Meta 剛剛發布了一款可運行於兩台 Mac Studio 上的 816B 開源權重 AI 模型 @Meta 發布了 Muse Spark Open，這是一款專為複雜編碼、自主代理和長期工程任務設計的新型 AI 模型。 特別之處在於，開發者可以下載權重，並在本地硬體上運行如此規模的模型，而不必完全依賴雲端 API。 以下是 Meta 在此模型中整合的內容： 816B 個總參數 每 token 激活 42B 個參數 1M-token 上下文窗口 原生支援文字、圖像、影片和音訊輸入 支援 AMD、Apple、Intel 和 NVIDIA 硬體 該架構採用專家混合（Mixture of Experts）技術。與每次 token 都啟用全部 8160 億參數不同，此模型僅使用約 420 億參數，大幅降低推理時的運算需求。 這使得其在桌上型電腦上的部署尤其引人注目。 Meta 與 Apple 合作，利用 MLX 框架針對兩台 M5 Ultra Mac Studio 優化 Muse Spark Open。這兩台機器共同提供高達 1TB 的統一記憶體。 公司亦展示了實際在本地運行的代理工作流程： 修復 iOS 應用程式中的錯誤並實現新功能 透過 Muse Code 完成軟體建置 控制 DaVinci Resolve 以分析影片素材 識別影片中的精彩片段並建立垂直裁剪 該模型已透過 Hugging Face 及包括 Groq、Together AI、Fireworks 和 OpenRouter 在內的 API 提供商提供。 但有一個重要區別：「開源權重」並不等同於無限制的開源。Meta 的 Muse 模型授權條款包含商業限制，且在本地運行 816B 模型仍需昂貴的硬體。 最令我感興趣的是，這對 AI 原生運作可能意味著什麼。 行銷團隊正日益建立能處理客戶對話、分析競爭對手、分類內容並協調生產流程的代理系統。 如今，這些系統的每個步驟大多依賴外部模型供應商。 更具能力的開源權重模型提供了另一種選擇：在組織自行控制的基礎設施上運行敏感研究、內部知識處理和專用代理。 這並不自動使本地 AI 更便宜或更優秀。部署成本、推理速度、維護與模型品質，仍決定其是否值得採用。 但競爭格局正在改變。 強大模型的存取正逐漸減少對少數封閉式 API 供應商的依賴。 隨著模型存取變得更具彈性，優勢將轉向那些能建立可靠工作流程、整合專有資料，並將 AI 能力轉化為實用系統的團隊。