Meta 把开源模型的参数规模推到了 816B，同时用 MoE 架构把激活参数压到 42B——大而可跑，是这次发布最值得拆解的地方。
发生了什么
Meta 发布了 Muse Spark Open，一个开放权重的混合专家（MoE）模型。它的总参数量为 816B，但每次推理只激活 42B 参数，上下文窗口达到 1M token。根据 MarkTechPost 的报道，该模型在 MCP-Atlas 评测上领先现有开源模型，并且可以在两台搭载 M5 Ultra 芯片的 Mac Studio 上运行。
为什么重要
开源模型过去一年在参数规模上一直追赶闭源，但“总参数大”和“能实际部署”往往是两回事。Muse Spark Open 的 816B/42B 组合，本质上是把模型容量和推理成本拆开：总参数决定知识储备和表达能力，激活参数决定每次前向计算的开销。42B 的激活量意味着它的单次推理成本大致接近一个中等规模稠密模型，而不是 816B 稠密模型的天文数字。
1M token 上下文则是另一个信号。长上下文正在从“演示特性”变成“默认配置”，这对需要处理整库代码、长文档、多轮工具调用记录的 Agent 场景尤为关键。MCP-Atlas 上的领先位置也说明，Meta 这次把工具调用和协议兼容性放进了核心优化目标，而不只是刷通用语言评测。
更微妙的一点是“两台 M5 Ultra Mac Studio 就能跑”。这未必是官方推荐的生产部署方案，但它传递了一个明确信息：这个量级的开源模型已经进入高端工作站可承载的区间。对买不起 GPU 集群的团队来说，本地跑大 MoE 从“不可能”变成了“可以试试”。
影响与看点
对开发者而言，最直接的问题是：42B 激活参数在真实任务上的表现，能否撑起 816B 总参数带来的期待。MoE 的已知短板是路由不稳定和微调难度高，开源权重能否被社区顺利二次训练，将决定它的实际生命力。
对行业来说，Meta 继续用开源权重施压闭源阵营。当 1M 上下文和接近前沿的开源模型可以在本地硬件上运行时，API 调用的性价比叙事会被重新审视。但也要注意，MCP-Atlas 领先不等于全面领先，评测集的覆盖范围有限，真实场景的差距需要更多独立验证。
一个独立判断：这次发布真正的看点不是 816B 这个数字，而是“大 MoE + 长上下文 + 本地可跑”三件事同时成立。如果社区能围绕它跑通微调和部署工具链，开源模型的竞争焦点会从“参数追平”转向“单位成本下的可用性”。
