Capture record
- Canonical URI: https://www.bnext.com.tw/article/92673/apple-meta-muse-spark-open-mac-studio
- Source class: secondary synthesis/reporting。BusinessNext(李先泰;文末註明「本文初稿為 AI 編撰」)整理 Meta、蘋果與媒體報導,並嵌入 Artificial Analysis X 貼文全文;非第一手研究。1
- 原文標題: 蘋果與宿敵Meta破冰!開放權重模型Muse Spark Open串起Mac Studio,在桌上就能跑(BusinessNext JSON-LD
NewsArticle.headline)。1 - 作者/出版者: 李先泰(JSON-LD
author.name)/數位時代 BusinessNext。1 - 發布時間: 2026-10-16T11:45:00+08:00(BusinessNext JSON-LD
datePublished=dateModified)。1 - 擷取時間: 2026-10-16T04:37:06Z(BusinessNext HTTP response
Date);預跑候選檢查時間2026-10-16T04:35:19.775699+00:00。 - Retrieval method:
web_extract讀取 BusinessNext canonical page(後端回傳錯誤,未取得內容);改以 Python 標準函式庫urllib.request直接 HTTP GET 核對 response headers、JSON-LDNewsArticle(headline/datePublished/author/publisher/description)與article-contentdiv 全文。全程未使用 browser、browser process 或 proxy。1 - HTTP metadata: BusinessNext status
200;responseDate: Fri, 16 Oct 2026 04:37:06 GMT;Content-Type: text/html; charset=UTF-8;HTML 399,155 bytes、SHA-2567d748452e40b5ba17d779bb33b76d60145f9518a70cb32ef18f1e43acff0774c;JSON-LDNewsArticle.description:「Meta釋出開放權重模型Muse Spark Open,並與蘋果合作讓其可在Mac Studio本機執行,是兩家宿敵多年來罕見的公開合作。」1 - Saved payloads and SHA-256: 本檔「Full text capture」節保存 article-content div 之文章正文(含嵌入的 Artificial Analysis X 貼文與 Zuckerberg/Wang X 貼文轉述、資料來源行,6,049 字),其 SHA-256 即 frontmatter
sha256;不另存 BusinessNext HTML payload。 - Rights boundary: BusinessNext 及其引用內容(Artificial Analysis、CNBC、Axios 等)受版權與網站條款約束;本筆僅保存 metadata、摘要、claim ledger、證據界線與來源連結,canonical link 保留作查核入口,ingest 不等於取得重製授權。
Faithful summary
美國時間 2026-10-15,Meta 釋出開放權重模型 Muse Spark Open(MoE:總參數 8,160 億、每次運算啟用 420 億),宣稱這是美國至今能力最強的開放權重模型;同一天 Meta 與蘋果公布合作,該模型可在兩至四台搭載 M5 Ultra 晶片的 Mac Studio 上直接執行、不必連雲端資料中心。據《CNBC》報導,雙方自 2017 年以來未曾有過任何公開合作。1
文章嵌入 Artificial Analysis(@ArtificialAnlys)2026-10-16 X 貼文:Muse Spark Open (xhigh) 在 Artificial Analysis Intelligence Index 得 39 分,為美國第一的開放權重模型;較 Meta 八月 30B dense 開放權重模型 Muse Glimmer (high, 17) 高 22 點、也高於 NVIDIA Nemotron 3.5 Super VL (26);與 Meta 八月旗艦 Muse Spark 1.2 (xhigh, 40) 相差一分內,在 AutomationBench-AA 較強、幻覺率較低,但 GDPval-AA v2.1、CritPt 與 AA-Omniscience accuracy 較弱;在 Meta 現行線中落後 Muse Wonder (max, 52) 13 點、Muse Wonder Full (max, 56) 17 點。每項 Intelligence Index task 用 40k output tokens,為九個最高分開放權重模型中最少;Together AI/Fireworks/Baseten 上線定價 4.25 per 1M input/output tokens(cached input 0.84。在四項 agentic 評測上居九個最高分開放權重模型之末,其餘六項合計第四、AA-Omniscience (25) 為所有開放權重模型第一;GLM-5.3 (max) 的 6 點領先全部來自 agentic 項目。BF16 權重約 1.6TB,Meta NVFP4 checkpoint 只量化 256 experts、壓到約 530GB;Meta 稱可跑在四顆 Blackwell Ultra GPU、八顆 H200,或兩台 512GB M5 Ultra Mac Studio(MLX)。架構為 62 層 grouped-query attention(16 KV heads)、每 token 啟用 256 experts 中的 8 個、1.8B 參數 Perception Encoder 處理視覺;context window 1M tokens;授權為 Muse Model License(需「Built with Muse Spark Open」標註,年營收逾 $20M 的 MaaS 業務須另簽協議);輸入 text/image/video/audio、輸出 text;權重於 Hugging Face(BF16 與 NVFP4),API 經 Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter、Together AI。1
文章說明多機部署:蘋果機器學習研究團隊同日技術文件指出模型壓縮成 4 位元後仍約需 493GB 記憶體,單台 Mac Studio 裝不下,測試因此把權重分散到多台;Mac Studio 統一記憶體每台最多讓 GPU 動用 512GB,兩台以 Thunderbolt 5 串接、由 MLX 拆到兩台執行(合計約 1TB),Meta 形容像一台 1TB 統一記憶體的超級電腦。8,192-token context 測試:兩台管線平行 15.74 tokens/s、張量平行 24.99 tokens/s,四台張量平行 36.73 tokens/s(蘋果稱遠高於一般人閱讀速度)。Meta 另測試全程本機工作流:為 Mastodon 開源用戶端 App「Ice Cubes」修錯、加功能並完成 iOS 版建置,以及操作 DaVinci Resolve 逐格挑片段裁成直式畫面。1
背景與動機部分(均維持媒體 attribution):《CNBC》報導截至 10/15 M5 Ultra+256GB Mac Studio 單台至少 10B)、祖克柏 2025 Joe Rogan 節目批評蘋果。蘋果換帥後找到共同點:硬體工程師出身的特納斯(John Ternus)2026-09 接任執行長、庫克轉任執行董事長;Meta 首席 AI 長 Alexandr Wang 向《Axios》透露雙方已合作數個月,曾任蘋果主管、2025 年加入 Meta 的 Daniel Gross 是關鍵人物。Wang 稱本機執行時「Meta 完全沒有控制權,也看不到」開發者怎麼用模型。對 Meta 而言開放權重仍在祖克柏 AI 布局中(2025 年逾 $14B 投資 Scale AI、延攬 Wang 後轉閉源;2026-08 推出 Muse Glimmer 並承諾更大版本);《CNBC》指出 Muse Spark Open 不如 Meta 2026-10-12 發表的閉源 Muse Wonder,Wang 稱開放權重意在先吸引開發者小規模使用、改造再擴大。對蘋果而言可展示最高階電腦實力、讓企業在 NVIDIA GPU 與閉源模型外多一個選擇;合作是否納入 Apple Intelligence 才是更重大的一步。1
Claim ledger
| ID | Source claim | Status | Owning evidence and boundary |
|---|---|---|---|
| C01 | BusinessNext 92673 的標題、作者(李先泰)、發布時間 2026-10-16T11:45+08:00、「初稿 AI 編撰」註記與全文。 | supported | BusinessNext direct HTTP response 的 JSON-LD NewsArticle 與 article-content div 已讀取;只支持頁面 metadata 與文章自身敘事。1 |
| C02 | Meta 於美國時間 2026-10-15 釋出 Muse Spark Open(MoE 8,160B total/42B active),宣稱是美國至今能力最強的開放權重模型;同一天與蘋果公布合作,可在兩至四台 M5 Ultra Mac Studio 上直接執行。 | partially-supported | 「美國最強」為 Meta 宣稱(第一方口徑);本輪未讀取 Meta 官方公告或蘋果技術文件原文核對。1 |
| C03 | 《CNBC》報導:蘋果與 Meta 自 2017 年以來未曾有過任何公開合作。 | partially-supported(轉述) | CNBC 原文未讀取,維持 BusinessNext attribution。1 |
| C04 | Artificial Analysis X 貼文(2026-10-16):Muse Spark Open (xhigh) Intelligence Index 39 分、美國開放權重第一;較 Muse Glimmer (high, 17) 高 22 點、高於 Nemotron 3.5 Super VL (26);與 Muse Spark 1.2 (xhigh, 40) 差一分內(AutomationBench-AA 較強、幻覺率較低,GDPval-AA v2.1/CritPt/AA-Omniscience accuracy 較弱);落後 Muse Wonder (max, 52) 13 點、Muse Wonder Full (max, 56) 17 點。 | partially-supported(嵌入第三方數據) | 貼文全文已隨文章讀取,屬 Artificial Analysis 第一方口徑;本輪未直接讀取 artificialanalysis.ai model page 或重跑 benchmark。1 |
| C05 | 每 task 40k output tokens(九個最高分開放權重模型中最少);上線定價 4.25 per 1M input/output(cached input 0.84;四項 agentic 評測居末、其餘六項合計第四、AA-Omniscience (25) 開放權重第一;GLM-5.3 (max) 6 點領先全來自 agentic。 | partially-supported(嵌入第三方數據) | 同 C04,Artificial Analysis 口徑,未獨立核對或重跑。1 |
| C06 | BF16 權重約 1.6TB;NVFP4 checkpoint 只量化 256 experts、壓至約 530GB;可跑四顆 Blackwell Ultra GPU/八顆 H200/兩台 512GB M5 Ultra Mac Studio(MLX);架構 62 層 GQA(16 KV heads)、8/256 experts active、1.8B Perception Encoder。 | partially-supported(嵌入第三方數據+Meta 口徑) | 「Meta says this runs on…」為 Meta 第一方口徑轉述;本輪未讀取 Meta 官方公告或權重檔案核對。1 |
| C07 | Context window 1M tokens;Muse Model License(「Built with Muse Spark Open」標註、年營收逾 $20M MaaS 業務另簽協議);輸入 text/image/video/audio、輸出 text;權重於 Hugging Face(BF16/NVFP4),API 經 Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter、Together AI。 | partially-supported(嵌入第三方數據) | Artificial Analysis 貼文口徑;授權條款原文與 Hugging Face 頁面未讀取。1 |
| C08 | 蘋果機器學習研究團隊同日技術文件:Muse Spark Open 4 位元格式仍約需 493GB 記憶體,單台 Mac Studio 裝不下,測試把權重分散到多台;Mac Studio 每台最多讓 GPU 動用 512GB,兩台 Thunderbolt 5 串接、MLX 拆分執行(合計約 1TB)。 | partially-supported | 蘋果技術文件原文未讀取,維持 BusinessNext attribution。1 |
| C09 | 8,192-token context 測試:兩台管線平行 15.74 tokens/s、張量平行 24.99 tokens/s;四台張量平行 36.73 tokens/s(蘋果稱遠高於一般人閱讀速度)。 | partially-supported | 測試數字出自文章對蘋果測試的轉述,未讀取原始技術文件或重跑。1 |
| C10 | Meta 全程本機工作流測試:為 Mastodon 開源用戶端「Ice Cubes」修錯、加功能並完成 iOS 版建置;操作 DaVinci Resolve 逐格挑片段裁成直式畫面。 | partially-supported | 屬文章敘述(Meta/蘋果口徑),未獨立重現。1 |
| C11 | 《CNBC》:截至 10/15 M5 Ultra+256GB Mac Studio 單台至少 $10,799(約新台幣 35 萬元)、512GB 版預計 10 月內推出。 | partially-supported(轉述) | CNBC 原文未讀取;蘋果商店價格頁本輪亦未核對。1 |
| C12 | 蘋果與 Meta 歷史:2018 劍橋分析風暴庫克/祖克柏互嗆;2021 蘋果隱私新制、Meta 2022 年初估計使當年營收減少 $10B(約新台幣 3,229 億元);祖克柏 2025 Joe Rogan 節目批評蘋果「自 iPhone 之後就沒發明過什麼了不起的東西」。 | partially-supported(轉述) | 歷史事件為媒體背景敘事,原始發言與 Meta 財報口徑未讀取。1 |
| C13 | 特納斯(John Ternus)2026-09 接任蘋果執行長、庫克轉任執行董事長;Alexandr Wang 向《Axios》透露雙方已合作數個月,Daniel Gross(曾任蘋果主管、2025 年加入 Meta)是促成關鍵;Wang 稱本機執行時 Meta「完全沒有控制權,也看不到」。 | partially-supported(轉述) | Axios 原文未讀取;Ternus 接任為背景事實但本輪未核對蘋果第一方公告。1 |
| C14 | Meta 動機:2025 年逾 $14B(約新台幣 4,521 億元)投資 Scale AI、延攬 Wang 後轉閉源;2026-08 推出 Muse Glimmer 並承諾更大版本;《CNBC》指出 Muse Spark Open 不如 Meta 2026-10-12 發表的閉源 Muse Wonder;Wang 稱開放權重意在先吸引開發者小規模使用、改造再擴大。 | partially-supported(轉述) | Scale AI 投資金額與 Muse Wonder 發布維持媒體 attribution,未讀取第一方公告核對。1 |
| C15 | 開放權重模型在華府為爭議焦點,政界擔心免費中國模型削弱美國 AI;10 月以來 NVIDIA、法國 Mistral 等也陸續發布開放權重模型。 | partially-supported(轉述) | 政策觀察為文章背景敘述,未附原始出處。1 |
| C16 | 本輪未讀取 Meta 官方公告、蘋果機器學習研究技術文件、Artificial Analysis model page/方法頁、CNBC/Axios 原文或 Hugging Face 權重頁面;benchmark 與測試數字均未獨立重跑。 | supported | 這是本筆 evidence boundary;未把文章轉述提升為 verified claim。 |
Evidence boundary
本筆支持的最小結論是:BusinessNext 2026-10-16 刊載 Meta Muse Spark Open(8,160B/42B active MoE)開放權重發布、與蘋果 M5 Ultra Mac Studio 多機本機執行合作的報導,並嵌入 Artificial Analysis 的 benchmark/定價數據。這些證據不支持:Meta 官方公告或蘋果技術文件的原始措辭、Artificial Analysis 評測方法的獨立重現、CNBC/Axios 背景敘事的原文細節,或任何未列於 claim ledger 的量化效果。raw-only。
Sources skipped or not directly read
- Meta 官方 Muse Spark Open 發布公告:文章「資料來源」列出,本輪未讀取。
- 蘋果機器學習研究技術文件(493GB/MLX 多機測試):文章「資料來源」列出,本輪未讀取原文。
- Artificial Analysis model page 與 Intelligence Index 方法頁:僅讀取文章嵌入的 X 貼文全文,未直接讀取 artificialanalysis.ai。
- 《CNBC》、《Axios》、《CNBC》Muse Wonder 報導、Google 與蘋果聯合聲明(文章「資料來源」列出):本輪均未讀取原文。
- Hugging Face Muse Spark Open 權重頁面與 Muse Model License 全文:本輪未讀取。
- 全程未使用 browser、browser process、proxy 或互動式登入繞過限制。
Full text capture
美國時間2026年10月15日,Meta釋出開放權重模型Muse Spark Open,宣稱這是美國至今能力最強的開放權重模型。
同一天,Meta與蘋果(Apple)公布合作:這款8,160億參數的模型,可在兩至四台搭載M5 Ultra晶片的Mac Studio桌上型電腦上直接執行,不必連上雲端資料中心。 多年來在隱私與廣告議題上屢屢交鋒的兩家公司罕見站上同一陣線;據《CNBC》報導指出,雙方自2017年以來未曾有過任何公開合作。
Meta has released Muse Spark Open, an 816B (42B active) open-weights model that scores 39 on the Artificial Analysis Intelligence Index, making it the #1 US open-weights model
Muse Spark Open (xhigh) scores 22 points above Muse Glimmer (high, 17), Meta’s 30B dense open-weights model from August. It is also ahead of NVIDIA’s Nemotron 3.5 Super VL (26), the next highest-scoring US open-weights model, which launched today
@AIatMeta shared access with us ahead of public release for benchmarking. Congratulations to @AIatMeta, @finkd, and @alexandr_wang on the release!
Key Takeaways:
➤ Open weights at the level of Meta’s August flagship. Muse Spark Open scores within a point of Muse Spark 1.2 (xhigh, 40). It is stronger on AutomationBench-AA and has a lower hallucination rate, but weaker on GDPval-AA v2.1, CritPt and AA-Omniscience accuracy. Within Meta’s current lineup, it sits 13 points behind Muse Wonder (max, 52) and 17 points behind Muse Wonder Full (max, 56)
➤ Token-efficient, at a moderate cost per task. Muse Spark Open uses 40k output tokens per Intelligence Index task, the fewest among the nine highest-scoring open-weights models: e.g. 16% fewer than Muse Spark 1.2 (xhigh, 48k) and 43% fewer than GLM-5.3 (max, 71k), its closest Chinese peer by size. Together AI, Fireworks and Baseten offer it at launch for 4.25 per 1M input/output tokens (0.84 per Intelligence Index task. That is less than Muse Spark 1.2 (2.01), but about three times DeepSeek V4.1 Flash (max, $0.27)
➤ A relative weakness in agentic work compared to Chinese open-weights leaders. Among the nine highest-scoring open-weights models, Muse Spark Open ranks last on the four agentic evaluations in the index but fourth on the other six combined, and it leads all open-weights models on AA-Omniscience (25). GLM-5.3 (max), the closest Chinese model by size, owes all of its 6-point lead to the agentic evaluations
➤ Self-hostable on a single node, or two Mac Studios. BF16 weights are ~1.6TB. Meta’s NVFP4 checkpoint quantizes only the 256 experts, cutting the weights to ~530GB. Meta says this runs on four Blackwell Ultra GPUs or eight H200s, or on two 512GB M5 Ultra Mac Studios using MLX. The architecture uses 62 layers with grouped-query attention (16 KV heads), 8 of 256 experts active per token, and a 1.8B-parameter Perception Encoder for vision
Other model details:
➤ Parameters: 816B total, 42B active (MoE)
➤ Context window: 1M tokens
➤ License: Muse Model License, a custom license that requires “Built with Muse Spark Open” attribution and a separate agreement with Meta for Model-as-a-Service businesses with over $20M in annual revenue
➤ Input modalities: text, image, video and audio. Output: text
➤ Availability: weights on Hugging Face (BF16 and NVFP4), with API access via Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter and Together AI
— Artificial Analysis (@ArtificialAnlys) October 16, 2026
近兆參數的模型,怎麼塞進桌上型電腦?
Muse Spark Open採用混合專家架構(MoE),總參數8,160億,每次運算只啟用420億。白話來說,模型內部分成許多各有專長的「專家」,每處理一小段文字,只叫醒相關的幾位。它主打寫程式,以及能自行拆解步驟、操作軟體完成任務的AI代理;所謂開放權重,是指開發者可以把模型下載到自己的硬體上執行。
不過,模型本身仍相當龐大。蘋果機器學習研究團隊同日發布的技術文件指出,Muse Spark Open壓縮成4位元格式後仍約需493GB記憶體,加上運算過程所需的空間,單台Mac Studio裝不下,蘋果這次測試因此把模型權重分散存放在多台電腦的記憶體裡。
Mac Studio採用統一記憶體架構,CPU與GPU共用同一塊記憶體,每台最多可讓GPU動用512GB。兩台以Thunderbolt 5串接後,由蘋果的機器學習框架MLX把模型拆到兩台上執行,兩台各自的記憶體合計約1TB,Meta形容這就像一台擁有1TB統一記憶體的超級電腦。
多台電腦怎麼分工,會影響速度。蘋果測試了兩種方式:「管線平行」把模型的層數切成前後兩半,第一台算完前半,再交給第二台接力;「張量平行」則把每一層都拆開,由各台同時分擔運算。
Muse Spark Open — weights releasing today — runs great on new Mac Studios thanks to work with @johnternus and Apple. https://t.co/U2wJNrKBOg
— Mark Zuckerberg (@finkd) October 15, 2026
在上下文為8,192個token的測試中(token是模型處理文字的基本單位),兩台採管線平行每秒產出15.74個token,改採張量平行提高到24.99個;四台採張量平行則達36.73個,蘋果形容這樣的速度「遠高於一般人的閱讀速度」。
Meta也測試了全程在本機完成的工作流程:替社群平台Mastodon的開源用戶端App「Ice Cubes」修錯、加入新功能並完成iOS版建置,以及操作剪輯軟體DaVinci Resolve,逐格挑出精彩片段、裁成直式畫面。
門檻並不低。《CNBC》報導,截至10月15日,搭載M5 Ultra與256GB記憶體的Mac Studio單台售價至少10,799美元(約新台幣35萬元),512GB版本預計10月內推出;這只是單台價格,要執行整個模型還得買多台。
不想自建的開發者,可透過Together AI、Groq等雲端平台使用;想自己執行的人,則可從Hugging Face下載權重。授權條款允許有限度商用,許多開發者可免費使用。
從互嗆到聯手,蘋果與Meta為何放下恩怨?
兩家公司的心結由來已久。2018年臉書深陷劍橋分析(Cambridge Analytica)個資風暴時,時任蘋果執行長庫克(Tim Cook)被問到若自己是臉書創辦人祖克柏(Mark Zuckerberg)會怎麼做,他回答「我不會陷入這種處境」,祖克柏則反批這番話「極其膚淺」。
2021年蘋果推出隱私新制、限制廣告追蹤,直擊臉書的廣告生意,Meta在2022年初估計,這項改變將使當年營收減少100億美元(約新台幣3,229億元)。祖克柏2025年上Podcast主持人Joe Rogan的節目時,也批評蘋果「自iPhone之後就沒發明過什麼了不起的東西」。
蘋果換帥後,兩家公司在AI領域找到了共同點。硬體工程師出身的特納斯(John Ternus)2026年9月接任蘋果執行長,庫克轉任執行董事長。Meta首席AI長Alexandr Wang向《Axios》透露,雙方已合作數個月,曾任蘋果主管、2025年加入Meta的AI研究員Daniel Gross是促成合作的關鍵人物。
Wang還把兩家公司比作爸媽,向《Axios》打趣說:「很高興看到爸媽又和好了。」合作公布後,祖克柏在X發文表示Muse Spark Open「在新款Mac Studio上跑得很好,感謝與特納斯及蘋果的合作」;特納斯也回應,能在桌上如此有效率地執行這種等級與規模的模型「令人驚豔」。
其實只要完全在本機執行、不另外串接外部服務,長年分化雙方的隱私問題就能繞開。《Axios》分析,模型在本機執行時,Meta接觸不到使用者的提示詞或其他資料。Wang也向《Axios》表示,對於開發者怎麼使用模型,「Meta完全沒有控制權,也看不到。」
great doing business with you john apple 🍎🤝
— Alexandr Wang (@alexandr_wang) October 15, 2026
各取所需:Meta要開發者,蘋果要證明晶片實力
對Meta來說,開放權重仍在祖克柏的AI布局之中。Meta早年以開放權重的Llama系列為核心,2025年斥資逾140億美元(約新台幣4,521億元)投資Scale AI、延攬其創辦人Wang後,轉向開發閉源模型;2026年8月,Meta推出小型開放權重模型Muse Glimmer,祖克柏當時承諾之後會釋出更大、更強的版本。
《CNBC》指出,Muse Spark Open的能力不如Meta在2026年10月12日發表的閉源模型Muse Wonder。Wang坦言,這些「不是我們開發或發表過最強的模型」,「但我們認為會有很多公司和開發者先小規模使用、改造這個模型,接著尋求擴大使用規模。」換言之,Meta想先用開放權重模型吸引開發者,再帶動更大規模的使用。
開放權重模型在華府也是爭議焦點,政界擔心免費的中國模型會削弱美國AI;10月以來,輝達(NVIDIA)、法國Mistral等也陸續發布開放權重模型。
對蘋果而言,這次合作能展示其最高階電腦的實力,也可能讓企業在輝達GPU與大型AI實驗室的閉源模型之外多一些選擇。
這次合作是否代表更深的關係,雙方代表都不願表態。接下來若蘋果把Meta模型納入Apple Intelligence、讓Meta參與驅動蘋果自家的AI功能,才是更重大的一步。至於Wang則向《Axios》表示,兩家公司在部分領域仍會競爭,但「只要合作與建立夥伴關係說得通,我們就希望能這麼做。」
延伸閱讀:黃仁勳談台積電:選產品不如選夥伴,為何永遠要「留一點在桌上」?
資料來源:Meta官方公告、蘋果機器學習研究技術文件、《CNBC》、《Axios》、《CNBC》Muse Wonder報導、Google與蘋果聯合聲明
本文初稿為AI編撰,整理.編輯/ 李先泰