Muse Spark Open vs Muse Wonder : l'un que vous pouvez télécharger, l'autre que vous ne pouvez que louer

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.

À trois jours d'intervalle, et pas dans la même catégorie

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.

Tout ce qui suit en découle. Le prix d’un modèle fermé est celui que le fournisseur annonce, et ses capacités peuvent être révisées par le fournisseur à tout moment. Le prix d’un modèle ouvert est un montant d’investissement — les GPU, l’énergie, l’ingénieur — et ses capacités sont ce que votre pile de service peut en tirer. Ainsi, la comparaison utile n’est pas « lequel obtient le meilleur score », ce qui n’a rien d’une compétition serrée, mais « lequel de ces deux modèles vous coûte le moins pour atteindre la capacité dont vous avez besoin », ce qui dépend entièrement de ce que vous possédez déjà et de ce que vous êtes autorisé à faire avec les poids.

Les deux modèles prennent en entrée du texte, des images, de la parole et de la vidéo, et produisent du texte en sortie, et tous deux annoncent une fenêtre de contexte de 1,048,576 tokens. C’est là que s’arrête la ressemblance.

Le tableau des scores tel qu'il est aujourd'hui, pas tel que vous vous en souvenez

Artificial Analysis a remanié son Intelligence Index, et la version actuelle est v5.0.1, qui intègre neuf évaluations : AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 sur son sous-ensemble difficile, et Terminal-Bench-Science 0.1. Cela compte pour cette comparaison, car tout chiffre que vous avez lu au sujet de l’un ou l’autre modèle avant cette révision n’est pas sur la même échelle que les chiffres ci-dessous. Les deux entrées ont été re-notées au sein de la même suite, de sorte que l’écart entre elles est comparable, même si leurs valeurs absolues ne sont pas comparables aux anciens chiffres que vous avez pu voir pour l’un ou l’autre.

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.

Les lignes par évaluation disent la même chose avec plus de détail. Chaque ligne ci-dessous présente les deux côtés d’une même dimension, dans le même ordre, afin qu’ils puissent se lire comme une paire plutôt que comme deux affirmations distinctes.

• 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.

Une mise en garde s'applique à tout cela. Ce sont des chiffres d'évaluateurs, et non de fournisseurs, ce qui en fait la plus solide des deux catégories de preuves disponibles. Il s'agit néanmoins du banc d'essai d'un seul laboratoire, appliqué à une suite qui a elle-même été révisée ce cycle, et plusieurs de ces évaluations sont assez récentes pour que leur notation continue d'évoluer. Considérez que la tendance est fiable et que la troisième décimale n'est que du bruit.

Nombres de paramètres, et où le record s'arrête tout simplement

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.

Pour Muse Wonder, le nombre correspondant ne figure pas dans les informations que nous pouvons vérifier. Artificial Analysis le classe comme propriétaire, et son panneau de spécifications techniques liste le raisonnement, la modalité d’entrée, la modalité de sortie et le contexte — sans aucune ligne de paramètres totaux ou actifs. Nous n’allons pas déduire un nombre de paramètres à partir d’un prix ou d’un benchmark, et nous n’allons pas répéter un chiffre que nous ne pouvons pas citer. Ce que l’on peut dire est indicatif : un modèle fermé affichant un indice de 44 sur une grille tarifaire de 4 $/20 $ met en œuvre quelque chose de sensiblement plus grand qu’un modèle ouvert à 42 milliards de paramètres actifs, et chaque coût de service qu’il supporte est le capital de quelqu’un d’autre plutôt que le vôtre.

Le modèle bon marché est aussi le plus rapide, et c’est là la surprise.

Le prix et la vitesse sont généralement en tension. Ici, ils vont dans le même sens, et c'est le constat le plus déterminant pour la décision sur l'une ou l'autre page.

• 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.

La conséquence pratique est que l’écart de prix est plus large que ne le suggère la grille tarifaire, car vous payez au token et Muse Wonder émet plus de tokens par tâche. Ce qui nous amène au seul chiffre qui compare honnêtement deux modèles à des prix et des niveaux de verbosité différents : le coût par tâche.

Ce qu’une tâche coûte réellement sur chacun

Artificial Analysis calcule le coût d’exécution de l’ensemble de sa suite d’évaluation et le divise par le nombre de tâches, en pondérant chaque évaluation selon sa contribution à l’Index. Cela donne un chiffre à périmètre comparable qui absorbe déjà l’écart de verbosité.

• 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.

La licence est une ligne de coût que la grille tarifaire dissimule.

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.

La première est la clause relative au modèle en tant que service. Si vous donnez à des tiers accès au modèle en tant que produit ou service via une API et que votre chiffre d'affaires brut cumulé qui en découle dépasse vingt millions de dollars américains sur toute période consécutive de douze mois, vous devez notifier Meta et conclure un accord écrit distinct avant de continuer. L'intégration du modèle dans votre propre produit est exclue ; sa revente ne l'est pas. Une équipe qui compte devenir fournisseur d'inférence sur la base de ces poids devrait lire cette clause avant de rédiger le document d'architecture, et non après.

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.

Ce que la licence accorde clairement, c’est la partie qui justifie le téléchargement : le fine-tuning, la distillation, la fusion, la publication, la sous-licence et la vente de dérivés, Meta ne revendiquant aucune propriété sur les sorties. Muse Wonder n’offre rien de tout cela. Vous ne pouvez pas fine-tuner un checkpoint hébergé, vous ne pouvez pas le fusionner dans un modèle de domaine, vous ne pouvez pas l’exécuter en environnement isolé, et vous ne pouvez pas corriger un comportement en le réentraînant. Le supplément que vous payez pour Muse Wonder vous achète de la capacité et vous libère de la charge opérationnelle ; il vous exclut aussi de toute option qui exige de toucher aux poids.

Un détail mécanique qui surprend : le téléchargement lui-même est soumis à autorisation. Le dépôt est à accès contrôlé, le formulaire de demande exige le nom légal, la date de naissance et l'organisation avec les identifiants d'entreprise, et il ne peut pas être modifié après l'envoi. Prévoyez une file d'attente, pas un simple clic.

Là où le mégakernel change l’arithmétique

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.

Mettez cela en regard des chiffres de l’offre hébergée, et la nature de cette décision change. Un point de terminaison loué répond à 169 jetons par seconde ; une configuration assemblée à la main de huit GPU exécutant des kernels de recherche répond à 1 109. Le second chiffre correspond à une taille de lot de 1, sur une seule requête GSM8K, avec une médiane sur 20 étapes, et personne en dehors des auteurs ne l’a reproduit — il s’agit donc d’un plafond que vous pourriez atteindre, et non d’un chiffre de débit que vous pouvez inscrire dans un plan de capacité. Mais il établit l’asymétrie qui définit ce duo : l’efficacité de service du modèle fermé est du ressort de Meta pour l’amélioration et du vôtre pour l’attente, tandis que l’efficacité de service du modèle ouvert est une fonction que vous pouvez attaquer avec vos propres ingénieurs.

Pour une équipe dont les GPU sont déjà payés, cette asymétrie vaut plus de dix-neuf points d’indice dans les charges de travail où le modèle ouvert est proche. Pour une équipe qui n’en dispose pas, elle ne vaut rien, car le chiffre de 1,109 arrive attaché à un nœud de huit GPU qu’il faudrait acheter.

Quatre situations, quatre réponses différentes

La comparaison se résout proprement dès que l'on nomme la contrainte, et la contrainte n'est presque jamais le benchmark.

Si vous lancez un produit ce trimestre et que le travail consiste en du raisonnement complexe, des tâches agentiques à long horizon, ou quoi que ce soit où un écart de benchmark terminal de 0,081 contre 0,520 correspond à la nature de votre problème, la réponse est Muse Wonder et il n'y a pas photo. Vous payez 6,95 $ par tâche pour un modèle qui termine la tâche, et l'alternative est de payer 2,02 $ par tâche pour un modèle qui, souvent, ne la termine pas.

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.

Si vous possédez déjà un cluster d’entraînement avec des nœuds de classe GB300, l’économie du modèle ouvert n’est pas du tout celle de la grille tarifaire — c’est le coût marginal des GPU que vous avez déjà amortis. C’est le cas où 1 109 jetons par seconde comptent, où le travail sur le megakernel est directement exploitable, et où la clause model-as-a-service à vingt millions de dollars est le seul document administratif qui se dresse entre un projet annexe et une entreprise.

Le cas qui ne se résout pas est celui dont on parle le plus : une petite équipe qui veut des capacités de pointe et qui veut aussi que ce soit bon marché. Elle ne peut pas avoir les deux avec cette paire. Ce qu’elle peut avoir, c’est une cascade — un modèle bon marché pour la majorité du trafic et le modèle coûteux pour le reste — et il s’agit là d’une décision de routage plutôt que d’une décision de modèle.

Ce que nous routons, et ce que nous ne routons pas

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.

Pour la moitié open-weights de la comparaison, la version honnête est qu’aucun routeur n’aide. Les poids sont à vous, les GPU sont à vous, le kernel est à vous, et la seule voie vers le nombre 1 109 est un ingénieur avec un profileur.

Lorsque cette comparaison devient obsolète

• Muse Wonder Full atteignant une API. Le checkpoint le plus performant est actuellement enfermé derrière un abonnement, donc le Muse Wonder de cette comparaison est le modèle API à 44, et non le checkpoint Full que Meta rapporte séparément. Si Full ouvre un point de terminaison, l’écart de capacités se creuse et l’argument de la cascade devient plus difficile à défendre.

• Une reproduction indépendante des chiffres du mégakernel. Le 2,1× d’une équipe à une taille de lot de un constitue un plafond ; qu’une deuxième équipe l’égale à une taille de lot réelle en fait un cas d’auto-hébergement assorti de chiffres.

• 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.