Muse Spark Open 開權重：816B／42B、API 1.25／4.25；官方 AA 39 輸 GLM 6 分，本機要 1TB

Hugging Face 上的檔名是 Muse-Spark-Open-816B-A42B。權重能下載，授權允許微調和知識蒸餾，Together AI 把雲端價寫成每百萬輸入 1.25 美元、輸出 4.25 美元，快取讀取 0.15 美元。Meta AI 主管 Alexandr Wang 在 X 上寫「迄今美國最強的開放權重模型」。同一份官方模型卡裡，Artificial Analysis 智力指數是 39，低於 GLM 5.3 的 45 和 Kimi K3 的 44；DeepSWE 1.1 是 60，低於 Kimi 的 68。

「桌上第一次跑得動這個量級」寫在發布稿第二段。前提是兩台各 512GB 統一記憶體的 M5 Ultra Mac Studio。Apple 這檔還沒出貨，也還沒標價。這是一顆能下載權重的 AI 大型語言模型，不是只能透過聊天視窗使用的封閉服務。

權重今天能下，512GB 那台還沒有價目表。這個落差比「美國最強」這句話更能決定你要不要動手。

桌上那台超算，先缺一張可以刷的訂單

Meta Superintelligence Labs 把 Muse Spark Open 寫成原生多模態的混合專家模型：總參數 816B，每次只激活 42B，上下文窗口 100 萬 token。輸入是文字、圖像、影片與音訊，輸出只有文字。詞彙表 202,048，語言資料涵蓋逾 100 種。架構是 62 層 Transformer，隱藏維度 8192，注意力用 128 個 Q 頭對 16 個 KV 頭的分組查詢注意力；專家池 256 個，每個 token 走 top-8。前面還接一顆 1.8B 的 Perception Encoder，50 層、14×14 patch，用來吃畫面與聲音。

這不是 Muse Glimmer 那種 30B、Apache 2.0、單機就能試的本地代理。也不是三天前才上獨立榜的旗艦 Muse Wonder Full——那一檔 API 賣 4／20，Full 只開給 Muse Code。Spark Open 走的是另一條線：把 Spark 系列第一次做成可下載權重，並把「能在桌面跑」寫進主文案。

官方給的本機門檻如下。

模型卡把 NVFP4 與 BF16 兩檔都掛上了。Apple 側的研究數字更窄：壓縮後的權重大約佔 493GB，還沒算推理時額外要的活化值與 KV 快取。這就是為什麼單機 512GB 也不夠，一定要跨機。MLX 用 Thunderbolt 5 上的 RDMA 把兩台或四台 Mac Studio 接成一塊記憶體；官方說法是 M5 Ultra 每台最高 512GB 統一記憶體、記憶體頻寬 1.2 TB/s，「兩台 Mac Studio 表現得像一台有 1TB 統一記憶體的超級電腦」。

Apple 的統一記憶體架構讓 M5 Ultra 的整合 GPU 能用到每台 Mac Studio 最高 512GB，所以兩台機器裝得下整個模型。晶片 1.2 TB/s 的記憶體頻寬，夠快把每個 token 需要的那一小片讀出來。

512GB 那一檔，Apple 只說過十月下旬供應。MacRumors 提醒，256GB 的 Mac Studio 已經超過 10,000 美元；AppleInsider 把 M5 Ultra 起步寫成 5,499 美元，那是入門記憶體，不是跑得動這顆模型的組態。四台 256GB 現在就能下單，代價是大約 3.8 萬美元，而且你買到的是四台要靠雷電互連的工作站，不是一台筆電。

同日開賣的還有另一個 Spark：NVIDIA RTX Spark 筆電。那是 Windows 統一記憶體 PC，最高規 Surface Laptop Ultra 在 Microsoft Store 標 5,899.99 美元，官方文案寫約 120B 參數。兩個 Spark 不是同一個產品，也跑不動同一檔權重。Muse Spark Open 的 NVFP4 就要約 700GB 顯示記憶體；RTX Spark 筆電最高 128GB 統一記憶體，連這顆模型的量化檔都塞不進去。

Apple 自己在四台 M5 Ultra、8,192 token 上下文上測過每秒超過 36 個 token。這是短上下文、官方／Apple 數字，不是 100 萬 token 長任務的獨立測速。把上下文拉長，KV 快取會先吃掉那 1TB 裡很大一塊，36 token／秒這個數字不能直接外推。

官方對照表把「美國最強」拆成贏的欄和輸的欄

發布稿把模型定位在寫程式與AI 代理工作：長程任務、複雜軟體工程、多步推理。推薦推理參數是 temperature = 1.0、top_p = 1.0、關掉 top_k；推理力度預設 xhigh，複雜題才建議 high 或 xhigh。官方對照表只拿「規模與架構相近的開放權重模型」來比，推理力度統一設成 xhigh。獨立實驗室 Artificial Analysis 對同一檔 xhigh 的智力指數也是 39，和官方表格一致。

官方表上，Muse Spark Open 並不是每一欄都贏。

代理與工具呼叫這幾欄，Muse 對上 JobBench、MCP-Atlas 確實領先這組開權重對手。寫程式那三欄反向：DeepSWE、SWE-Atlas、Terminal-Bench 都落後 Kimi，後兩項也落後 GLM。智力指數 39 比 Mistral Large 4 的 38 高一分，比 Qwen 的 40、Kimi 的 44、GLM 的 45 低。Guardian 引述 Meta 的說法是「追平、部分項目勝過中國開權重對手」；對得上的是代理與部分視覺欄，對不上的是「全面勝過 Qwen／Kimi／GLM」。

獨立數字目前能核對的，主要是 Artificial Analysis。xhigh 檔智力指數 39，在同類開權重裡高於中位數 19，在全部 119 個模型裡排大約第十；輸出速度約 102 token／秒；評完智力指數平均每題 0.84 美元，輸入 1.25、輸出 4.25，AA 自己標成「貴」，同類中位數大約是 0.43／1.59。輸出token 量 1.10 億，低於中位數 1.40 億，答案相對短。Arena.ai 已把模型放進 Agent Arena 與 Code Arena，公開評分還在統計，沒有可引用的總分。

閉源的 Muse Spark 1.3 先前在 AA 拿到 61，追平當時的 Sol。Axios 寫 Spark Open「類似 1.3」。Meta 沒有交出 Open 與 1.3 在同一套 harness 上的並排分數。39 對 61 不能直接當成「開權重砍掉 22 分」——兩次測量的對照組不同，1.3 是跟閉源旗艦比，Open 的官方表是跟開權重比。能確定的只有：買得到的 Open 權重，獨立智力指數就是 39；沒有公開證據顯示它在同一條 AA 軸上等於 1.3。

Meta 在發布稿裡寫，模型卡有安全評估，完整評測報告「即將提供」。完整報告今天還沒掛出來。Ice Cubes（開源 Mastodon 客戶端）的修 bug、加功能、完整建置，以及用 DaVinci Resolve 逐幀看素材、裁成直式短片，都是公司自己的 Muse Code 示範。AppleInsider 寫得很乾：這些展示證明模型能做完特定流程，不能外推成各種工作流都穩。

授權讓你改、蒸餾、賣，年收過線的 API 生意除外

權重掛在 Muse Model License，不是 Apache 2.0，也不是 Llama 那套。條款允許使用、複製、修改（含微調）、做衍生模型、蒸餾、合併、發布、再授權與販售。Meta 不主張模型輸出的所有權。產品或服務若用了這顆模型或衍生模型，介面、說明文件、網站或設定頁必須清楚寫「Built with Muse Spark Open」。

卡住規模化轉售的是第三條。若你或關係企業用 API 或類似介面，讓第三方拿到模型輸出（條款稱 Model as a Service），且連續十二個月合計總收入超過 2,000 萬美元，必須通知 Meta、另簽書面協議，才能把本模型或衍生模型繼續當模型即服務來賣。內部使用、研究、非 MaaS 的商業活動，以及把模型嵌進自己產品功能、而不是對外賣模型輸出，不受這條限制。

Together、Fireworks、Baseten、Modal、Nebius 這些 Day 0 託管商，走的就是這條 MaaS 線；他們能上線，代表要嘛已另簽、要嘛還沒跨過 2,000 萬那條線。自己下載權重、在公司內跑代理，或把模型嵌進不對外賣 token 的產品，條款寫明可以。拿這顆模型去開一個對外收費的推論 API，年收一旦跨線，授權就不再是「下載即用」。

使用政策另外寫：模型不供 18 歲以下使用；禁止用於違法、兒童性剝削、未經授權的專業執業、關鍵基礎設施操作、武器與軍用、以及把輸出假裝成人類撰寫。部署端要自己加適合場景的防護欄。模型卡建議：使用者介面不要直接露出原始思維鏈，對不可逆動作加人工確認，並把內部 assistant 訊息擋住、避免被使用者改寫。

Glimmer 當時用 Apache 2.0，企業法務幾乎不用再問第二句。Spark Open 把商用口子開得很大，但把「賣模型即服務」收成 Meta 的議價權。這不是開源社群習慣的那張許可證，是一張可下載、可改、可蒸餾、但規模化轉售要回頭找 Meta 的許可證。

雲端已經在跑，本機帳單還缺一張價目表

官方點名的 API 平台是 Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter 與 Together AI。權重另外上了 Amazon SageMaker AI、Google Cloud Model Garden、Hugging Face 與 Microsoft Foundry Models。推論引擎寫了 SGLang、vLLM、TensorRT-LLM、Hugging Face Transformers、Apple MLX、Llama.cpp 與 Unsloth，並稱對 AMD、Apple、Intel、NVIDIA 都有優化。客製化走 PyTorch 的 TorchTitan。

OpenRouter 現在的供應商表是 Modal、Together、Nebius Token Factory、Fireworks、Baseten 五家，標價一致：輸入 1.25、輸出 4.25、快取讀取 0.15（Nebius 沒列快取欄）。Groq 出現在 Meta 發布稿，沒有出現在 OpenRouter 這張即時表上。Together 另開一條 meta-models/Muse-Spark-Open-816B-A42B-promo，太平洋時間 10 月 18 日中午 12 點前免費，之後自動改回標準價；新帳號仍要先加付款方式並至少買 15 美元點數。

這個 1.25／4.25／0.15，與 Muse Spark 1.1 第一次公開標價 定下的美系地板、以及後來 1.3 沒漲的那張表，是同一條線。開權重沒有把雲端 token 變便宜。便宜的是：你願意自己扛 700GB 級顯示記憶體或四台 Mac Studio 時，邊際 token 成本可以從雲端帳單改成電費與折舊。

OpenRouter 過去數日的實際輸入均價被快取拉到大約 0.54 美元／百萬，輸出仍是 4.25。流量最大的兩頭公開應用是 Strix（約 13.9 億 token）和 Claude Code（約 10.4 億 token）。Baseten 的 P50 吞吐量寫到約 220 token／秒，Together 約 67，Fireworks 約 48；P50 延遲最快的 Together／Baseten 在 0.5 秒上下。這些是託管商自己的路由統計，不是你在兩台 Mac Studio 上會看到的數字。

SGLang 裡附了可自動調參的 Helion GPU kernel，官方寫 NVIDIA 與 AMD 上 kernel 級加速 1.03 至 3.95 倍，AMD MI350 端到端只快 3%。Kernel 贏 4 倍、整段請求只快 3%，代表通信、排程與取樣仍佔大部分時間。跨節點 MoE 的 All-to-All 專家調度，紙面參數漂亮、真跑起來未必打得過同等激活量的稠密模型。這件事權重檔不會告訴你。

Together 的 Day 0 稿引了兩家提早摸過模型的客戶。Factory 說它在代理工程流程裡選工具穩、回覆短；Ollama 說工具呼叫與長上下文、包含多步與平行呼叫的結構化輸出，表現特別好。這是供應商與設計夥伴的引言，不是獨立榜。

同週 NVIDIA 也把 Nemotron 3.5 Bolt 的權重放到 24GB 就能試的檔位。Bolt 是邊緣檔，Spark Open 是 816B 桌面／雲端檔。兩者都在搶「美國開權重」敘事，硬體帳單差一個數量級。

後訓練把拒答率拉高，權重下載之後守不住同一套數字

模型卡寫得很直：這次開權重「額外做了安全後訓練」，因為它會以獨立模型、沒有系統層防護的方式被下載。評估對齊 Meta Superintelligence Scaling Framework 的門檻後才放行。內容安全、代理風險、隱私、準備度四塊都測了；準備度再拆成網路、化學與生物、失控。

網路這塊，官方用「開發者會怎麼打 API」的自適應攻擊、不加系統防護來測：內部基準拒絕 99.2% 的破獄，PolyGuard（網路子集）、RedCode、CyberBench 2024 合計 94.8%。同一設定下 Kimi K3 是 75.5% 與 70.2%。化學與生物：SecureBio BioTIER 有害請求拒絕逾 98%，內部單輪化學拒絕逾 99%，多輪代理基準生物逾 97%、化學 98%。失控：MASK 誠實率 98.1%，Agentic Misalignment 不當行為率 0%。對抗性 FORTRESS 的 ARS 是 5.8（愈低愈好），明顯低於表上其他開權重；StrongREJECT v2 的 0.5 對上其他模型的 60 分級，差距更大。

這些數字有兩層限制，模型卡自己寫了。第一，測的是「釋出的這個 checkpoint、在受測條件下」；下游改權重、改量化、改系統提示詞，結果不能外推。第二，授權明確允許微調與蒸餾。把拒答訓練蒸掉、再對外提供 API，正是開權重路線從 Llama 時期就被反覆指出的缺口。Axios 引 Wang 的話說，模型在本機跑時「Meta 看不到、也控制不了」開發者怎麼用。這句話同時是對 Apple 隱私爭議的回答，也是安全數字無法跟隨權重走的原因。

Wang 告訴 Axios，兩邊合作做了數個月，前 Apple、現在 Meta 的 Daniel Gross 起了牽線作用。2018 年劍橋分析事件時，Tim Cook 被問若自己是 Zuckerberg 會怎麼做，回答「我不會讓自己落到這地步」；2021 年 App Tracking Transparency 直接打到 Meta 廣告帳本。本地跑模型讓 Meta 不必經手提示詞內容，Apple 則拿到「旗艦 Mac 能扛 800B 級開權重」的展示。Wang 說兩邊仍會在裝置與下一代運算上競爭，但「該合作的地方就合作」。沒有人宣布 Muse 會進 Apple Intelligence。

模型卡列的限制同樣具體。短、低解析度影片（數秒、約 100px）有時會回「看不到影片」，建議短邊 448px 以上、片子長一點。量化推理在邊緣案例可能和全精度有差。長程代理仍可能在訓練資料沒覆蓋的新場景裡算錯。語言表現以強支援集合為準，預訓練裡出現過的語言不保證都測過。它也列出可做合成數據、以及拿來當其他模型的評審——這兩項會把這顆模型的偏好，寫進下一輪訓練資料。

接下來能核對、而且今天還沒有的，是三筆。Arena Agent／Code 的公開分什麼時候出來，以及它在真實多步任務裡是選錯工具、中途丟目標，還是只是寫程式分數落後 Kimi。512GB M5 Ultra Mac Studio 的美國標價與到貨週次，決定「兩台桌上超算」是文案還是訂單。Groq 是否真的上線，以及 Together 免費檔 18 日中午關掉之後，實際輸入均價會不會從快取後的 0.54 美元回到價目表上的 1.25。權重已經在，分數表也已經自己把「美國最強」拆開了；缺的是能複現的第三方長任務，以及一張買得下手的 512GB 價目表。