Muse Spark Open vs. Muse Spark 1.2: Das offene Flaggschiff ist nicht das Upgrade

Der Instinkt, wenn ein Labor sein größtes Modell als Open Source veröffentlicht, ist anzunehmen, dass die herunterladbare Version die bessere ist, und im Fall von Muse Spark Open gegen Muse Spark 1.2 trifft dieser Instinkt auf der Achse, die man zuerst prüft, nicht zu. Bei Artificial Analysis erreicht das proprietäre API-Modell einen Intelligence Index von 40 und das neu geöffnete 816-Milliarden-Parameter-Modell 39 — innerhalb eines Punktes, und in die Richtung, die das Modell begünstigt, das man mietet. Das offene ist nicht das stärkere Modell. Es ist ein anderer Deal, und dieser Deal macht den gesamten Vergleich aus.

Die Satzversion

Muse Spark 1.2 verschafft Ihnen einen schnellen, günstigen Endpoint pro Token, den Sie nie selbst betreiben müssen und dessen Modalitäten alle unabhängig bestätigt sind. Muse Spark Open verschafft Ihnen Gewichte, die Sie halten, feinabstimmen, prüfen und ohne Netzwerk ausführen können – auf Hardware, die Sie kaufen müssen, und mit einem Durchsatz, den noch niemand veröffentlicht hat. Das sind unterschiedliche Produkte, die zufällig einen Familiennamen teilen.

Wo sie tatsächlich stehen

Zeile für Zeile, wobei die Seite, die bei jeder Dimension gewinnt, zuerst genannt wird.

• Intelligenz — Muse Spark 1.2 bei einem Artificial Analysis Intelligence Index von 40, Muse Spark Open bei 39. Unabhängig auf beiden Seiten gemessen; eine Differenz von einem Punkt ist kein Grund, eines der beiden Modelle zu wählen.

• Durchsatz — Muse Spark 1.2, und das mit Abstand: Artificial Analysis setzt es bei der Ausgabegeschwindigkeit mit 361,4 Tokens pro Sekunde auf Platz eins von 185 Modellen. Die Geschwindigkeit von Muse Spark Open wurde überhaupt nicht gemessen – von keiner unabhängigen Stelle. Nichts, was im Oktober 2026 auf einem Schreibtisch steht, wird bei einer 816B-Mixture-of-Experts an 361 tok/s heranreichen; die Frage ist, wie weit es dahinter landet, und diese Zahl existiert noch nicht.

• Preis — Muse Spark 1.2 kostet 1,25 $ pro Million Eingabe-Tokens und 4,25 $ pro Million Ausgabe-Tokens, mit 88 % Rabatt auf zwischengespeicherte Eingaben und gemessenen Kosten von 0,97 $ pro Aufgabe im Intelligence Index. Muse Spark Open hat keinen Preis pro Token; sein Preis ist ein Hardwarekauf, und Artificial Analysis hat dafür keine Kostenangabe veröffentlicht.

• Gewichte — Muse Spark Open, vollständig. Zugangsbeschränkte Hugging Face-Repositories unter der Muse Model License, in BF16 und NVFP4, ungefähr 1,5 TB vor Laufzeit-Overhead. Die Gewichte von Muse Spark 1.2 werden in keiner Form verteilt.

• Lokaler Betrieb — Muse Spark Open, auf zwei M5 Ultra Mac Studios mit MLX oder auf einem einzelnen Blackwell-Knoten mit vier GPUs und TensorRT-LLM. Muse Spark 1.2 läuft nirgendwo außer bei einem Anbieter.

• Feinabstimmung — Muse Spark Open, wobei Meta speziell dafür TorchTitan-Unterstützung ausliefert. Muse Spark 1.2 lässt sich nicht mit Ihren Daten tunen.

• Modalität — umstritten, und sie fällt nach den verfügbaren Belegen zugunsten von Muse Spark 1.2 aus. Artificial Analysis führt 1.2 als Text, Bilder, Sprache und Video akzeptierend auf und führt das offene Modell als nur Text und Bilder akzeptierend auf, während Metas eigene Materialien für Muse Spark Open Text, Bild, Video und Audio beanspruchen. Eine unabhängige Messung hat die engere Behauptung bestätigt; der Anbieter hat die weiter gefasste aufgestellt.

• Reasoning – bei beiden im Wesentlichen gleich geregelt. Keines der beiden lässt das Reasoning abschalten. Muse Spark Open bietet die Aufwandsstufen low, medium, high und xhigh, denen 16, 64, 256 bzw. 512 Reasoning-Tokens zugeordnet sind, sowie einen Hinweis zur Reasoning-Stärke im System-Prompt.

• Kontext – ein echtes Patt bei 1.048.576 Tokens, mit einem Vorbehalt, der sie in der Praxis unterscheidet. Bei Muse Spark Open kostet ein voller Kontext von einer Million Tokens in BF16 ungefähr 266 GB KV-Cache zusätzlich zu den Gewichten. Bei Muse Spark 1.2 ist der Kontext das Kapazitätsproblem von jemand anderem.

• Lizenz — Muse Spark Open unter der Muse Model License mit eingeschränkten kommerziellen Bedingungen; Muse Spark 1.2 unter den üblichen API-Bedingungen. Keine der beiden ist Apache 2.0, und die offene Lizenz ist diejenige, die man tatsächlich lesen muss.

Lies diese Liste von oben nach unten, und die Gestalt der Entscheidung ist bereits sichtbar: Das offene Modell gewinnt bei den Dingen, die du mit einem Modell machst, und das gehostete Modell gewinnt bei den Dingen, die ein Modell mit dir macht.

Die eine Zahl, die für die meisten Teams den Ausschlag gibt

Die zentrale Spezifikation von Muse Spark 1.2 ist 361,4 Tokens pro Sekunde, an erster Stelle von 185 gemessenen Modellen. Das ist keine Marketingzahl – sie ist das, was das Modell in einer Agentenschleife nutzbar macht, in der ein Coding-Agent Dutzende kleine Roundtrips pro Minute auslöst und die Wall-Clock-Kosten des Modells die Wall-Clock-Kosten der Aufgabe sind.

Der Durchsatz von Muse Spark Open ist unbekannt. Das ist der ehrliche Stand der Beweislage, und es ist die größte einzelne Lücke in jedem Vergleich, der diese Woche geschrieben wurde. Was sich mit Sicherheit sagen lässt, ist struktureller Natur: Ein Modell mit 816 Milliarden Parametern, das 42 Milliarden Parameter pro Token auf Consumer-Desktop-Hardware aktiviert, wird durch die Speicherbandbreite begrenzt, nicht durch die Rechenleistung. Zwei M5 Ultra Mac Studios liefern 1,2 TB/s und ein Terabyte Unified Memory, was ausreicht, um das Modell zu halten und den Anteil jedes Tokens zu lesen. Es reicht nicht aus, damit sich ein interaktiver Agent wie eine API anfühlt. Wenn Ihre Workload interaktiv ist, ist dies keine knappe Entscheidung. Wenn Ihre Workload Batch ist – nächtliche Repository-Durchläufe, Offline-Evaluierung, groß angelegte Extraktion, bei der Latenz irrelevant ist und die Kosten pro Token alles sind –, kehrt sich die Rechnung vollständig um.

Ist der Desktop wirklich günstiger?

Hier zeigt sich, wo das offene Modell seinen Platz verdient, und ebenso, wo die naive Version des Arguments scheitert. Die Zwei-Mac-Studio-Konfiguration ist eine Kapitalanschaffung plus Strom, Kühlung und jemandes Aufmerksamkeit. Dem stellt man Token gegenüber, die man nicht mehr kauft.

Der Vergleich geht nur bei Volumen auf, und der Grund dafür ist, dass der Cache-Rabatt von Muse Spark 1.2 auf der gehosteten Seite bereits viel bewirkt. Bei 88 % Rabatt auf gecachte Eingaben ist das Modell genau für das Muster aus wiederholtem Kontext günstig, das agentisches Coding erzeugt – dasselbe Repository, derselbe System-Prompt, dieselben Tool-Definitionen, bei jedem Turn erneut gelesen. Eine selbst gehostete Bereitstellung bekommt keinen Rabatt; sie bekommt Fixkosten, und die Fixkosten amortisieren sich nur durch Nutzung, die umfangreich, stetig und vorhersehbar ist. Ein Team, das stoßartigen Agenten-Traffic auf einem Desktop-Setup mit zwei Rechnern betreibt, hat Fixkosten gekauft, um eine variable Last zu bedienen, was die klassische Art ist, wie diese Rechnung schiefgeht.

Die ehrliche Einordnung ist, dass Self-Hosting von Muse Spark Open eine Kapazitätsentscheidung ist, keine Kostenentscheidung. Man kauft es, um zu garantieren, dass das Modell verfügbar ist, dass es einem nicht unter den Füßen weg abgekündigt werden kann, dass die eigenen Prompts das Gebäude nie verlassen und dass man sein Verhalten durch Fine-Tuning ändern kann. Das sind echte und manchmal entscheidende Gründe. „Es wird billiger sein“ ist ein Grund, der für den eigenen Traffic neu hergeleitet werden muss, und für viel Traffic stimmt er schlicht nicht.

Wofür jedes Einzelne wirklich gedacht ist

Muse Spark 1.2 ist das Modell, auf dem man ein Produkt aufbauen sollte. Es ist schnell, hat gemessene Kosten pro Aufgabe, sein Modalitäts-Portfolio ist unabhängig bestätigt, es wird pro Token verkauft mit einem Cache-Rabatt, der zu agentischen Mustern passt, und es ist heute routbar. Sich dafür zu entscheiden bedeutet, Geld statt Entwicklungszeit auszugeben, und bei $1.25/$4.25 ist das oft der richtige Tausch.

Muse Spark Open ist das Modell, auf dem man eine Fähigkeit aufbauen sollte. Feintuning ist der Grund für seine Existenz: Wenn die Aufgabe eng begrenzt, hochvolumig und klar spezifiziert ist – ein codebasisspezifischer Agent, eine Dokumentenpipeline für einen festen Korpus, ein Klassifikator, der vor Ort laufen muss –, dann wird ein von Ihnen feinabgestimmtes Modell mit 42B aktiven Parametern einen Allzweck-Endpunkt, den Sie mieten, übertreffen, und keine noch so große Menge Prompt-Engineering schließt diese Lücke. Die Desktop-Geschichte ist dasselbe Argument im Kleinen: Es geht nicht darum, dass es auf einem Mac läuft, sondern darum, dass es dort läuft, wo Sie sind.

Die Modalitätsfrage – und warum man sich darum kümmern sollte

Meta gibt an, dass Muse Spark Open Text, Bilder, Videos und Audio verarbeitet. Artificial Analysis, das das Modell gemessen hat, führt Text und Bilder auf. Diese Diskrepanz ist keine Haarspalterei – ein natives multimodales Open-Weight-Modell ist ein grundlegend anderes Asset als ein Text-und-Bild-Modell, und der Unterschied entscheidet darüber, ob das Modell überhaupt als Kandidat für Audio- und Video-Pipelines infrage kommt.

Die wahrscheinlichsten Erklärungen sind banal: Artificial Analysis hat möglicherweise über einen Endpunkt oder eine Konfiguration evaluiert, die die zusätzlichen Modalitäten nicht bereitstellte, oder die Architektur akzeptiert möglicherweise Eingaben, die das ausgelieferte Deployment nicht nutzte. Für eine Entscheidung zählt, dass die weitreichende Behauptung vom Anbieter aufgestellt und die engere gemessen ist. Wenn Audio oder Video der Grund für Ihr Interesse ist, verifizieren Sie es auf Ihrem eigenen Stack, bevor Sie Hardware dafür bereitstellen. Wenn das nicht der Fall ist, ist die Frage akademisch — und beachten Sie, dass die Sprach- und Videounterstützung von Muse Spark 1.2 auf unabhängiger Seite bestätigt ist, was das offene Modell derzeit nicht für sich beanspruchen kann.

Sie nebeneinander laufen lassen

Die meisten Teams, die am Ende beides haben, wählen überhaupt nicht zwischen ihnen. Das funktionierende Muster besteht darin, das gehostete Modell im interaktiven Pfad und das offene Modell in den Batch- und On-Premises-Pfaden zu belassen und die Aufteilung in der Konfiguration statt in der Dokumentation durchzusetzen.

Genau dafür ist eine Routing-Schicht da. OrcaRouter leitet Muse Spark 1.2 zum Listenpreis von Meta mit 0 % Aufschlag weiter, sodass die gehostete Seite dieser Aufteilung genau das kostet, was sie auch über Metas eigene API kostet – eine Preissenkung des Anbieters ist am selben Tag mit demselben Schlüssel aktiv – und es stellt das Modell hinter dieselbe Schnittstelle wie 200+ andere, mit automatischem Failover, wenn ein Anbieter schlechter wird und einer Routing-DSL, mit der sich Traffic zwischen Modellen und Anbietern verlagern lässt, ohne etwas neu zu schreiben. OrcaRouter hostet Muse Spark Open nicht und behauptet das auch nicht; ein Modell, dessen Wert darin liegt, dass man es herunterladen kann, ist ein Modell, das man selbst betreibt. Was der Router liefert, ist die andere Hälfte der Aufteilung, sodass der interaktive Pfad auf einem schnellen Endpunkt bleibt, während der Batch-Pfad auf Ihrer eigenen Hardware läuft.

Das Urteil

Muse Spark Open vs Muse Spark 1.2 ist kein Wettstreit zwischen einem besseren und einem schlechteren Modell. Es ist ein Wettstreit zwischen dem Besitzen eines Modells und dem Mieten eines Modells, und die beiden Seiten dieses Wettstreits werden nicht in denselben Einheiten gemessen – die eine in Intelligence-Index-Punkten und Tokens pro Sekunde, die andere in Kapital, Kontrolle und dem Recht, die Gewichte zu ändern.

Wählen Sie Muse Spark 1.2, wenn Sie die stärkste gemessene Leistungsfähigkeit pro Dollar an Engineering-Aufwand möchten, wenn Latenz zählt, wenn Sie bestätigtes Audio und Video wünschen oder wenn Sie heute einfach ein Muse-Modell mit nur einem Key benötigen. Wählen Sie Muse Spark Open, wenn Sie feinabstimmen müssen, wenn die Daten Ihr Netzwerk nicht verlassen dürfen, wenn die Arbeitslast groß und vorhersehbar genug ist, um Hardware zu amortisieren, oder wenn Ihnen die Verfügbarkeitsgarantie mehr wert ist als der letzte Punkt beim Index-Score.

Der einzige Rat, den zu geben sich lohnt, ist, sich der Darstellung zu widersetzen, dass offene Gewichte automatisch die leistungsfähigere Option seien. Nach der Beweislage sind sie es nicht. Sie sind die, die eher Ihnen gehören.

Muse Spark Open ist jetzt unter der Muse Model License herunterladbar; Muse Spark 1.2 ist pro Token über Metas API und auf OrcaRouter zum Listenpreis verfügbar.