Meta于10月15日发布开放权重大模型Muse Spark Open，总参数8160亿，采用混合专家架构，每token激活420亿参数，为原生多模态模型，上下文窗口达100万token，专为编码和长程智能体任务设计。Meta称其为迄今能力最强的美国开放权重模型。这一发布不仅是技术层面的迭代，更是AI产业商业模式从云端向边缘端迁移的标志性事件。混合专家架构的采用，使得模型在保持庞大参数规模带来的知识广度的同时，大幅降低了推理时的算力消耗，为端侧部署提供了技术可行性。
在Meta公布的测试结果中，Muse Spark Open在工作流程、工具调用、知识推理、知识可靠性、复杂视觉推理及图像事实问答等指标中表现靠前，在JobBench和MCP-Atlas等工具调用测试中领先；但在终端编程、长周期软件工程任务以及专业工作能力评估中，落后于中国的Kimi K3和GLM 5.3。这一限定词值得注意，说明其领先主要集中于特定能力维度。这表明当前大模型竞争已进入细分场景的深水区，通用能力的边际提升正在递减，针对特定垂直领域的优化成为新的竞争壁垒。
此次发布标志Meta与苹果罕见合作。借助苹果优化的MLX框架，Muse Spark Open完成适配，可在搭载M5 Ultra芯片、配备512GB统一内存的Mac Studio上运行。M5 Ultra内存带宽达1.2TB/s，两台顶配Mac Studio通过张量并行即可完整载入整个模型，等效构成约1TB统一内存的本地推理平台。目前512GB版本Mac Studio预计10月底上市，在售256GB机型单台售价超1万美元。这一合作背后是各取所需的算盘。Meta通过开源次旗舰模型延续其对OpenAI、Anthropic的差异化竞争策略，同时将模型能力扎进开发者桌面。苹果则获得一个证明Mac硬件价值的标杆负载，本地部署可降低长期云端算力租赁成本，并提升数据隐私与算力自主性。除苹果芯片外，该模型亦兼容英伟达、AMD及英特尔硬件。
更深层的信号是推理部署权的迁移。前沿级模型可以在本地设备上运行，尽管仍需较高内存门槛和量化处理，但边际方向已经改变。云推理的成本与数据主权焦虑，正在把更多人推向本地部署。对投资者而言，开源模型竞争进入多模态与本地化新阶段，端侧AI硬件和推理优化技术可能成为下一轮关注热点，但大规模普及仍需跨越硬件成本门槛。建议关注在端侧推理芯片、高带宽内存以及模型压缩算法领域具备核心竞争力的产业链公司，端侧AI的爆发将带来硬件规格升级的确定性机会。
从产业投资视角看，端侧部署的兴起对硬件与软件两条主线均构成拉动。硬件层面，本地推理对统一内存容量、内存带宽与片上互联提出更高要求，利好大容量低功耗内存、高带宽存储与面向端侧优化的处理器；软件层面，量化、剪枝、KV缓存优化与推理框架的成熟，将决定同等硬件下可承载模型的规模与响应速度，推理软件栈的价值有望被重估。但端侧普及的现实约束同样清晰：当前支撑前沿模型本地运行的设备价格高企，距离消费级规模尚有量级差距，短期内更多服务于开发者与专业场景。对投资者而言，更理性的路径是沿硬件规格升级与推理效率优化两条线，寻找确定性较高的增量环节，而非过早押注端侧全面替代云推理。
