10月15日，Meta 用一场发布把"开放权重"重新拉回聚光灯中央：新模型 Muse Spark Open 总参数量 8160 亿、激活参数 420 亿，原生支持文本、图像、音频与视频输入，上下文窗口最高 100 万 token。Meta 称它是"美国迄今为止能力最强的开放权重模型"，而更出人意料的不是参数，而是运行方式——借助与苹果的合作优化，两台搭载 M5 Ultra 芯片的 Mac Studio 就能在本地离线跑完整模型，无需连接任何云端机房。扎克伯格说，希望让高性能 AI 摆脱对云端服务器的依赖；苹果新任 CEO 约翰·特努斯则回应，能在自己的桌面上高效运行如此大规模的模型"令人惊叹"。一对在隐私、广告与计算平台上缠斗多年的硅谷巨头，因为 AI 坐到了同一张桌子前。
8160 亿参数的桌面实验：一次芯片与框架的合谋
Muse Spark Open 采用混合专家架构，总参数量 8160 亿、每个 token 激活 420 亿，上下文窗口最高 100 万 token，原生覆盖文本、图像、音频、视频四类输入。Meta 把它的主战场明确放在编码与智能体任务上：长周期任务、复杂软件工程与多步推理。为了让它跑进桌面，苹果侧的适配几乎是一场工程豪赌——M5 Ultra 的统一内存架构可为集成 GPU 提供最高 512GB 内存，内存带宽达每秒 1.2TB，两台 Mac Studio 合计 1TB 统一内存，Meta 的描述是"两台机器像一台超级计算机"。
发布中最有说服力的不是跑分，而是演示。Meta 测试了完全在本地设备上运行的智能体工作流：模型给开源 Mastodon 客户端 Ice Cubes 提交了真实的 iOS 修改——修 bug、加功能、完成整个构建；它还在 DaVinci Resolve 中被端到端驱动，逐帧审阅视频素材、筛出精彩片段并裁切成竖屏。这些流程没有一行代码发往云端，对重视隐私与延迟的开发者而言，诱惑是直接的。
获取方式上，权重已上架 Hugging Face、Amazon SageMaker AI、Google Cloud Model Garden 与 Microsoft Foundry Models，API 则通过 Baseten、Fireworks、Groq、Modal、Nebius、OpenRouter 和 Together AI 提供。需要注意的是，其许可为附带商业限制条款的 Muse Model License，并非完全无约束的开源；Meta 同时在 SGLang 中提供了定制的 Helion GPU 内核，官方称在 NVIDIA 与 AMD GPU 上可带来 1.03 至 3.95 倍的内核级加速。
"美国最强"之争：开放权重的牌桌早已洗牌
Meta 在公告中多次强调这是"美国最强开放权重模型"，并给出依据：在工作流、工具调用、知识推理、知识可靠性、复杂视觉推理与图像事实问答等 6 项测试中排名第一。但同一份材料也显示，该模型在终端编码、软件工程任务与综合知识工作等评测上仍然落后。第三方机构 Artificial Analysis 的智能指数则显示，至少有六款已发布的开源模型综合评分排在 Muse Spark Open 之前，而且全部来自中国厂商。
换句话说，"美国最强"是厂商对自身产品的评价，并非经过全面独立验证的行业排名。开放权重模型的竞争力从来不只取决于参数规模，推理效果、运行成本、部署难度和开发者的真实体验同样关键。对开发者来说，更实际的问题是手头的硬件与预算能跑动谁、谁的生态工具更顺手，而不是发布会 PPT 上的定语。
这背后还有一层商业意图。有媒体报道，Meta 正在筹建自己的云业务，计划向客户销售 AI 模型访问权限与计算基础设施。开放权重本身不直接带来订阅收入，却能扩大模型的使用面、巩固开发者关系，并为后续的云端推理、企业服务与工具链创造需求。这次发布既是 Meta 重返开放模型竞争的信号，也是对"开放换生态、生态换云收入"这条路径的一次试探。
前沿能力下沉桌面：从数万元的 AI PC 到 Windows 本地智能体
Muse Spark Open 的桌面叙事并非孤例。NVIDIA 的 RTX Spark 笔记本已从华硕、戴尔、惠普、联想、微软与 MSI 等渠道开售：Blackwell RTX GPU 搭配 Grace CPU，最高 128GB 统一内存、提供 1 petaflop 的 FP4 AI 算力，并内置本地 AI 智能体的引导式配置，国内报价约 3 万元，被视作黄仁勋瞄准 AI PC 的杀招。JetBrains 已在 RTX Spark 上推出 Junie Local 编码智能体，读代码、改文件、跑测试全部在本机完成，模型与代码都不出设备。
微软则把 Windows 重写为"混合智能"平台：AI 智能体可以本地安全运行，新增 1370 亿参数、面向端侧执行的编码模型 MAI-Code-1.1 Flash，配套沙盒化的 Microsoft Execution Containers 负责隔离智能体操作；GitHub Copilot 能够把任务路由到本地模型，新发布的 Surface Laptop Ultra 也直接搭载 RTX Spark 芯片。
把这两条线索与 Muse Spark Open 放在一起看，指向同一个方向：前沿能力正从集中式机房下沉到桌面。隐私、延迟与成本是三台发动机，而"开放权重加本地硬件"正在成为绕开云端账单的标准姿势。
开放权重密集落地：从"能用"走向"可部署"
仅在 Meta 发布同日，阶跃星辰就开源了新一代旗舰模型 Step 5 Preview：600B 总参数、27B 激活、100 万 token 上下文，官方称其在 AI 编程、软件工程、专业知识工作与金融等任务上达到前沿水平。蚂蚁集团的 Ling-3.1-flash 同样来势不小，560B 总参数、25B 激活，采用 MIT 许可，面向智能体、搜索、办公事务与软件开发做了专门优化。
腾讯混元把赌注押在了"记忆"上：开源的 Hy Memory 2.0 采用 Apache 2.0 协议，包含 Hy-Memory-30B-A3B 长期记忆模型、配套框架以及 MemHub 命令行与 Mac 客户端，目标是让长期记忆跨十多款 AI 工具同步。Reflection AI 则放出了 Beam 1.0 的权重，501B 总参数、23B 激活、100 万上下文，主攻编码、推理与智能体任务；黑森林实验室的 FLUX 3 Image Klein 以 56 亿参数实现原生 4K 图像生成，INT8 版本在 8GB 显存的 GPU 上就能跑。
这一波开源潮的共性是"可部署"：许可更清晰（MIT、Apache 2.0 成为主流）、量化更激进、对端侧更友好。开放权重的竞争焦点，正在从"有没有"转向"部署体验与推理经济性"——谁能用更低的成本把模型塞进更多真实环境，谁就能拿到开发者生态的入场券。
OpenAI 换挡：GPT-5.5 退出 ChatGPT，旧模型进入下架倒计时
与 Meta 的高调开源形成对照，OpenAI 在做减法：GPT-5.5 正式退出 ChatGPT、ChatGPT Work 与登录版 Codex，多款旧版 API 模型将于 2027 年 1 月 14 日正式停用，进入约三个月的下架倒计时。对仍挂在旧接口上的应用来说，这是一次强制升级；对 OpenAI 而言，淘汰旧模型也是在收敛维护与推理成本。
接口层的动作反而更多。ChatGPT 浏览器扩展完成升级，授权之后可以读取多个网页、整理资料、填写表单并起草邮件；ChatGPT 内的 GPT-6 Astra Pro 响应更快，多个智能体可以并行处理同一任务的不同部分，用户能分别追踪每个智能体的进度；10 月初公测的 Decisions API 则干脆换了一种输出方式——不再生成开放式文本，而是返回类型化答案：某个条件成立的概率、预设选项中的一项，或按有序评分细则给出的分数，直接嵌入应用的工作流。
把这些放在一起，OpenAI 的打法已经从"堆更大的模型"转向"做更省心的接口"：一边淘汰旧资产，一边把能力包装成应用可以直接消费的判断原语。对开发者而言，模型排行榜的重要性正在下降，"多快好省地接进业务"成了新考题。
花边与钱景：视频模型打价格战、语音智能体抢客、机器人刷纪录
快手可灵 AI 上线 Kling 4.0：单次最长生成 30 秒视频，续拍可拉满至 2 分钟，同步升级口型匹配、立体声与 HDR 画质，支持多图多视频输入并接入 MCP 与 CLI。国内 AI 视频第一梯队已经打到了"1 秒不到 1 毛钱"的价位，创作门槛的塌方速度超出大多数人预期。xAI 则推出 Grok Voice 3.0，亚秒级响应的语音到语音模型，延迟降低 40%，已在 Voice Agent API 上线、定价每分钟 0.08 美元，官方称其自主解决了 70% 的 Starlink 支持来电——语音智能体开始正式抢客服的饭碗。
硬核趣闻同样不缺：一台中国机器人连打 1452 拍羽毛球拿下吉尼斯纪录，围观者中不乏波士顿动力的前高管，具身智能的"手感"正在以肉眼可见的速度进步。
资本面也热闹。Xspark AI（无界智航）发布原生触觉多模态模型 Spark-0 并完成新一轮融资，猎道投资、华山资本、元航资本等机构参与，具体金额未披露。更富戏剧性的是田柯宇：两年前因在字节跳动实习期间恶意篡改代码、干扰模型训练被辞退并遭索赔 800 万元，如今带着一支约 10 人的世界模型实验室重回牌桌，已融到近 3000 万美元、投后估值 2 亿美元。此外，17 岁的陈广宇宣布离开 Kimi，Anthropic 则把 Claude Opus 5.5 极速模式向全体开发者开放，输出速度最高提升 2.5 倍。
从 8160 亿参数的桌面实验，到密集落地的开放权重模型，再到把接口改造成"判断原语"的 OpenAI——这一波 AI 行业的关键词不是"更大"，而是"更近"：能力离桌面更近，离开发者的工作流更近，离算得清账的商业化更近。接下来值得观察的，是这些"更近"的承诺有多少能穿过评测榜，落到真实的生产环境里。
暂无评论内容