Muse Spark Open 開放權重：兩台 Mac Studio 能跑，企業採用還要看什麼？

Muse Spark Open 把大型 AI 模型帶到兩台 M5 Ultra Mac Studio，開發者因此多了一條自行部署的路。對不想每次把資料送到外部模型服務的團隊，這項更新有實際意義。

但「兩台 Mac 可以跑」有明確的設備條件，不能直接理解成一般筆電也能使用。模型能裝進記憶體，和能在可接受的時間完成工作，也需要分別驗證。

Meta 在 2026 年 10 月 15 日發布權重，主打程式開發、跨多步驟的推理，以及需要持續操作工具的工作。

模型權重是模型學習後形成的數值。取得權重，開發者才能自己安排執行環境，也有機會針對特定用途調整模型。

這值得已有工程人力的團隊試用。但如果只是偶爾請 AI 寫信、整理資料，現成服務通常比較容易開始，設備與維護也不會落到自己身上。

要判斷這次開放帶來多少自由，得先看能下載什麼，以及下載後受到哪些條件約束。

Muse Spark Open 開放權重，改變了哪些使用權利？

開放權重讓團隊有機會自行執行與調整模型，但商用範圍仍須遵守授權。Meta 在官方公告寫明採用 Muse Model License，附帶有限制的商業條款。

因此，下載得到模型不代表取得任何用途都能免費使用的許可。企業評估時，應把「技術上能跑」和「公司要做的服務是否符合條款」放進同一張採用清單。

自行掌握環境，有什麼實際差別？

例如，一個維護內部程式庫的團隊，可以安排模型在自己的環境讀取程式，再把結果送進既有測試程序。這是可能的部署方式，並非本文已完成的實測。

這種安排的好處是資料路徑比較容易掌握，也能自行決定模型版本。代價是更新、監控、設備故障與存取權限，都需要有人負責。

雲端服務則把一部分維運交給供應商。它方便團隊先驗證用途，但資料處理條件、服務配額與長期支出，仍要納入比較。

先確認授權與資料路徑，才能合理討論硬體。否則，設備即使買得起，也可能不符合原本的工作要求。

兩台 M5 Ultra Mac Studio 為什麼裝得下？

關鍵在於可用記憶體與執行軟體的配合。官方示範使用最新 MLX 框架，讓兩台指定的 Mac Studio 一起承載模型，並非把一個檔案放進任意兩台電腦就能完成。

Muse Spark Open 採混合專家架構。可以把它想成有多組專長不同的模組，每次產生文字時只選其中一部分運作，所以總參數與每次啟用參數的數量不同。

官方列出的總參數是 816B，每次啟用約 42B。B 代表十億，所以這兩個數字分別是在描述整體模型容量，以及每次計算動用的部分。

只啟用部分參數，並不表示儲存完整模型時只需要那部分空間。 這也是判斷能否在本機執行時，最容易漏掉的一步。

官方的 Mac Studio 配置，每台可讓整合式圖形處理器使用最多 512 GB 記憶體。兩台合用後有更大的承載空間，但實際仍須考慮系統、執行軟體與工作資料的占用。

此外，模型提供百萬 token 的內容視窗。Token 是模型處理文字或其他輸入的單位，不能直接換算成一百萬個中文字，也不能保證所有長文件都能正確理解。

內容視窗表示可帶入多少上下文，而任務品質還取決於它有沒有找到關鍵證據。若漏掉文件角落的一項限制，放進更多頁也不會自動修好結果。

自行部署與雲端服務，怎麼選？

有明確資料需求、穩定工作量與維運能力的團隊，較值得評估自行部署。若用途還沒固定，先透過託管服務驗證，通常能更快知道這個模型是否適合。

以下把部署選擇與需要付出的工作放在一起比較。

表格中的差別，是工作由誰承擔。自行部署減少對外部模型端點的依賴，但也增加組織內部的維護責任，不能只比較單次推理價格。

推理是讓模型根據輸入產生輸出的過程。如果工作量很低，設備閒置的時間也要算成本。若工作量很高，則要看多人同時使用時的速度與排隊情況。

官方示範能支持哪些判斷？

Meta 提到以 Muse Code 配合模型，在本機進行程式修改及影片工作。這證明官方展示了具體用途，但不同程式庫、工具版本與影片長度，都可能改變實際表現。

公告也列出底層運算核心的加速數據。核心是模型執行中的一部分計算，某個核心變快，不能直接當成整項任務同樣倍數的加速。

因此，評估時應從交付成果倒推。修改有沒有通過測試、影片挑選是否符合題意，比產生文字的速度更接近日常工作的價值。

延伸閱讀：Meta 推出 Muse Code：常駐背景 Agent 可跑 24 小時，Muse Spark 1.2 實力與限制一次看。

先用真實任務，判斷是否值得導入

我會先把 Muse Spark Open 放在有限範圍的工程試點，因為它的主要價值是可控制的部署與調整空間。對沒有維運人力的個人使用者，單為一個模型購買設備，理由還不充分。

一個可比較的試點，可以選擇團隊已完成、已有正確答案的工作。先保存原始輸入與驗收標準，再讓不同方案處理相同資料，才知道差異來自哪裡。

如果測程式修改，除了是否完成需求，還要記錄人工檢查花多久。模型能產生可執行程式，不代表它沒有改到原本應保留的行為。

如果測長文件分析，應加入需要跨頁核對的問題。答案要能回到原文位置，否則讀者看見流暢摘要，仍可能不知道哪些內容被略過。

接著記錄完成時間、失敗次數、人工修正與設備占用。這些資料會比一張排行榜，更直接回答團隊是否應該繼續投入。

當同樣工作能穩定完成、維護成本也在可接受範圍，才值得擴大使用。反過來，如果工作需要大量人工重做，即使模型可以放在桌上，也沒有解決原本的問題。

版本固定後，還要測服務中斷

本機執行讓模型版本比較容易固定，但工具連線、套件與作業系統仍可能更新。因此，測試紀錄除了模型名稱，也應保存執行環境，讓別人能重做相同工作。

如果團隊打算讓它長時間處理任務，還應測中途關機或工具逾時。模型能繼續產生回答，不表示先前的操作都已完成，所以恢復時需要核對外部系統的狀態。

例如程式修改做到一半中斷，重新開始前應先看檔案與測試結果。否則助理可能重複修改，或把尚未通過的工作誤當成已經交付。

這類測試不需要一次做成大型系統。先記錄一個任務從開始、失敗到恢復的過程，就能看見自行維護需要承擔哪些工作。若沒有人願意處理這些問題，託管服務可能更符合團隊現況。

Muse Spark Open 常見問題

開放權重等於完全自由的開源軟體嗎？

兩者不能直接畫上等號。這次權重採 Muse Model License，實際使用要看授權條款，不能只憑「Open」判斷商用權利。

一般 MacBook 可以照官方方式使用嗎？

官方重點配置是兩台 M5 Ultra Mac Studio。這份公告沒有證明一般 MacBook 也能承載相同配置與工作量。

可以先使用雲端版本再決定嗎？

可以把官方列出的託管服務當成評估入口，但各服務的模型版本、配額與資料條款要分別確認。自行部署的結果也不宜直接用託管端速度代替。

哪些更新會改變採用判斷？

更完整的部署測試、不同記憶體配置下的工作表現，以及適用商業條款的變化，都會影響選擇。評估紀錄應保留測試時的版本與日期。

有維運能力再評估本機部署，先把任務跑通

Muse Spark Open 讓大型模型有了新的部署選項，但是否值得採用，仍取決於團隊需要控制什麼，以及能承擔多少維護工作。

想開始的人，可以先挑一項已有驗收標準的工作，比較本機與託管方案，再決定是否擴大設備投入。訂閱 AI 郵報，追蹤後續的部署與工具更新。

延伸閱讀：Meta 推出 Muse Spark 1.3：更會做長任務、少用 25% Token，實力與限制一次看。

資料來源

• Meta 官方發布與部署說明。
• 官方權重集合。
• Meta 官方 X 公告與圖片。