Muse Spark Open vs Muse Spark: Apa yang Anda Relakan Saat Meta Menyerahkan Bobot kepada Anda

Perbandingan yang sebenarnya dimaksud orang ketika mereka mengetik "Muse Spark Open vs Muse Spark" bukanlah dua model — melainkan dua model distribusi yang memakai nama keluarga yang sama. Muse Spark Open adalah model sparse mixture-of-experts berparameter 816B dengan bobot terbuka yang diterbitkan Meta pada 15 Oktober 2026, dapat diunduh di bawah Muse Model License, menerima masukan teks, gambar, video, dan audio serta mengeluarkan teks. Muse Spark adalah lini hosted tertutup dari keluarga yang sama — model asli dari April 2026, lalu Muse Spark 1.1, 1.2, dan 1.3 secara berurutan — dijual per token melalui Model API milik Meta dan tidak dapat diakses dengan cara lain. Satu hadir sebagai file dan lisensi; yang lain hadir sebagai endpoint dan daftar tarif. Hampir setiap perbedaan praktis di antara keduanya berasal dari percabangan tunggal itu.

Pertama, masalah penamaan yang perlu dijelaskan

"Muse Spark" tanpa nomor versi benar-benar ambigu, dan ambiguitas itu menjadi makin parah sekarang karena ada saudara terbuka.

• Muse Spark, tanpa versi — model asli, dirilis April 2026, konteks 262K token pada daftar Artificial Analysis, masukan teks, gambar, dan suara.

• Muse Spark 1.1 dan 1.2 — masing-masing Juli dan Agustus 2026, keduanya pada jendela konteks 1M token milik keluarga ini.

• Muse Spark 1.3 — September 2026, versi yang oleh Meta ditandai sebagai terkini dan direkomendasikan untuk pekerjaan baru.

• Muse Spark Open — rilis berbobot terbuka yang terpisah, bukan versi dari lini tertutup, dan bukan penerus 1.3.

Dan hal keempat yang sering tertukar dengan semua hal di atas: Muse Glimmer, model terbuka dense 30B dengan lisensi Apache 2.0 dari kelompok riset yang sama. Seseorang yang mencari "open Meta Muse model" dan mendarat di Glimmer telah menemukan model open-weight yang asli, tetapi bukan model yang dimaksud. Muse Spark Open adalah model 816B; Glimmer adalah model lokal yang kecil.

Apa kedua sisi itu, di atas kertas

Enam dimensi, kedua sisi, menggunakan angka yang dinyatakan vendor dan daftar independen Artificial Analysis jika ada.

• Bobot — Muse Spark Open: dapat diunduh, total 816B / aktif 42B, repositori akses terbatas, checkpoint BF16 dan NVFP4. Muse Spark (lini tertutup): tanpa bobot, tanpa lisensi, tanpa unduhan untuk versi apa pun, termasuk 1.3.

• Masukan — Open: teks, gambar, video, dan audio menurut Meta, serta teks, gambar, ucapan, dan video menurut daftar Artificial Analysis. Closed 1.2: teks, gambar, ucapan, dan video menurut Artificial Analysis. Kedua sumber sepakat tentang daftar modalitas model terbuka; yang belum diterbitkan oleh keduanya adalah pengukuran jalur audio atau video.

• Keluaran — hanya teks, di kedua sisi. Keduanya tidak menghasilkan gambar, audio, atau video.

• Konteks — 1.048.576 token untuk Open dan untuk 1.1, 1.2, dan 1.3. Muse Spark asli tanpa versi berada lebih rendah, pada 262K.

• Lisensi dan ketentuan — Terbuka: Muse Model License dengan persyaratan atribusi dan klausul model-as-a-service yang berlaku di atas pendapatan afiliasi tahunan $20M. Tertutup: ketentuan API komersial, dengan tingkat "Contributor" berdiskon yang menukar harga lebih rendah dengan izin untuk melatih model menggunakan prompt dan completion Anda.

• Harga — Open: Meta tidak menetapkan biaya apa pun, karena Meta tidak menyediakannya. Yang Anda bayar adalah perangkat keras Anda sendiri atau berapa pun yang dibebankan oleh platform inferensi. Closed 1.3: $1.25 per juta token masukan, $4.25 per juta token keluaran, $0.15 per juta masukan yang di-cache, dengan varian Contributor seharga $0.10 / $0.20 / $0.002.

Angka-angka independen, dan catatan jujur tentangnya

Artificial Analysis adalah satu-satunya pihak ketiga dengan listing publik untuk kedua sisi perbandingan ini, sehingga hanya di sana pembacaan yang setara (like-for-like) bahkan mungkin dilakukan — dengan satu tanda bintang yang tidak disembunyikannya: lembaga ini melakukan benchmark model berbobot terbuka terhadap model berbobot terbuka lain dari kelas ukuran yang sama, dan model proprietary terhadap model proprietary serta model terbuka di rentang harga yang sama. Perhatikan juga bahwa angka lini tertutup di bawah ini adalah pengukuran Artificial Analysis sendiri atas endpoint yang dihosting, sementara Index dan kecepatan model terbuka berasal dari listing yang dihosting oleh analis yang sama untuk model yang tidak wajib dihosting oleh siapa pun. Oleh karena itu, skor-skor tersebut sebanding dalam arah, bukan padanan yang telah diaudit.

• Muse Spark Open (xhigh) — Indeks Kecerdasan 39, masukan teks, gambar, ucapan, dan video, kecepatan keluaran 103,4 token per detik, harga hosted yang tercantum $1,25 masuk / $4,25 keluar, $0,84 per tugas indeks.

• Muse Spark 1.2 (xhigh) — Indeks Kecerdasan 40, masukan teks, gambar, ucapan, dan video, 361,4 token per detik, $1,25 masuk / $4,25 keluar, $0,97 per tugas indeks. Halamannya kini memuat pemberitahuan penghentian penggunaan yang mengarah ke 1.3.

• Muse Spark 1.3 (max) — Intelligence Index 48, teks, gambar, dan video masuk, 121,9 token per detik, $1,25 masuk / $4,25 keluar, $1,60 per tugas indeks.

• Muse Spark Asli — Indeks Kecerdasan 31, konteks 262K, kecepatan dan biaya tidak terukur, ditandai sebagai usang.

Bentuk daftar itulah bagian yang menarik. Model terbuka tidak mengalahkan lini tertutup. Ia berada satu poin di bawah 1.2 yang sudah usang dan sembilan poin di bawah 1.3 pada pengaturan penalaran maksimumnya — dan ia melakukannya sambil kira-kira tiga setengah kali lebih lambat daripada 1.2. Yang ia menangkan adalah biaya per tugas: $0,84 versus $1,60 milik 1.3 pada indeks yang sama, yang merupakan angka per tugas termurah di keluarga ini. Jadi yang dipertukarkan bukanlah kemampuan, dan sebenarnya bukan pula harga per token, karena setiap daftar yang dihosting dalam tabel ini mencantumkan $1,25 / $4,25 yang sama. Yang dipertukarkan adalah kendali.

Satu angka dalam tabel itu lebih pantas dicurigai daripada dikutip. Harga hosting yang tercantum untuk Muse Spark Open identik dengan harga daftar Meta untuk Muse Spark 1.3 yang tertutup, hingga ke sen, di ketiga kolom. Itu bisa jadi harga keseimbangan pasar yang sesungguhnya, atau bisa jadi seorang analis mengisi kolom itu dengan kartu tarif model saudaranya sementara harga model itu sendiri masih dalam proses stabilisasi. Sampai faktur penyedia yang sebenarnya mengonfirmasinya, anggap angka biaya Open sebagai sementara dan angka 1.3 sebagai yang diterbitkan vendor.

Apa yang membuat lisensi terbuka membebani Anda, yang tidak akan pernah dilakukan API

Lisensi adalah titik di mana kedua jalur paling tajam menyimpang, dan itulah bagian yang paling sering dibaca sekilas oleh pembaca.

Yang Anda dapatkan secara jelas: kebebasan untuk menggunakan, menyalin, memodifikasi, melakukan fine-tune, mendistilasi, menggabungkan, menerbitkan, memberikan sublisensi, dan menjual turunannya, dengan Meta tidak mengklaim kepemilikan atas output. Dua kondisi ditambahkan di atas semua itu.

• Atribusi — lisensi mengharuskan "Built with Muse Spark Open" ditampilkan secara mencolok di antarmuka produk apa pun yang menggunakan model atau turunannya, atau dalam dokumentasi, situs, atau menu pengaturannya.

• Pemicu model-as-a-service — jika Anda atau afiliasi Anda memberikan akses kepada pihak ketiga ke model tersebut sebagai produk atau layanan melalui API, dan total pendapatan bruto agregat melebihi $20M selama dua belas bulan berturut-turut mana pun, Anda harus memberi tahu Meta dan menandatangani perjanjian terpisah terlebih dahulu. Penggunaan internal, riset, dan menyertakan model tersebut di dalam produk non-API Anda sendiri dikecualikan.

• Akses terbatas — unduhan itu sendiri dikendalikan aksesnya, dengan formulir permintaan yang meminta nama lengkap yang sah, tanggal lahir, dan organisasi dengan pengenal korporat, serta tidak dapat diedit setelah dikirim.

Bandingkan itu dengan ketentuan lini tertutup, dan perbandingannya terbalik. Jalur API tidak menanyakan apa pun tentang atribusi, tidak memberlakukan ambang pendapatan, dan tidak melibatkan dokumen apa pun selain kunci. Yang ditanyakannya adalah pertanyaan data: pada tier Contributor, Meta dapat melatih menggunakan prompt dan completion Anda, yang justru membuatnya sekitar sepuluh kali lebih murah untuk input dan lebih dari dua puluh kali lebih murah untuk output. Janji tier Standard tertutup adalah kebalikannya — data Anda tidak digunakan untuk pelatihan.

Berapa biaya sebenarnya untuk menjalankan setiap jalur

Perbandingan utama "$0 per token versus $1,25 per juta" salah di kedua arah, jadi ada baiknya harga dihitung secara jujur.

• Pusat data BF16 — Resep Meta sendiri menjalankan checkpoint lengkap di empat node yang masing-masing berisi delapan GPU H200 dengan paralelisme tensor 32. Bobot terbuka tidak menghapus tagihan perangkat keras; bobot itu memindahkannya ke neraca Anda.

• Pusat data NVFP4 — build 4-bit didokumentasikan pada satu node B200, dengan konfigurasi referensi SGLang dari Meta yang mencakup empat GPU GB300.

• Desktop — opsi yang benar-benar baru. Dua mesin Mac Studio dengan chip M5 Ultra menyimpan checkpoint BF16 penuh, karena masing-masing menyediakan hingga 512GB memori terpadu dengan bandwidth 1,2TB/s. Kuantisasi 2-bit yang diuji oleh tim Hugging Face dan llama.cpp berjalan pada satu M3 Ultra 512GB dengan kecepatan 18 token per detik menggunakan 304GB, dengan ruang tersisa untuk cache.

• Jebakan konteks, pada kedua jalur — pada jendela 1M token penuh di BF16, cache KV saja mencapai sekitar 266GB. Membeli bobotnya tidak berarti Anda mendapatkan jendelanya; pada endpoint yang dihosting, plafon yang sama berada di balik harga per token yang naik dengan pola yang sama.

Lini tertutup tidak memiliki padanan untuk baris desktop. Tidak ada konfigurasi di mana Muse Spark 1.3 berjalan di perangkat keras yang Anda miliki, pada kuantisasi apa pun, pada kecepatan apa pun.

Mana yang harus dipilih, berdasarkan situasi

Aturan keputusan ini lebih sempit daripada yang disiratkan oleh pemasaran di kedua sisi.

• Jika beban kerja Anda kritis terhadap kemampuan dan Anda memerlukan jawaban terbaik yang dapat dihasilkan keluarga ini hari ini, lini tertutup menang dan selisihnya tidak tipis — 1.3 pada penalaran maksimum mencetak sembilan poin indeks di atas model terbuka, dan model terbuka lebih lambat.

• Jika kendala Anda adalah bahwa prompt tidak boleh meninggalkan infrastruktur yang Anda kendalikan, atau bahwa Anda perlu melakukan fine-tune, merge, atau distill, bobot terbuka adalah satu-satunya pilihan dalam keluarga ini. Tidak satu pun dari hal itu berlaku untuk versi Muse Spark mana pun.

• Jika Anda menginginkan hasil per tugas termurah pada keluarga ini, tugas indeks $0.84 milik model terbuka adalah angka terendah yang ada — tetapi itu juga angka yang paling sedikit diverifikasi, dan itu bergantung pada platform tempat Anda menjalankannya.

• Jika Anda ingin mengevaluasi salah satu dari keduanya pada lalu lintas nyata sebelum berkomitmen, pemisahan itu sendiri adalah argumen untuk satu endpoint: Muse Spark 1.2 adalah salah satu dari dua model Muse yang dirutekan OrcaRouter, dengan harga daftar Meta tanpa markup 0%, sehingga perubahan harga yang dipublikasikan sampai ke kunci Anda tanpa negosiasi ulang. Muse Spark Open tidak ada di katalog kami dan kami tidak mengklaim demikian — model itu Anda unduh, bukan Anda panggil. Kami juga tidak merutekan Muse Spark 1.3; dua versi yang kami layani adalah 1.2 dan 1.1.

Yang dibeli oleh lapisan routing dalam kasus spesifik ini bukanlah diskon, melainkan jalan keluar. Satu API untuk 200+ model, failover otomatis saat penyedia mengalami penurunan kinerja, dan DSL routing yang memindahkan trafik antar model lewat konfigurasi — semuanya berarti pilihan antara terbuka dan tertutup tidak lagi menjadi migrasi. Model yang dirilis sehari lalu dengan satu indeks analis dan tanpa reproduksi justru merupakan kasus di mana Anda menginginkan opsi untuk mengalihkan trafik tanpa perlu perubahan kode di baliknya.

Bagian yang belum diselesaikan oleh kedua belah pihak

Dua pertanyaan terbuka membayangi perbandingan ini, dan tak satu pun mengarah pada putusan yang jelas.

Yang pertama adalah pengukuran. Kartu skor Meta sendiri untuk Muse Spark Open dilaporkan oleh vendor dan relatif terhadap harness, dan laporan keamanan yang ditunjuk oleh tulisan peluncurannya digambarkan akan segera hadir, bukan sudah diterbitkan. Gambaran independennya adalah satu indeks analis, satu angka kecepatan, dan satu daftar modalitas — dan daftar itu setuju dengan vendor soal spesifikasi, tetapi tidak mengatakan apa pun tentang jalur masukan mana dari keempat jalur itu yang sebenarnya sudah diukur. Sembilan poin indeks adalah kesenjangan yang besar, dan saat ini kesenjangan itu diukur pada kelas model yang berbeda oleh satu pihak saja.

Yang kedua adalah apakah bobot terbuka mengubah arah keluarga ini sama sekali. Meta kini telah menerbitkan model pada skala ini sambil menjaga setiap versi lini tertutup tetap proprietari, dan rilis terbuka berada di bawah unggulan tertutup dalam hal kemampuan, bukan setara dengannya. Itu adalah strategi yang koheren — garis terdepan tetap di-hosting, wujud generasi sebelumnya menjadi unduhan — dan itu adalah strategi yang belum dinyatakan Meta. Jika Muse Spark Open di masa depan menyamai lini tertutup saat dirilis, perbandingan ini tidak lagi ada. Sampai saat itu, pembacaan yang jujur adalah bahwa bobot terbuka memberimu arsitektur keluarga ini dan jendela konteksnya dengan kemampuan yang didiskon, dan itu tidak memberimu garis terdepan.

Perbandingan seperti ini juga menjadi tempat munculnya mode kegagalan: insiden AI dan kegagalan agen yang terdokumentasi di balik model di kelas ini dikumpulkan dalam the OrcaRouter AI Incident Archive, di mana setiap entri membawa sumbernya sendiri, tingkat keparahan, nilai keyakinan, dan tanda perdebatan.