Meta 已把 Muse Spark Open 權重交到開發者手上，但台灣團隊要自管部署，第一個門檻仍是記憶體。 10 月 15 日公告列出 816B 總參數、約 42B 活躍參數，並展示以兩台 M5 Ultra Mac Studio 執行模型的路線。這讓企業多了自行運行與調整模型的選項，也帶來一個容易看錯的數字：42B 並不是整個模型的大小。
對正在估硬體成本的工程團隊，我不建議只為了這次權重釋出，就先採購兩台高記憶體桌機。模型能載入、繁中工作能做好、長文件能順暢處理，是三件要分開確認的事。以下需求來自官方部署資料；目前本站沒有速度或繁中實測成績。
站內 7 月更新的 Muse Spark 策略報導記錄的是當時尚未釋出權重的狀態；這次 10 月的 Open 版本，是新的實際發布進度。
42B 活躍，仍要容納 816B 的權重
Muse Spark Open 採混合專家架構（MoE）。Hugging Face 官方工程文說明，每層有 256 個專家，每個 token 選用其中 8 個參與運算。啟用的部分較少，能降低每次計算的負擔；但這份部署說明仍把全部專家留在記憶體，因此不能照 42B 小模型估硬體。
Hugging Face 工程文與 Meta 公告提供兩個部署範例；所需權重可從官方入口取得：
| 公開部署例子 | 文件列出的配置 |
|---|---|
| Hugging Face NVFP4 推論端點 | 8 張 H200，1,048,576 Token 視窗 |
| Meta MLX 桌面示範 | 2 台 Mac Studio，每台 512GB 統一記憶體 |
這兩列來自不同運行方式，都是部署例子，不是最低需求。Hugging Face 的 NVFP4 範例選用每張 141GB 的 H200，並指定完整視窗；Meta 則用兩台 Mac 的統一記憶體。量化能用較低精度儲存權重，減少容量，但 Hugging Face 的 MLX 範例仍提醒，連三位元量化也需要超過 256GB RAM。不同精度、框架與輸入長度，要各自估算。
長上下文還會增加另一筆記憶體負擔。模型提供約 1M token 的視窗，Hugging Face 估算，若以 BF16 儲存滿視窗的推論快取，光這部分就約 266GB；較短的提問不會一律用滿。估算設備容量時，除了權重，還得替實際輸入長度留空間。可搭配上下文視窗的用途與限制理解，避免把最大容量當成日常運行配置。
雙 Mac 示範之後，還缺繁中工作成績
Meta 公告描述的桌面配置，是兩台 M5 Ultra Mac Studio、每台最高 512GB 統一記憶體，透過 MLX 執行。這是 Meta 展示的運行路線；公告沒有替台灣團隊回答，相同設備跑自己的文件與代理任務，究竟需要等多久、錯誤會出在哪裡。
Transformers 文件列出的能力是接收文字、圖片、音訊、影片，產生文字。這讓同一個模型能讀畫面、分析影片或語音內容，再用文字回答，適合把不同格式的工作材料放在一起處理。
對台灣工程團隊，更有價值的問題是：同一份繁中規格書附上畫面後，模型能否找出正確條款、理解圖表，並把修改理由連回原始內容？這是評估方向，不是已測出的成效。模型卡也提醒，並未評估訓練資料涵蓋的所有語言，不能從「多語言」直接推論繁中任務已經過關。
因此，若只是想試能力，我會先用可公開的材料，透過官方列出的託管供應商做初步比較，再決定是否投入自管。若資料必須留在內部，則應先確認可用的既有設備或隔離測試環境。地端 AI 的成本與適用情境仍然適用：值得搬回來的工作，要能抵得過硬體與維護投入。
對外提供模型服務，有另一道商用門檻
開放權重帶來調整與部署空間，但這次使用的是自訂的 Muse Model License。授權允許使用、微調、衍生與散布，也要求保留版權、授權與使用政策，並在相關產品、服務或文件等位置顯示指定的「Built with Muse Spark Open」標示。
其中一條商業門檻，針對把模型以 API 等方式提供第三方使用、由第三方取得模型輸出的服務。若公司與關係企業在任一連續 12 個月的合計總營收超過 2,000 萬美元，須先通知 Meta 並另簽書面協議，才能在這類模型服務中提供本模型或衍生版本。門檻看的是條款定義的合計總營收，不能只計算這一支模型的收入。
同條款也列出例外：內部使用、研究，以及不屬於模型服務的商業活動，或用模型支援自家非模型服務產品的功能，不適用這項另簽要求。這項例外不會免除其他授權與使用政策義務。替公司內部文件系統接一個模型，和對外販售通用模型 API，應分開評估。
對台灣團隊，這次發布最實際的價值是多了一個能自行掌握權重的候選模型。是否採用，仍應落在同一筆工作上：它能否把自己的繁中與多模態任務做好，以及所需的記憶體、維護與授權安排是否划算。
常見問題
Muse Spark Open 每次只啟用 42B，一般電腦就跑得動嗎？
不能只看活躍參數。總權重約 816B，官方工程說明仍將全部專家留在記憶體；公開例子使用雙高記憶體 Mac 或多張伺服器 GPU。這些是特定配置，其他量化與框架仍要各自確認，不能由 42B 推算一般電腦需求。
兩台 Mac 的示範，代表能把 1M token 隨時用滿嗎？
不能由示範直接推論。長上下文會增加推論快取等記憶體需求，實際還受精度、框架、輸入長度與任務影響；示範使用的精度與工作負載，也未必和你的工作相同。
Muse Spark Open 可以商用嗎？
授權允許商業使用，但附有標示、保留授權與使用政策等條件。對外提供模型服務且達到合計營收門檻的業者，還須依條款另簽協議；內部使用與自有非模型服務產品有該條款列明的例外。
參考來源
- Meta AI Research：Introducing Muse Spark Open, The Most Capable US Open‑Weight Model to Date（2026-10-15）
- Meta Hugging Face：Muse Spark Open 官方權重入口（2026-10-19 查核，須依頁面存取條件取得）
- Hugging Face 官方：Welcome Muse Spark Open: open-weight frontier multimodal mixture-of-experts model from Meta（2026-10-15）
- Hugging Face Transformers：Muse Spark Open（2026-10-14 納入，2026-10-19 查核）
- Meta：MUSE MODEL LICENSE, version: Muse Spark Open（2026-10-15）