Muse Spark vs. Muse Glimmer: Was tatsächlich übrig bleibt, wenn ein Frontier-Modell zu einem Modell mit 30 Milliarden Parametern destilliert wird

Die Beziehung zwischen Muse Spark und Muse Glimmer ist nicht die, die der Ausdruck „vs“ nahelegt. Muse Glimmer ist kein Konkurrent von Muse Spark – es ist ein Schüler davon. Meta trainierte das offene Modell mit 30 Milliarden Parametern durch Logit-Destillation von Muse Spark, der nativ multimodalen Frontier-Linie, die Meta Superintelligence Labs am 8. April 2026 vorstellte und die inzwischen als Muse Spark 1.3 ausgeliefert wird, veröffentlicht am 2. September 2026, wobei ihre maximale Reasoning-Stufe zwei Tage später für Entwickler geöffnet wurde. Muse Glimmer folgte am 10. August 2026 unter Apache 2.0. Diese Seite ist also keine Kampfkarte zwischen zwei Rivalen aus verschiedenen Labs. Sie ist eine Messung davon, wie viel von einem Frontier-Modell einen sechzehnfachen Schrumpf und einen Lizenzwechsel übersteht – und Meta hat, ungewöhnlich genug, Zahlen zu beiden Seiten dieses Schrumpfs veröffentlicht. Ob dieser Vergleich fair ist, ist das Erste, wobei man ehrlich sein sollte, und die Antwort lautet: teilweise.

Eines ist eine Datei, das andere ist ein Endpunkt.

Beginnen Sie mit dem Teil, der nichts mit Benchmarks zu tun hat, denn er entscheidet über die meisten realen Deployments, bevor auch nur ein einziger Score zählt.

Muse Glimmer ist ein Download. Meta veröffentlicht die Gewichte unter Apache 2.0, liefert sie bereits 4-Bit-quantisiert aus – was den Speicherbedarf von über 55 GB bei voller Präzision auf unter 20 GB senkt – und gibt an, dass das Modell klein genug ist, um auf einer einzelnen Consumer-GPU oder einem Mac zu laufen. Es läuft ohne Netzwerkverbindung. Meta hat es auf einer Nvidia RTX 5090 sowie auf Apple M4 Max und M5 Max Silicon getestet. Es akzeptiert Text- und Bildeingaben, gibt Text zurück, verfügt über ein Kontextfenster von 131.072 Token, das laut Meta auf 262.144 erweitert werden kann, und hat einen Wissensstichtag im Januar 2026.

Muse Spark ist in jeder Hinsicht genau entgegengesetzt aufgebaut. Meta veröffentlicht weder Gewichte noch eine Lizenz noch einen Download für irgendeine Version davon; es ist nur über Metas Model API, unter meta.ai und in der Meta AI-App erreichbar. Es arbeitet mit einem Kontextfenster von 1.048.576 Token – achtmal so groß wie Glimmers Kontextfenster vor dessen Erweiterung. Es akzeptiert Text-, Bild-, Video-, Audio- und PDF-Eingaben und gibt Text aus. Die Abrechnung erfolgt pro Token: 1,25 $ pro Million Eingabe, 0,15 $ pro Million gecachte Eingabe, 4,25 $ pro Million Ausgabe, mit einem Contributor-Tarif zu 0,10 $ / 0,002 $ / 0,20 $, der einen niedrigeren Preis gegen die Erlaubnis eintauscht, mit deinen Prompts und Completions zu trainieren. Bei Glimmer gibt es überhaupt keine Anbieterrechnung pro Token, wenn du es selbst betreibst, weil kein Anbieter im Spiel ist.

• Größe — Muse Spark: nicht angegeben, Meta veröffentlicht für keine Version eine Parameteranzahl; Muse Glimmer: 30B, bei 4-Bit unter 20 GB ausgeliefert

• Gewichte — Muse Spark: proprietär, nur gehostet; Muse Glimmer: Apache 2.0, herunterladbar und offline ausführbar

• Kontextfenster — 1.048.576 Token vs. 131.072, erweiterbar auf 262.144

• Eingaben — Text, Bild, Video, Audio, PDF vs. Text und Bild

• Ausgabe — Text vs. Text

• Preis — 1,25 $ / 0,15 $ gecacht / 4,25 $ pro Million Tokens vs. keine Anbietergebühr bei Selbsthosting

• Wissensstichtag — nicht veröffentlicht für Muse Spark 1.3; Januar 2026 für Muse Glimmer

Der eine Benchmark, den Meta für beide veröffentlicht hat

Dies ist die seltenste Art von Zahl, die man in einer Destillationsbeziehung finden kann: dieselbe Evaluation, durchgeführt vom selben Labor, die für den Teacher und den Student berichtet wurde.

Metas Modellseiten führen GDPval-AA mit 1.754 für Muse Spark 1.3 in seiner maximalen Reasoning-Konfiguration auf und 953 für Muse Glimmer 30B bei hohem Reasoning. Das bedeutet, dass das Studentenmodell 54 % der Punktzahl des Lehrermodells in dieser Aufgabenfamilie behält – ein echter, veröffentlichter Datenpunkt und keine Schlussfolgerung. Zwei Einschränkungen gehören sofort dazu, denn beide treffen zu und keine ist klein. Erstens ist die Muse-Spark-Zeile mit v2 gekennzeichnet, und die Muse-Glimmer-Zeile ist überhaupt nicht versioniert. Wenn Meta also den Benchmark zwischen den beiden Messungen geändert hat, ist das Verhältnis unsicher, auch wenn die Richtung es nicht ist. Zweitens sind beide Zahlen vom Anbieter gemeldet. Wir haben keine von beiden reproduziert, und kein unabhängiges Harness hat – soweit wir finden konnten – einen direkten Vergleich für dieses Paar veröffentlicht.

Was den 801-Punkte-Abstand eher nachvollziehbar als alarmierend macht, ist das Bild von Drittanbietern, das darunter liegt. Im Intelligence Index von Artificial Analysis erzielt Muse Spark 1.3 mit maximaler Einstellung 48 Punkte und Muse Glimmer mit hoher Einstellung 17. Das sind unterschiedliche Indexskalen aus unterschiedlichen Messrunden, und die beiden werden nicht im selben Feld gerankt – Artificial Analysis gruppiert Open-Weight-Modelle nach Größenklasse, daher wird Glimmer gegen Open-Weight-Vergleichsmodelle gemessen, während Muse Spark gegen das gesamte Feld gemessen wird. Lies sie als Form, nicht als Verhältnis. Die Form sagt dasselbe, was Metas eigene Tabelle sagt: Das destillierte Modell ist eine tatsächlich andere Fähigkeitsstufe, kein günstigerer Weg zu denselben Antworten.

Was das kleine Modell behält

Das Interessante an der Destillation ist, was die Kompression übersteht, und in Metas eigenen veröffentlichten Ergebniszeilen wird Muse Glimmer nicht durchgängig übertroffen. Es erzielt 76,0 auf SWE-Bench Verified, 65,9 auf OSWorld-Verified, 77,0 auf IFBench, 94,7 auf AIME 2026 und 83,5 auf GPQA Diamond. Das sind starke Werte für ein 30B-Modell, und sie sind der Grund, warum die Architekturwahl wichtig ist: Meta beschreibt Glimmer als auf langkontextige agentische Daten feinabgestimmt und speziell für Tool-Nutzung verstärkt, mit selbstverwaltetem Gedächtnis über stundenlange Sitzungen hinweg und Erholung von einem fehlgeschlagenen Tool-Aufruf statt eines Abbruchs. Das ist ein zielgerichtetes Modell, das den Namen eines Allzweckmodells trägt.

Das nützlichste Kontextstück auf der Seite ist Metas eigene Vergleichswahl. Die Benchmark-Tabelle für Muse Glimmer stellt es nicht neben Muse Spark. Sie stellt es neben Gemma 4 31B im Thinking-Modus und Qwen3.6 27B im Thinking-Modus – gleiche Größenklasse, gleiche Open-Weight-Prämisse. In dieser Tabelle gewinnt Glimmer die meisten Zeilen, aber nicht alle: Es erreicht MCP Atlas mit 75,5 gegenüber 62,5 für das Qwen-Modell, TerminalBench 2.1 mit 51,7 gegenüber 60,7 und GDPval-AA mit 953 gegenüber 1.141. Selbst innerhalb seiner eigenen Gewichtsklasse ist das destillierte Meta-Modell also nicht die automatische Wahl, was eine ehrlichere Einordnung ist, als die Schlagzeile der Seite nahelegt.

Zwei weitere Zeilen lohnen es, hervorgehoben zu werden, weil sie messbar und bei der Planung leicht falsch einzuschätzen sind. Artificial Analysis verzeichnet für Muse Glimmer die Kosten pro abgeschlossener Aufgabe im Intelligence Index mit 0,05 $ und die Ausgabegeschwindigkeit mit 122,4 Tokens pro Sekunde – gegenüber 1,60 $ und 121,9 Tokens pro Sekunde für Muse Spark 1.3 bei maximaler Einstellung. Bei diesen beiden Werten ist das kleine Modell pro abgeschlossener Aufgabe bei praktisch identischem Durchsatz rund 32-mal günstiger. Darin zahlt sich die Destillation aus, und sie bleibt unsichtbar, wenn man nur Indexwerte vergleicht.

Die Stelle, an der der Vergleich abbricht

Es bricht bei Eingaben, und es bricht härter, als die Anzeigetafel vermuten lässt.

Muse Spark 1.3 verarbeitet Video, Audio und PDFs. Muse Glimmer verarbeitet Text und Bilder. Wenn Ihre Pipeline eine Bildschirmaufzeichnung, eine Anrufaufzeichnung oder ein gescanntes Dokument direkt in das Modell einspeist, sind die beiden zu keinem Preis Alternativen – eines von ihnen kann die Nutzlast physisch nicht annehmen. Metas eigene Dokumentation untermauert diesen Punkt aus unerwarteter Richtung: Sie warnt, dass das Audioverständnis in Muse Spark 1.3 nicht vollständig unterstützt wird und dass die Qualität bei Anfragen mit Audio beeinträchtigt sein kann, und empfiehlt Muse Spark 1.2 für Audio-Workloads. Selbst innerhalb der gehosteten Produktlinie ist die neueste Version also nicht für jeden Eingabetyp die richtige Antwort, und die audiogeeignete Option ist der ältere Checkpoint.

Der zweite Knackpunkt ist der Kontext. Eine Million Tokens gegenüber 131.072 ist kein Marketingunterschied; es ist der Unterschied zwischen einem Modell, das ein großes Repository oder eine lange Fallakte in einem einzigen Aufruf halten kann, und einem, das eine Retrieval-Schicht und einen Zusammenfassungsschritt benötigt, die darum herum aufgebaut werden müssen. Wenn Ihre Arbeit Codebasis-Reasoning über lange Horizonte umfasst, ist Glimmers Kontext-Obergrenze die Einschränkung, an die Sie zuerst stoßen werden – lange bevor ihre Benchmark-Ergebnisse ins Spiel kommen.

Das Dritte ist die Datengrenze, und sie wirkt in die andere Richtung. Eine Anfrage, die Ihre Hardware nie verlässt, kann von einem Anbieter nicht protokolliert, nicht pro Token bepreist und nicht durch eine Tarifänderung beeinflusst werden. Für eine Workload mit Anforderungen an die Datenresidenz oder einem Pro-Token-Budget, das bei Volumen nicht trägt, wiegt diese eine Eigenschaft 30 Indexpunkte auf.

Wo jedes einzelne tatsächlich lebt

Muse Glimmers Distribution ist die breite, weil offene Gewichte es sind. Meta listet den Download auf Hugging Face und verweist auf lokale Laufzeitumgebungen – llama.cpp, MLX, Ollama, LM Studio, Unsloth – neben der eigenen gehosteten Liste des Anbieters und mehreren Inferenzplattformen von Drittanbietern. Wir werden diese Plattformen hier nicht nennen; für den Leser geht es einfach darum, dass die Gewichte portabel sind und alles, was ein 30B-4-Bit-Modell laden kann, es auch bereitstellen kann.

Die Muse-Spark-Linie ist konstruktionsbedingt schmal. Drei Versionen, ein Anbieter, eine API, keine Gewichte. Diese Konzentration ist das eigentliche Risiko, darauf aufzubauen, und es ist ein Risiko, das für Glimmer überhaupt nicht gilt.

Beides auf einer Taste, wo das möglich ist

Unser eigener Katalog ist enger als beide dieser Geschichten. Wir routen Muse Spark 1.1 und Muse Spark 1.2 – die beiden Checkpoints, die mit 1,25 $ für Eingabe und 4,25 $ für Ausgabe pro Million Tokens gelistet sind, beide zu Metas Listenpreis, wobei unser 0%-Aufschlag unverändert durchgereicht wird – und wir hosten weder Muse Spark 1.3 noch eine der Contributor-Varianten noch Muse Spark Open. Muse Glimmer ist ebenfalls nicht in unserem Katalog, und der ehrliche Rat für dieses Modell ist grundlegend anders: Es hat offene Gewichte, daher ist der natürliche Ort, um es auszuführen, Ihre eigene Hardware oder eine Runtime, die es lädt.

Wo Routing hier tatsächlich seinen Platz verdient, ist die Migration, die Sie wahrscheinlich gerade in Betracht ziehen. Wenn Sie testen, ob ein destilliertes 30B-Modell einen Teil einer Frontier-Workload übernehmen kann, dann möchten Sie beides in einem einzigen Endpunkt haben, damit ein Teil des Traffics ohne einen zweiten Vertrag verschoben und gemessen werden kann — Muse Spark 1.1 und 1.2 auf einem Schlüssel, mit automatischem Failover, sodass ein fehlgeschlagener Long-Context-Aufruf auf den anderen Checkpoint ausweicht statt auf einen Fehler, und eine Routing-DSL, mit der sich Traffic per Konfiguration statt per Code aufteilen lässt. Wenn Metas gehostete Produktlinie sich erneut ändert, landet die Änderung an einer einzigen Stelle.

Welches soll man wählen?

Wenn Ihre Arbeit aus Text und Bildern besteht, auf Ihrem eigenen Rechner oder einer gemieteten GPU läuft und gegen Preise pro Token immun sein muss, dann ist Muse Glimmer die Antwort – und zwar mit großem Abstand: Sie tauschen ungefähr die Hälfte des GDPval-AA-Scores gegen ein Modell ein, das nichts pro Aufruf kostet und von niemandem gedrosselt werden kann.

Wenn Ihre Arbeit Video, Audio, PDFs oder einen wirklich langen Kontext umfasst, ist Muse Glimmer keine günstigere Version von Muse Spark. Es ist ein anderes Werkzeug, und durch die Destillation wurden diese Fähigkeiten nicht mit übertragen. Greifen Sie zur gehosteten Linie, kalkulieren Sie mit 1,25 $ und 4,25 $ pro Million Token und prüfen Sie, welcher Checkpoint Ihre Daten tatsächlich verarbeitet – für Audio verweist Metas eigene Dokumentation auf die ältere Version.

Die ehrliche Zusammenfassung eines Destillationsvergleichs ist, dass der Student bemerkenswert gut in dem ist, wofür er trainiert wurde, und einfach nicht vorhanden bei dem, wofür er nicht trainiert wurde. Muse Glimmer ist das stärkste Argument für offene Gewichte, das Meta seit Llama 4 veröffentlicht hat, und die oben genannten Zahlen sind Metas eigene. Was sie nicht zeigen — und keine Anbietertabelle kann —, ist, wie sich das Modellpaar auf Ihrer Arbeitslast verhält. Das ist ein Experiment, kein Nachschlagen.

Benchmarks veralten und Preise bewegen sich; die Fehlerhistorie nicht: Die dokumentierten KI-Vorfälle und Agentenfehler hinter Modellen dieser Klasse sind gesammelt im OrcaRouter AI Incident Archive, wo jeder Eintrag seine eigenen Quellen, seinen Schweregrad, seinen Konfidenzgrad und eine Kennzeichnung als umstritten enthält.