苹果和Meta突然和好，就为了让你的电脑跑动8160亿参数？

今天睡醒被一个消息震惊：Meta 和苹果，竟然和好了！

10月16日凌晨，Meta 扔出一个开放权重模型：Muse Spark Open。总参数 8160 亿，每次推理激活约 420 亿，上下文窗口 100 万 token，原生多模态，主攻编码和 Agent 任务。

参数本身已经够炸。但更让人愣住的是发布方式：Meta 把苹果拉上了桌。扎克伯格在 X 上晒出两台 Mac Studio 并排跑模型的照片，专门 @ 苹果现任 CEO 约翰·特努斯。特努斯很快回复，说能在桌面端高效运行这种量级的模型令人惊叹，Mac Studio 正在拓展端侧 AI 的边界。

放在几年前，这两家同框都能上头条。如今却在一台 Mac 上互相点赞。

这对老冤家，怎么突然坐到了一张桌上

苹果和 Meta 的旧账不薄。

2018 年Facebook 剑桥分析事件（2018年曝光的一起涉及数据泄露、政治操纵和隐私侵犯的重大新闻，Meta在此事件中被曝出非法共享用户数据）后，库克公开划清界限，说苹果不会把自己弄到那种处境；扎克伯格则回呛，认为这种表态轻率。2019 年，苹果吊销了 Facebook 的企业开发者证书，起因是 Facebook 借此分发一款收集用户数据的研究 App，一度导致 Facebook 内部所有测试版 App 集体瘫痪。

2021 年，苹果上线 ATT（App Tracking Transparency，简称ATT），App 想跨应用追踪用户得先弹窗，结果大多数用户点了拒绝。Meta 后来在财报电话会上承认，这项政策让它在 2022 年少了大约 100 亿美元广告收入。扎克伯格也没少挖苦苹果，2024 年在播客里吐槽苹果，最出名的一句是，iPhone 之后苹果没再拿出什么了不起的东西。

转折点有两个。

第一个是人换了。苹果 CEO 已从库克换成约翰·特努斯，硬件工程出身，风格更偏务实。Meta 这边，AI 业务由 Alexandr Wang 掌舵。Wang 在接受 Axios 采访时开了个玩笑：“很高兴看到爸爸妈妈又和好了。”他还提到，曾在苹果任职、后来加入 Meta 的 Daniel Gross，是这次牵线的关键人物之一。

第二个是利益对上了。苹果在云端大模型上慢了半拍，Siri 升级和 OpenAI 合作都没完全达到预期，它需要证明 Mac 仍然是 AI 生产力工具。Meta 则想让自己的开放模型跑在非英伟达硬件上，最好还能直接跑进开发者的桌面。苹果的 Mac，正好是最合适的展示窗口。

于是，两家各自带着算盘，坐到了同一张桌子前。

8160 亿参数，怎么塞进两台 Mac

Muse Spark Open 是混合专家架构。总参数 8160 亿，但每次推理只唤醒约 420 亿。计算量能压住，内存却省不了：没被激活的权重也得待在那儿，随时等调用。

按官方数据，模型用 NVFP4 量化后，权重大约 493GB。一台 Mac 装不下，两台可以。

苹果 M5 Ultra 芯片的统一内存架构，让每台 Mac Studio 的 GPU 能直接调用最高512GB内存。两台用雷雳 5 （Thunderbolt 5是英特尔推出的最新一代高速接口标准）线缆连起来，就组成约1TB的统一内存池。M5 Ultra 的内存带宽是1.2TB/s，读取每个 token 需要的那小块参数，速度够用。再配合苹果的 MLX 框架，模型被切开分到两台机器上协同推理。

苹果公布的数据是：双机张量并行（一种将大型模型的计算任务拆分到两张GPU上并行处理的技术），生成速度约 25 token/秒；四台机器能到 37 token/秒左右，已经超过多数人的阅读速度。

Meta 演示的两个本地工作流更直观。一个是 Muse Code 给开源 Mastodon 客户端 Ice Cubes 做真实 iOS 改动，修 bug、加功能、完成构建。另一个是操作 DaVinci Resolve，逐帧看素材，挑出精彩片段，自动裁成竖屏。全程本地跑，素材不出设备。

门槛也摆在那儿。512GB 版 Mac Studio 本月晚些时候才开卖，256GB 版单台已经超过 1 万美元。两台 512GB 配下来，价格超过 4 万美元。它瞄准的不是普通买家，而是那些对数据出境极度敏感、宁可一次性买硬件的专业团队。

“美国最强”这个头衔，前面有个限定词

Meta 给 Muse Spark Open 的官方定位是“迄今能力最强的美国开放权重模型”。注意，是“美国”。

Meta 自己公布的测试里，它在工作流、工具调用、知识推理、知识可靠性、复杂视觉推理和图像事实问答六项中排第一。但同一份材料也显示，在软件开发等任务上，Kimi、千问、智谱这些中国开源模型依然更能打。

第三方机构 Artificial Analysis 的智能指数上，Muse Spark Open（xhigh 模式）得分 39。小米 MiMo-V2.6-Pro 是 46，智谱 GLM-5.3 是 45，月之暗面 Kimi K3 是 44。至少六款已发布的开放模型排在它前面，且都来自中国厂商。

编程任务差距更明显。Terminal-Bench 2.1 里，Muse Spark Open 得 76.4，Qwen3.8 是 82.0，GLM-5.3 是 83.9，Kimi K3 是 85.0。DeepSWE 1.1 里，Muse Spark Open 是 60，GLM-5.3 和 Kimi K3 分别是 67 和 68。

Meta 的对比表里还有个细节：GLM 和 Kimi 被放到了后面，旁边是一些明显更弱的模型。

所以，“美国最强开放权重模型”成立，但去掉“美国”之后，它未必是开源圈最能打的那个。

本地跑模型，真正的变化是什么

这次发布最值得看的，不是跑分，而是“跑在哪”。

以前想用顶级模型，基本绕不开云：资料先送上去，在别人的机房算完再拿回来。对企业来说，这笔账不止是钱，还有数据离开自己掌控后的不确定性。

Meta AI 负责人 Alexandr Wang 的说法是，很多强开源模型体量太大，普通电脑根本带不动，而 Mac Studio 的内存规模让这件事变得可行。

对金融、法律、医疗这类数据敏感行业，“模型在自己控制的硬件上跑”比“每百万 token 便宜几美分”重要得多。企业愿意为 AI 掏钱，理由正在从“更聪明”转向“更可控”。

计费逻辑也换了：从按调用次数交租，变成一次买设备、后续主要承担电力和运维。对常年租云算力的开发者来说，两台 Mac Studio 未必不能回本。

但本地部署不是没门槛。4 万美元硬件投入，加上部署运维的复杂度，短期内更适合有技术能力的团队，而不是普通用户。

过去两年，用不用得上最强模型“基本等于“租不租得起云”，英伟达的显卡几乎是唯一门票。苹果这次用统一内存这招，把“装得下大模型”的钥匙从显卡手里抢过一根，M5 Ultra 算得不一定最快，却是少数能塞进书桌、还让模型真跑起来的硬件。这还动摇不了英伟达的根基，但“最强模型只能活在云上”第一次有了例外。说白了，这也不是单纯的技术开源，而是一场互相借力的发布：苹果借它给顶配 Mac Studio 打了广告，Meta 则拿开放权重向开发者递出“先免费试、再上云付费”的钩子。美国最强“四个字，一边回应中国模型，一边也是讲给资本市场听的故事。

1984年，苹果用第一台Macintosh，把计算机从大型机房摆上了个人书桌。2026年，Meta和苹果联手，把超级人工智能从云端服务器集群里搬出来，再次放到了桌面上。

这件事的分量，不在于Meta的模型跑分有多高，也不在于苹果的芯片有多强。而在于它指出了一个方向：当AI模型越来越大、算力需求越来越猛的时候，把模型搬回你自己的设备，可能是一条值得走的路。

当然，这条路能走多远，取决于两件事。一是本地部署的门槛能不能继续降低，从四万美元降到更多人能承受的价位。二是这些在桌面上跑的模型，能不能真正解决每天遇到的具体问题，少翻几遍素材，少做几次重复操作，把省下来的时间还给人。

至于苹果和Meta的“和解”？正如帕默斯顿说的：没有永恒的敌人，只有永恒的利益。在AI这张牌桌上，苹果缺模型，Meta缺入口，这份利益，足够让“爸爸妈妈”暂时坐到同一张桌子前。

至于会不会一直和好下去，两家公司的发言人显然也给不出确切的答案。