Muse Spark Open vs. Muse Wonder: Das eine kann man herunterladen, das andere nur mieten

Meta put Muse Wonder on the market on October 12, 2026 and put M​use Spark Open on Hugging Face three days later, on October 15. They are not two versions of the same product. Muse Wonder is a closed frontier model you reach through an API or a subscription; M​use Spark Open is a gated download that arrives as 816 billion parameters of mixture-of-experts weights, a licence, and a hardware decision. Comparing them on a leaderboard is therefore the wrong first move, because the leaderboard measures capability and the thing that separates them is who owns the machine. This piece works through both — the measured gaps, what they cost per unit of work, and the four situations in which the answer flips — using the numbers that are actually published, with a note wherever a number is a vendor claim rather than a measurement.

Drei Tage Abstand – und nicht in derselben Kategorie

The release order matters more than the release dates. Muse Wonder shipped first as two checkpoints: muse-wonder-1.0, served on Meta's Model API and inside Muse Code, and muse-wonder-full-1.0, which Meta sells only through a Muse Code subscription and does not expose as an API model. M​use Spark Open shipped next as a single artefact: a BF16 checkpoint and an NVFP4 build behind an access-controlled repository, a model card, a technical report, and the Muse Model License. One of those is a service. The other is a file.

Alles Nachgelagerte folgt daraus. Der Preis eines geschlossenen Modells ist der, den der Anbieter vorgibt, und seine Leistungsfähigkeit kann vom Anbieter jederzeit überarbeitet werden. Der Preis eines offenen Modells ist eine Kapitalgröße – die GPUs, der Strom, der Ingenieur –, und seine Leistungsfähigkeit ist das, was Ihr Serving-Stack daraus herausholen kann. Die nützliche Gegenüberstellung ist also nicht „welches höher punktet“ – das ist nicht annähernd vergleichbar –, sondern „welches der beiden Sie weniger kostet, um die Leistungsfähigkeit zu erreichen, die Sie benötigen“, was ganz davon abhängt, was Sie bereits besitzen und was Sie mit den Gewichten tun dürfen.

Beide Modelle verarbeiten Text, Bilder, Sprache und Video als Eingabe und geben Text aus, und beide werben mit einem Kontextfenster von 1.048.576 Tokens. Damit endet die Ähnlichkeit.

Die Anzeigetafel, wie sie heute aussieht – nicht wie du sie in Erinnerung hast.

Artificial Analysis hat seinen Intelligence Index überarbeitet, und die aktuelle Version ist v5.0.1, die neun Evaluierungen umfasst: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 auf seinem Hard-Subset und Terminal-Bench-Science 0.1. Das ist für diesen Vergleich wichtig, weil jede Zahl, die Sie über eines der beiden Modelle vor dieser Überarbeitung lesen, nicht auf derselben Skala wie die untenstehenden Zahlen liegt. Beide Einträge wurden innerhalb derselben Suite neu bewertet, sodass der Abstand zwischen ihnen vergleichbar ist, auch wenn ihre absoluten Werte nicht mit älteren Zahlen vergleichbar sind, die Sie möglicherweise für eines der beiden gesehen haben.

On that revision, M​use Spark Open (Xhigh) scores 25 against a median of 23 among other open-weight models of similar size — above average, but not by much. Muse Wonder (Max) scores 44 against a median of 40 among models in a similar price tier. Nineteen points is not a rounding difference, but it is also not the whole story, because the two medians describe two different comparison sets: one is a small class of same-size open models, the other a broader and more expensive tier. What the pair does establish cleanly is that each model is above its own peer group, which is a more useful statement than a rank and considerably harder to game.

Die Zeilen pro Auswertung sagen dasselbe mit höherer Auflösung. Jede Zeile unten enthält beide Seiten auf derselben Dimension in derselben Reihenfolge, sodass sie als Paar und nicht als zwei getrennte Aussagen gelesen werden können.

• Index, v5.0.1 — M​use Spark Open 25 at Xhigh effort, against a class median of 23; Muse Wonder 44 at Max effort, against a class median of 40

• AA-Briefcase v1.1 (agentic knowledge work, Elo) — 1,278.7 for M​use Spark Open; 1,658.7 for Muse Wonder

• AutomationBench-AA (agentic SaaS workflows) — 0.497 for M​use Spark Open; 0.681 for Muse Wonder

• Terminal-Bench 4.0 — 0.081 for M​use Spark Open; 0.520 for Muse Wonder

• FrontierCode-AA 2.0 — 0.076 for M​use Spark Open; 0.240 for Muse Wonder

• HLE-Diamond — 0.263 for M​use Spark Open; 0.390 for Muse Wonder

• CritPt v2, hard subset — 0.295 for M​use Spark Open; 0.505 for Muse Wonder

• GDP.pdf, all-pass — 0.186 for M​use Spark Open; 0.306 for Muse Wonder

• Terminal-Bench-Science 0.1 — 0.019 for M​use Spark Open; 0.257 for Muse Wonder

• AA-Omniscience v1.1 accuracy — 25.8 for M​use Spark Open; 25.1 for Muse Wonder, and the hallucination rate runs the other way: 28.0% for M​use Spark Open against 20.9% for Muse Wonder

Two rows deserve a sentence each. Terminal-Bench-Science at 0.019 against 0.257 is the widest proportional gap on the sheet, and Terminal-Bench 4.0 at 0.081 against 0.520 is the widest on the workload both models are actually marketed for — an agent that runs commands. If that is your use case, this is close to the whole argument. The Omniscience pair is the one place the cheaper model holds its ground: on knowledge accuracy the two are within a point, and the thing that separates them is not how much they know but how readily they invent an answer when they do not — roughly one in 3.6 responses for M​use Spark Open against one in 4.8 for Muse Wonder.

Ein Vorbehalt zu all dem. Das sind Bewertungszahlen, keine Anbieterzahlen, wodurch sie die stärkere der beiden verfügbaren Evidenzarten sind. Sie stammen trotzdem aus dem Prüfaufbau eines einzigen Labors für eine Suite, die in diesem Zyklus selbst überarbeitet wurde, und mehrere dieser Evaluierungen sind so neu, dass sich ihre Bewertung weiter verändern wird. Nehmen Sie die Richtung als belastbar und die dritte Nachkommastelle als Rauschen.

Parameteranzahlen und wo der Datensatz einfach endet

M​use Spark Open publishes its size as part of being open: 816 billion total parameters with roughly 42 billion active per token, 62 decoder layers, 256 experts per mixture-of-experts layer with 8 selected per token, and experts held in 4-bit NVFP4 in the shipped quantised build with some layers left in bf16. The 42-billion-active figure is the one that matters for serving, because it sets how much weight has to be read for every token generated, and it is the reason the model can be served on eight GPUs at all.

Für Muse Wonder steht die entsprechende Zahl nicht in den Unterlagen, die wir überprüfen können. Artificial Analysis führt sie als proprietär und das Panel mit den technischen Spezifikationen listet Reasoning, Eingabemodalität, Ausgabemodalität und Kontext auf – ohne jegliche Zeile zu Gesamt- oder aktiven Parametern. Wir werden keine Parameteranzahl aus einem Preis oder aus einem Benchmark ableiten, und wir werden keine wiederholen, auf die wir nicht verweisen können. Was sich sagen lässt, ist richtungsweisend: Ein geschlossenes Modell mit einem Index von 44 auf einer Preisstaffel von 4 $/20 $ bedient etwas deutlich Größeres als ein offenes Modell mit 42 Milliarden aktiven Parametern, und jeder Serving-Kostenposten, den es trägt, ist das Kapital von jemand anderem statt Ihres.

Das günstige Modell ist auch das schnelle – das ist die Überraschung.

Preis und Geschwindigkeit stehen normalerweise in einem Zielkonflikt zueinander. Hier gehen sie in dieselbe Richtung, und das ist der entscheidungsrelevanteste Befund auf jeder der beiden Seiten.

• Output speed — 169 tokens per second for M​use Spark Open; 118 tokens per second for Muse Wonder

• Time to first answer token — 13.81 seconds for M​use Spark Open; 25.19 seconds for Muse Wonder

• Time per Index task — 6.6 minutes for M​use Spark Open; 13.6 minutes for Muse Wonder

• Output tokens used in the Index run — 90.6 million for M​use Spark Open; 113 million for Muse Wonder, against a median of 72.8 million for comparable models

Read the last two lines together and the mechanism is obvious. Muse Wonder is a reasoning model in the strict sense: it works longer, produces more tokens, and takes roughly twice the wall-clock time per task. M​use Spark Open, at Xhigh effort, is leaner — it generated fewer output tokens than the median comparable model, which is unusual for a reasoning configuration and is a genuine mark against the assumption that more thinking is always more capability. The 169 against 118 figure is a hosted-endpoint measurement including time to first token, so it is a statement about the deployed endpoints rather than about the silicon underneath either model.

Die praktische Konsequenz ist, dass die Preisspanne größer ist, als die Preisliste vermuten lässt, weil man pro Token zahlt und Muse Wonder mehr Token pro Aufgabe ausgibt. Was uns zu der einzigen Zahl bringt, die zwei Modelle ehrlich über unterschiedliche Preise und unterschiedliche Ausführlichkeit hinweg vergleicht: Kosten pro Aufgabe.

Was eine Aufgabe tatsächlich jeweils kostet

Artificial Analysis berechnet die Kosten für die Ausführung der gesamten Evaluierungssuite und teilt sie durch die Anzahl der Aufgaben, wobei jede Evaluierung nach ihrem Beitrag zum Index gewichtet wird. Das ergibt eine vergleichbare Kennzahl, die bereits die Unterschiede in der Ausführlichkeit berücksichtigt.

• Cost per Index task — $2.02 for M​use Spark Open; $6.95 for Muse Wonder

• Blended list price, 3:1 input to output — $2.00 per million tokens for M​use Spark Open; $8.00 per million for Muse Wonder

• Cache read — $0.15 per million tokens for M​use Spark Open, an 88% discount; $0.20 per million for Muse Wonder, a 95% discount

The headline rate card is $1.25 in and $4.25 out against $4.00 in and $20.00 out, so the output price differs by 4.7× and the input price by 3.2×. The realised per-task cost differs by 3.4× rather than 4.7×, which is the verbosity and cache effects doing their work: Muse Wonder's 95% cache discount is steeper than M​use Spark Open's 88%, and heavy caching pulls its effective cost back toward the cheaper model's. If your workload is cache-friendly — long shared system prompts, repeated documents — the rate card overstates the gap. If it is not, the per-task number is the one to plan against and the rate card understates nothing.

Divide each per-task cost by its Index score and you get a third number, which is mine rather than the evaluator's: about eight cents per index point for M​use Spark Open against about sixteen cents for Muse Wonder. That is the cleanest statement of the trade. You are paying roughly twice as much per unit of measured capability for the closed model, and what you receive for the premium is nineteen index points and a lower hallucination rate.

Die Lizenz ist eine Kostenposition, die die Preisliste verschweigt.

M​use Spark Open's terms are the Muse Model License, and two of its clauses change what "free weights" means in a business plan.

Die erste ist die Model-as-a-Service-Klausel. Wenn Sie Dritten Zugang zum Modell als Produkt oder Dienst über eine API gewähren und Ihr aggregierter Bruttoumsatz daraus in einem beliebigen zusammenhängenden Zwölfmonatszeitraum zwanzig Millionen US-Dollar übersteigt, müssen Sie Meta benachrichtigen und vor dem Fortfahren eine gesonderte schriftliche Vereinbarung treffen. Das Einbetten des Modells in Ihr eigenes Produkt ist ausgenommen; der Weiterverkauf nicht. Ein Team, das auf Basis dieser Gewichte ein Inferenzanbieter werden will, sollte diese Klausel lesen, bevor es das Architekturdokument schreibt, nicht danach.

The second is attribution: the licence requires "Built with M​use Spark Open" to be displayed prominently in the interface of any product using the model or a derivative, or in its documentation, site or settings. That is a small tax and an unconditional one, and it appears exactly where a product decision gets made — the about screen.

Was die Lizenz klar gewährt, ist der Teil, der den Download rechtfertigt: Feinabstimmung, Destillation, Zusammenführung, Veröffentlichung, Unterlizenzierung und Verkauf von Derivaten, wobei Meta keine Eigentumsrechte an den Outputs beansprucht. Muse Wonder bietet nichts davon. Sie können einen gehosteten Checkpoint nicht feinabstimmen, Sie können ihn nicht in ein Domänenmodell zusammenführen, Sie können ihn nicht in einer abgeschotteten Umgebung ausführen, und Sie können ein Verhalten nicht durch erneutes Training korrigieren. Der Aufpreis, den Sie für Muse Wonder zahlen, verschafft Ihnen Leistungsfähigkeit und befreit Sie von der operativen Bürde; er schließt aber auch jede Option aus, die den Umgang mit den Gewichten erfordert.

Ein praktischer Punkt, der viele überrascht: Der Download selbst ist zugangsbeschränkt. Das Repository ist zugriffskontrolliert, das Antragsformular verlangt nach bürgerlichem Namen, Geburtsdatum und Organisation samt Firmenidentifikatoren und kann nach dem Absenden nicht mehr bearbeitet werden. Planen Sie eine Warteschlange ein, nicht einen Klick.

Wo der Megakernel die Arithmetik verändert

There is a third number in this comparison that neither rate card contains, and it arrived yesterday from outside Meta. On November 11, 2026 the SGLang team published a megakernel for M​use Spark Open — one resident kernel per layer instead of roughly 1,450 launches per decode step — and measured decoding going from 517 to 1,109 tokens per second on eight GB300s. That is a 2.1× improvement on the same weights, the same precision, and the same numerics, achieved purely in software.

Stellt man das neben die gehosteten Zahlen, verändert sich die Form dieser Entscheidung. Ein gemieteter Endpoint antwortet mit 169 Tokens pro Sekunde; ein selbst gebauter Stack aus acht GPUs, auf dem Research-Kernels laufen, antwortet mit 1.109. Die zweite Zahl gilt für Batchgröße eins, bei einer einzelnen GSM8K-Anfrage, als Median über 20 Schritte, und niemand außerhalb der Autoren hat sie reproduziert – sie ist also eine Obergrenze, die man erreichen könnte, keine Durchsatzzahl, die man in einen Kapazitätsplan aufnehmen kann. Aber sie begründet die Asymmetrie, die dieses Paar definiert: Die Serving-Effizienz des geschlossenen Modells liegt bei Meta – sie zu verbessern ist Metas Sache, und es ist Ihre Sache zu warten –, während die Serving-Effizienz des offenen Modells eine Funktion ist, die Sie mit Ihren eigenen Ingenieuren angehen können.

Für ein Team mit bereits bezahlten GPUs ist diese Asymmetrie in den Workloads, in denen das offene Modell nahe herankommt, mehr als neunzehn Indexpunkte wert. Für ein Team ohne sie ist sie nichts wert, denn die Zahl 1.109 hängt an einem Acht-GPU-Knoten, den man erst kaufen müsste.

Vier Situationen, vier verschiedene Antworten

Der Vergleich geht sauber auf, sobald man die Einschränkung benennt, und die Einschränkung ist fast nie der Benchmark.

Wenn Sie dieses Quartal ein Produkt ausliefern und es bei der Arbeit um anspruchsvolles Reasoning, langfristige agentische Aufgaben oder irgendetwas geht, bei dem eine Terminal-Benchmark-Lücke von 0,081 gegenüber 0,520 die Form Ihres Problems ist, dann lautet die Antwort Muse Wonder – und zwar nicht knapp. Sie zahlen 6,95 $ pro Aufgabe für ein Modell, das die Aufgabe abschließt, und die Alternative besteht darin, 2,02 $ pro Aufgabe für eines zu zahlen, das dies häufig nicht tut.

If you are running high-volume, latency-sensitive work where an answer at 169 tokens per second with a first token in 13.8 seconds is acceptable and one at 118 tokens per second with a first token in 25.2 seconds is not, the answer is M​use Spark Open even before you consider price — and the price then makes it a 3.4×-cheaper answer. The 28% hallucination rate is the thing to design around: ground it, cite it, or verify it downstream.

If you have data that cannot leave your infrastructure, or a regulator who wants to see the weights, or a domain where fine-tuning on your own corpus is the entire value proposition, the comparison is over. Muse Wonder cannot be that, and no amount of index points changes it. M​use Spark Open can, and the licence explicitly permits the fine-tune, the merge and the redistribution.

Wenn Sie bereits einen Trainingscluster mit Knoten der GB300-Klasse besitzen, ist die Wirtschaftlichkeit des offenen Modells keineswegs die Preisliste – sie sind die Grenzkosten der GPUs, die Sie bereits abgeschrieben haben. Das ist der Fall, in dem 1.109 Token pro Sekunde zählen, in dem die Megakernel-Arbeit direkt umsetzbar ist und in dem die 20-Millionen-Dollar-Klausel für Model-as-a-Service das eine Stück Papierkram ist, das zwischen einem Nebenprojekt und einem Geschäft steht.

Der Fall, der sich nicht auflösen lässt, ist der, nach dem die Leute am häufigsten fragen: ein kleines Team, das Frontier-Fähigkeiten will und zugleich günstig sein will. Beides kann es von diesem Paar nicht bekommen. Was es bekommen kann, ist eine Kaskade – ein günstiges Modell für den Großteil des Traffics und das teure für den Rest –, und das ist eine Routing-Entscheidung und keine Modell-Entscheidung.

Was wir routen, und was wir nicht

Neither of these two models is on OrcaRouter. There is no meta/muse-wonder entry and no meta/muse-spark-open entry in the catalogue, and we are not going to describe either as available through us. M​use Spark Open is a download and a licence; Muse Wonder is Meta's own endpoint and a subscription.

What we do carry from the same lab is the M​use Spark line: Muse Spark 1.2 and Muse Spark 1.1. That matters for exactly one of the four situations above — the cascade. A routing layer is where the "cheap model for most traffic, expensive model for the residue" answer stops being an architecture diagram and becomes configuration: one API across 200+ models, with the provider's list price passed through at 0% markup, so a Meta price cut lands on your bill the same day rather than at the next contract renewal, and automatic failover plus a routing DSL that moves traffic between models by configuration rather than by a code change and a deploy.

Für die Open-Weights-Hälfte des Vergleichs gilt ehrlicherweise: Kein Router hilft. Die Gewichte gehören Ihnen, die GPUs gehören Ihnen, der Kernel gehört Ihnen, und der einzige Weg zur Zahl 1,109 führt über einen Ingenieur mit einem Profiler.

Wenn dieser Vergleich veraltet

• Muse Wonder Full erreicht eine API. Der höher bewertete Checkpoint ist derzeit hinter einem Abonnement eingeschlossen, daher ist das Muse Wonder in diesem Vergleich das API-Modell bei 44, nicht der Full-Checkpoint, den Meta separat meldet. Wenn Full einen Endpunkt öffnet, vergrößert sich die Fähigkeitslücke und das Kaskadenargument wird schwieriger.

• Eine unabhängige Reproduktion der Megakernel-Zahlen. Die 2,1× eines Teams bei Batchgröße eins sind eine Obergrenze; wenn ein zweites Team bei einer realen Batchgröße gleichzieht, wird daraus ein Self-Hosting-Fall mit Zahlen.

• A price move on either side. M​use Spark Open's hosted rate is $1.25/$4.25 and Muse Wonder's is $4.00/$20.00, and a single vendor announcement could compress or invert the 3.4× per-task gap. This is the cheapest thing on the list to change and the most likely to.

• A fine-tune that closes the gap. Nineteen index points is a large deficit for a derivative to recover, and the open model's licence is what makes the attempt legal. If a domain tune on M​use Spark Open lands near the median of Muse Wonder's class on the specific evaluations your product cares about, the premium stops being justified for that product.

Until one of those moves, the summary is short. Muse Wonder is the more capable model and you rent it by the token. M​use Spark Open is the less capable model and you own it outright, along with the GPUs, the licence clauses, the hallucination rate, and — as of this month — a public recipe for making it twice as fast.