42B 激活、816B 的账:为何两台 Mac 才跑得动
Meta Superintelligence Labs 于 2026-10-15 发布 Muse Spark Open 开放权重模型:总参数 816B、每 token 激活约 42B 的稀疏 MoE,原生接受文本、图像、视频、音频输入,上下文 1M token,与 Muse Spark 1.3 共享同一 base model,以 Muse Model License 发布(官方表述为 limited commercial terms, which allow many developers to use the model for free,具体条款以 LICENSE 原文为准,本文不解释条款细节)。本文的重点不是又开放了一个大模型,而是那笔最容易被省略的账:42B 激活降低的是每 token 计算量,不是显存门槛——完整 checkpoint 仍须全部驻留,再叠加 KV cache、激活值与运行时开销;按字节数粗算(本站推算,非官方数据)BF16 约 1.6TB、FP8 约 816GB、4 比特约 408GB。这也是官方桌面方案为何是两台 Apple M5 Ultra Mac Studio 的原因:单机统一内存上限 512GB、两台合计约 1TB,内存带宽 1.2TB/s,走最新版 Apple MLX,官方描述为两台机器表现得像一台拥有万亿字节统一内存的超级计算机。生态侧首日支持 7 个推理运行时(SGLang、vLLM、TensorRT-LLM、Hugging Face Transformers、MLX、llama.cpp、Unsloth),验证于 NVIDIA、AMD、Intel、Apple silicon;四条量化分支(Meta 的 BF16 与 NVFP4、AMD 的 FP8 与 MXFP4、为 Intel Crescent Island 优化的 INT4 与 MXFP4、Unsloth 的 GGUF);投机解码 draft 用 SGLang 的 DFlash V2 与 vLLM 的 DSpark;PyTorch 原生 Helion 内核在 SGLang 中提供 auto-tunable kernel,官方口径 kernel 级 1.03 到 3.95 倍加速,AMD MI350 端到端 3%(厂商自测)。安全上相比 8 月的 Muse Spark 追加了安全后训练,按 Meta Superintelligence Scaling Framework 评估达发布阈值,完整评估报告官方称即将发布。三处必须写明的信息缺口:官方未公布桌面演示所用精度、实际内存占用与可用上下文长度;未给跨机互联的带宽与延迟;未给 tokens/s。据 dev.to 转述 Meta 官方对比图(二手,非独立复测),它在六项对比中第一,含 tool use 方向的 JobBench 与 MCP-Atlas,但在终端编程与长程软件工程的 GDPVal-AA 上落后于 Kimi K3 与 GLM 5.3。与站内 2026-07-31《Meta Muse Spark 1.1》的分工:那篇讲闭源 1.1 与 Meta 首个付费 API,本文讲开放权重版与本地跑法,两篇不重复。