Muse Spark Open vs Muse Glimmer : ce que 22 points d'index vous coûtent réellement

Thirty-nine against seventeen. That is the whole of the comparison between Muse Spark Open and Muse Glimmer on the Artificial Analysis Intelligence Index, and it is the number that travelled after Meta published the larger model's weights on October 15, 2026. On its own it is close to useless, because the two models are not two answers to the same question. One is an 816-billion-parameter mixture of experts built to be served from a data centre. The other is a 30-billion-parameter dense model built to run on a single consumer graphics card. Reading the gap as "the new one is better" gets the direction of the decision right and the reason for it completely wrong. None of this is a reason to avoid the model, only a reason to know the history: the documented AI incidents and agent failures behind models in this class are collected in the OrcaRouter AI Incident Archive where each entry carries its own sources, severity, confidence grade and disputed flag.

Voici ce que l'écart apporte réellement, ce qu'il coûte, et le seul axe sur lequel le plus petit modèle l'emporte encore nettement.

Deux téléchargements qui répondent à des questions différentes

Tous deux portent le nom de Meta, tous deux déposent des poids sur le Hugging Face Hub, et tous deux vous permettent d’exécuter l’inférence sans envoyer de token à l’endpoint de qui que ce soit. C’est là que s’arrête la ressemblance.

• Muse Spark Open — 816 milliards de paramètres au total, 42 milliards actifs par token, mélange creux d'experts, publié le 15 octobre 2026 sous la licence Muse Model License.

• Muse Glimmer — environ 29,6 milliards de paramètres au total, dense, plus un encodeur visuel distinct de 1,8 milliard de paramètres, publié en août 2026 sous licence Apache 2.0.

La différence de paramètres actifs est plus faible que ne le laisse penser le titre : 42B contre environ 29,6B, soit un facteur d'environ 1,4, car Muse Spark Open n'active qu'une partie de ses experts par token. C'est la différence de paramètres totaux qui finance la facture matérielle : environ 27,6 fois plus de poids à stocker, quantifier et déplacer.

Combien coûtent 22 points par tâche

Artificial Analysis évalue le prix des deux modèles selon la même référence — le coût de réalisation d’une tâche sur son propre Intelligence Index — et c’est là que l’écart acquiert une seconde dimension. Sur son offre hébergée, Muse Spark Open en raisonnement xhigh coûte 0,84 $ par tâche Index, contre 0,05 $ pour Muse Glimmer en high. Cela représente environ 16,8 fois le coût pour 2,3 fois le score.

La tarification catalogue raconte la même histoire dans les unités qu'utilise une équipe financière. Muse Spark Open est affiché à 1,25 $ par million de tokens d'entrée et 4,25 $ par million de tokens de sortie, avec une remise de cache de 88 % et un tarif mixte d'environ 0,78 $ par million de tokens. Muse Glimmer est affiché à 0,30 $ par million de tokens d'entrée et 1,20 $ par million de tokens de sortie. Si votre charge de travail est une passe de classification, d'extraction ou de routage à gros volume, le modèle plus petit n'est pas un compromis — c'est la bonne réponse, facturée au cinquième du tarif d'entrée.

La vitesse de sortie est la seule métrique où ils sont assez proches pour être à égalité, et il vaut la peine de le dire clairement parce que c’est contre-intuitif : Muse Spark Open a mesuré 102,0 tokens de sortie par seconde avec un temps jusqu’au premier chunk de 0,67 seconde, Muse Glimmer 124,4 tokens par seconde à 1,14 seconde. Le modèle 816B n’est pas le plus lent à répondre à un seul prompt, car il n’active qu’une fraction de lui-même et s’exécute sur un matériel dimensionné pour lui. C’est en périphérie que le plus petit modèle l’emporte : une version 4 bits fait passer le modèle de langage sous les 20 Go, et un drafter compagnon à diffusion par blocs, qui propose 16 tokens à la fois, est annoncé comme offrant jusqu’à 3,1× d’accélération sur une RTX 5090. Il s’agit d’un chiffre du fournisseur, qui n’a pas été reproduit de manière indépendante.

La fenêtre de contexte n'est pas non plus un combat équitable.

Muse Spark Open dispose d’une fenêtre de 1 048 576 jetons et accepte en entrée du texte, des images, de la vidéo et de l’audio, avec du texte en sortie. Muse Glimmer dispose de 131 072 jetons — 128 k dans les chiffres ronds qu’écrit Meta — et prend en charge le texte et les images, sans aucun chemin audio. L’encodeur de perception de Muse Spark Open est un composant de 1,8 Md à 50 couches avec attention éparse, et la pile linguistique compte 62 couches, une dimension cachée de 8 192, un vocabulaire de 202 048 jetons, 256 experts avec routage top-8 et attention à requêtes groupées avec 128 têtes de requête contre 16 têtes clé-valeur.

Si votre problème est « lisez cet enregistrement de deux heures et cette pile de captures d'écran, puis dites-moi ce qui s'est passé », Muse Spark Open est le seul des deux à pouvoir contenir l'entrée. Si votre problème est « lisez cet écran et cliquez sur le bon bouton sur mon ordinateur portable », 128k n'est pas la contrainte que vous rencontrerez en premier.

Les licences ne sont pas le même type d’ouverture

C'est la partie que le titre en 22 points enfouit, et c'est celle qui importera à un examen juridique.

• Muse Glimmer — Apache 2.0 pour tout ce que Meta a publié : les poids BF16 en pleine précision, deux variantes quantifiées en 4 bits, la tête de drafter et l'encodeur de perception. Usage commercial et de recherche, sans restriction d'accès.

• Muse Spark Open — la licence Muse Model. Droits étendus d'utilisation, de copie, de modification, de fine-tuning, de distillation, de fusion et de vente, sous réserve de trois conditions qu'il vaut la peine de connaître avant de planifier : les copies et les dérivés doivent porter la licence et la politique d'utilisation ; les produits construits sur cette base doivent afficher « Built with Muse Spark Open » dans l'interface, les documents ou les paramètres ; et si vous offrez un accès tiers à des modèles dont ces tiers reçoivent les sorties, et que le chiffre d'affaires brut combiné dépasse 20 millions de dollars sur toute période de douze mois consécutifs, vous devez d'abord notifier Meta et signer un accord distinct. L'utilisation interne, la recherche et les travaux commerciaux hors modèle en tant que service sont exclus. Meta ne revendique aucun droit de propriété sur les sorties.

L’accès diffère lui aussi par nature. Le dépôt Muse Spark Open est soumis à un contrôle d’accès : vous vous connectez et fournissez votre nom légal complet, votre date de naissance et le nom de votre organisation avec des identifiants, et la page avertit que le formulaire ne pourra plus être modifié par la suite. Les téléchargements de Muse Glimmer ne sont pas soumis à ce contrôle. Pour une équipe qui souhaite évaluer discrètement les deux avant de s’engager, cette asymétrie crée une véritable friction, et la clause des 20 M$ signifie que « nous l’avons téléchargé » et « nous pouvons livrer un produit hébergé basé dessus » sont deux réponses différentes.

Où chacun se place sur le rack

La carte de modèle de Meta elle-même énonce clairement le matériel : le checkpoint BF16 nécessite environ 2 To de VRAM, et la version NVFP4 nécessite au moins 700 Go. Les piles de serving prises en charge sont SGLang, vLLM, Hugging Face, TensorRT-LLM, Unsloth et llama.cpp, et la carte indique aussi MLX optimisé pour deux Mac Studios M5 Ultra. C'est la démo sur ordinateur de bureau que Meta a mise en avant — deux machines haut de gamme reliées entre elles, pas un ordinateur portable.

La cible de Muse Glimmer est réellement différente : un seul RTX 5090, une version quantifiée de moins de 20 Go, et une tête de draft conçue pour accélérer la génération des tokens sur cette carte. Les deux modèles ne se disputent pas le même silicium. Le post de lancement de Meta pour le modèle plus grand fait le même constat dans l'autre sens, en mettant en avant le travail agentique et la configuration à deux Mac Studio plutôt qu'un chiffre pour une seule carte.

Lequel choisir

La décision s'effondre rapidement dès que vous fixez la contrainte.

• Vous déployez un agent local sur du matériel qui vous appartient — Muse Glimmer. Les 22 points sont inaccessibles, quel que soit le prix que vous pouvez payer sur un seul GPU.

• Vous avez besoin d’audio, de vidéo ou d’une entrée d’un million de tokens en un seul appel — Muse Spark Open, et aucun modèle plus petit ne peut le remplacer.

• Vous effectuez un travail à fort volume et de faible difficulté — Muse Glimmer à 0,30 $ par million de jetons d’entrée, sauf si une évaluation mesurée indique que le modèle au score de 17 échoue à votre tâche spécifique.

• Vous voulez le score de pointe et vous louez — la note honnête, c'est que Muse Spark Open n'est pas le moyen le moins cher d'atteindre un 39. C'est le seul moyen d'atteindre un 39 avec les poids sur votre propre disque.

Sur la question du service, la réalité pratique pour la plupart des équipes est qu'aucun des deux modèles ne se déploie en auto-hébergement dès le premier jour. Si vous voulez appeler la gamme Muse de Meta sans monter des GPU, Muse Spark 1.2, qui est l'un des deux modèles Muse qu'OrcaRouter route réellement, est disponible via une API pour plus de 200 modèles, avec basculement automatique afin qu'un modèle peu familier puisse porter le trafic de test sans porter votre chemin de production. Les deux modèles Muse que nous servons sont facturés au prix catalogue du fournisseur avec 0 % de marge, de sorte qu'un changement de prix côté fournisseur est effectif chez nous le jour même. Pour être explicite sur les limites : OrcaRouter ne route actuellement pas Muse Spark Open, et ne route pas Muse Glimmer — ce sont dans les deux cas des poids que vous exécutez vous-même, ou des points de terminaison que vous achetez ailleurs.

Qu’est-ce qui n’est toujours pas mesuré ?

Presque tout ce qui permettrait de trancher la comparaison.

Le 39 est un chiffre indépendant associé à un modèle dont la propre fiche de scores de lancement répertorie JobBench 61,8, MCP-Atlas 89,2, GDPval-AA v2 1401, OSWorld Verified 80,4, Toolathlon Verified 72,8, HLE-Diamond 26,1 sans outils et 61,0 avec, GPQA Diamond 89,0, SciCode 58,5, DeepSWE 1.1 à 60 et Terminal-Bench 2.1 à 76,4 avec l’agent Terminus 2. Chacun de ces chiffres est déclaré par le fournisseur et non reproduit, et plusieurs ont été mesurés au sein du harnais d’agent propre à Meta, ce qui en fait une affirmation de capacité plutôt qu’un classement à périmètre comparable. La fiche de Glimmer comporte son propre tableau du fournisseur — SWE-Bench Verified 76,0, Terminal-Bench 2.1 51,7, GPQA Diamond 83,5, AIME 2026 94,7, HLE 22 — avec la même réserve. Deux fiches de scores de fournisseurs produites à plusieurs mois d’écart sur des harnais différents ne peuvent pas être soustraites l’une de l’autre, et c’est précisément pourquoi l’unique Index indépendant est le chiffre sur lequel s’appuie cet article.

L’écart qui fera réellement basculer la décision ne figure sur aucune des deux fiches. C’est le coût d’une tâche au niveau de qualité dont vous avez personnellement besoin, sur vos propres entrées, mesuré une fois. Tant que personne ne fait cette mesure, 39 et 17 sont deux faits concernant deux machines différentes qui portent le même nom de famille.