可，也不再是规模，而是能不能装得下。
门槛的位置，从"能不能合法用"（许可），移到"能不能训出来"（规模），现在移到了"能不能装得下"（内存）。
每移动一次，能过线的人就少一批。开放并没有变得更封闭，它只是变贵了。
而且这道新门槛有个过去两道都没有的特点：它对所有人一视同仁。许可可以谈判，规模可以融资，唯独内存条的价格不讲情面，也不看你来自哪国。Meta 的工程师和一家中国创业公司，面对的是同一个 1TB。
这对中国模型是一句提醒。41% 的下载量和 60% 的 token 量都是很好的成绩，但下载量第一不等于装机量第一。下载是一个动作，装机是一次支出；动作可以重复，支出只能发生一次。
真正决定下一轮的，是一个更朴素的问题：每一美元能装下多少参数。
谁能把这个数字做低，谁才真正拿到下一轮的门票。这也是为什么这次发布里最值得记住的不是"8160 亿"，而是"700GB"——前者是能力，后者是门票的价格。
门槛从许可移到规模，现在移到了内存。
06 结论
一句话概括：权重免费的那一刻，门槛就搬到了内存条上。
01 别再把"开源"和"开放权重"当同一个词用。 ****它们对应的是两套完全不同的权利。采购合同里写错一个词，后面是法律问题，不是技术问题。
02 评估一个开放模型，先看内存需求。 ****顺序应该是：模型卡的内存要求 → 你的硬件有没有余量 → 最后才是跑分。一个你跑不起来的 8160 亿，不如一个你跑得动的 400 亿。
03 有"数据不能出门"场景的，现在值得重新算一次账。 ****4.3 万美元换一个本地可跑的前沿模型，在两年前是不可想象的报价。这笔账今年第一次算得过来。
这件事的影响，会比一次跑分排名深远得多。
参考资料
Meta 官方博客《Introducing Muse Spark Open, The Most Capable US Open-Weight Model to Date》，2026/10/15
VentureBeat《Meta unveils Muse Spark Open...》，2026/10/15；TechCrunch 同日报道
财联社《Meta发布美国最强开源大模型》，2026/10/16；腾讯新闻、站长之家同日报道
Wikipedia "Open-source artificial intelligence" 条目（2026/7 数据）
本号历史深度文（乐享知识库归档）：《Kimi K3 2.8万亿参数开源 美国企业为什么开始集体转向中国AI》《内存涨了175% AI的第一张账单寄到了消费者手上》《内存涨了7倍 AI的胜负手从芯片挪到了仓库和电表》《OpenAI憋了四年突然开源 不是大方是害怕》《美国AI独角兽反水 中国开源模型正在成为别人的地基》
欢迎关注【铭心程行】
洞悉AI风向，掌握前沿资讯
[往期回顾]
作者提示：个人观点，仅供参考
