Muse Spark Open vs Muse Spark 1.2: Varian Unggulan Open Bukanlah Peningkatan

Naluri saat sebuah lab merilis model terbesarnya sebagai open-source adalah menganggap versi yang dapat diunduh adalah yang lebih baik, dan dalam kasus Muse Spark Open versus Muse Spark 1.2, naluri itu salah pada sumbu yang pertama kali diperiksa orang. Di Artificial Analysis, model API proprietary mencetak Intelligence Index 40 dan model 816 miliar parameter yang baru dibuka mencetak 39 — selisih satu poin, dan ke arah yang menguntungkan model yang Anda sewa. Versi terbuka bukan model yang lebih kuat. Ini tawaran yang berbeda, dan tawaran itulah keseluruhan perbandingannya.

Versi kalimat

Muse Spark 1.2 memberi Anda endpoint per token yang cepat dan murah, yang tidak perlu Anda operasikan dan yang semua modalitasnya telah dikonfirmasi secara independen. Muse Spark Open memberi Anda bobot yang dapat Anda pegang, fine-tune, audit, dan jalankan tanpa jaringan, pada perangkat keras yang harus Anda beli dan pada throughput yang belum dipublikasikan siapa pun. Itu adalah produk yang berbeda yang kebetulan berbagi nama keluarga.

Di mana posisi mereka sebenarnya

Baris demi baris, dengan pihak yang menang pada setiap dimensi disebutkan terlebih dahulu.

• Kecerdasan — Muse Spark 1.2 pada Artificial Analysis Intelligence Index 40, Muse Spark Open pada 39. Diukur secara independen di kedua sisi; selisih satu poin bukanlah alasan untuk memilih salah satu model.

Throughput — Muse Spark 1.2, dan dengan selisih yang jauh: Artificial Analysis menempatkannya di peringkat pertama dari 185 model untuk kecepatan output pada 361,4 token per detik. Kecepatan Muse Spark Open belum diukur sama sekali oleh pihak independen mana pun. Tidak ada apa pun yang ada di atas meja pada Oktober 2026 yang akan mampu menyentuh 361 tok/s pada model mixture of experts berukuran 816B; pertanyaannya adalah seberapa jauh ia akan tertinggal, dan angka itu belum ada.

• Harga — Muse Spark 1.2 seharga $1,25 per juta token masukan dan $4,25 per juta token keluaran, dengan diskon 88% untuk input yang di-cache dan biaya terukur $0,97 per tugas Intelligence Index. Muse Spark Open tidak memiliki harga per token; harganya adalah pembelian perangkat keras, dan Artificial Analysis belum menerbitkan angka biaya untuknya.

• Bobot — Muse Spark Open, sepenuhnya. Repositori Hugging Face dengan akses terbatas di bawah Muse Model License, dalam BF16 dan NVFP4, sekitar 1,5TB sebelum overhead runtime. Bobot Muse Spark 1.2 tidak didistribusikan dalam bentuk apa pun.

• Pengoperasian lokal — Muse Spark Open, di dua M5 Ultra Mac Studio dengan MLX atau di satu node Blackwell empat GPU dengan TensorRT-LLM. Muse Spark 1.2 tidak berjalan di mana pun selain di penyedia.

• Penyetelan halus — Muse Spark Open, dengan Meta merilis dukungan TorchTitan khusus untuknya. Muse Spark 1.2 tidak dapat disetel dengan data Anda.

• Modalitas — diperdebatkan, dan berdasarkan bukti yang tersedia, hal itu menguntungkan Muse Spark 1.2. Artificial Analysis mencantumkan 1.2 sebagai menerima teks, gambar, ucapan, dan video, serta mencantumkan model terbuka sebagai hanya menerima teks dan gambar, sementara materi Meta sendiri mengklaim teks, gambar, video, dan audio untuk Muse Spark Open. Pengukuran independen telah mengonfirmasi klaim yang lebih sempit; vendor telah menyatakan klaim yang lebih luas.

• Penalaran — pada dasarnya pengaturan yang sama pada keduanya. Keduanya tidak memungkinkan Anda menonaktifkan penalaran. Muse Spark Open menyediakan tingkat upaya low, medium, high, dan xhigh yang memetakan ke 16, 64, 256, dan 512 token penalaran, serta petunjuk kekuatan penalaran dalam system prompt.

• Konteks — hasil imbang yang sesungguhnya pada 1.048.576 token, dengan satu catatan penting yang membedakan keduanya dalam praktik. Pada Muse Spark Open, konteks penuh sejuta token dalam BF16 memakan sekitar 266GB KV cache di samping bobotnya. Pada Muse Spark 1.2, konteks adalah masalah kapasitas pihak lain.

• Lisensi — Muse Spark Open di bawah Muse Model License dengan ketentuan komersial terbatas; Muse Spark 1.2 di bawah ketentuan API biasa. Keduanya bukan Apache 2.0, dan lisensi terbukanya adalah yang benar-benar harus Anda baca.

Baca daftar itu dari atas ke bawah dan bentuk keputusannya sudah terlihat: model terbuka unggul dalam hal-hal yang Anda lakukan terhadap model, dan model yang dihosting unggul dalam hal-hal yang model lakukan terhadap Anda.

Satu angka yang menentukan bagi sebagian besar tim

Spesifikasi utama Muse Spark 1.2 adalah 361,4 token per detik, peringkat pertama dari 185 model yang diukur. Itu bukan angka pemasaran — itulah yang membuat model ini dapat digunakan di dalam loop agen, tempat agen pengodean memicu puluhan bolak-balik kecil per menit dan biaya waktu aktual model adalah biaya waktu aktual tugas.

Throughput Muse Spark Open tidak diketahui. Itulah keadaan bukti yang jujur, dan itu adalah celah tunggal terbesar dalam perbandingan apa pun yang ditulis minggu ini. Yang dapat dikatakan dengan yakin bersifat struktural: model 816 miliar parameter yang mengaktifkan 42 miliar parameter per token di perangkat keras desktop konsumen dibatasi oleh bandwidth memori, bukan oleh komputasi. Dua M5 Ultra Mac Studios memberi Anda 1,2 TB/s dan satu terabyte memori terpadu, yang cukup untuk menampung model dan membaca irisan tiap token. Itu tidak cukup untuk membuat agen interaktif terasa seperti API. Jika beban kerja Anda interaktif, ini bukan pilihan yang nyaris imbang. Jika beban kerja Anda bersifat batch — penyisiran repositori semalaman, evaluasi offline, ekstraksi skala besar di mana latensi tidak relevan dan biaya per token adalah segalanya — kalkulasinya berbalik sepenuhnya.

Apakah desktop itu sebenarnya lebih murah?

Di sinilah model terbuka layak mendapat tempatnya, dan juga di sinilah versi naif dari argumen tersebut gagal. Konfigurasi dua Mac Studio adalah pembelian barang modal ditambah daya, pendinginan, dan perhatian seseorang. Sebagai pembandingnya, Anda menghitung token yang tidak lagi Anda beli.

Perbandingan baru benar-benar masuk akal pada volume tertentu, dan alasannya adalah diskon cache Muse Spark 1.2 sudah melakukan banyak hal di sisi hosted. Dengan diskon 88% untuk input yang di-cache, model ini murah justru untuk pola konteks berulang yang dihasilkan oleh coding agentic — repositori yang sama, system prompt yang sama, definisi alat yang sama, dibaca lagi pada setiap giliran. Deployment self-hosted tidak mendapatkan diskon; ia mendapatkan biaya tetap, dan biaya tetap itu hanya teramortisasi oleh penggunaan yang besar, stabil, dan dapat diprediksi. Tim yang menjalankan lalu lintas agen yang meledak-ledak pada penyiapan desktop dua mesin telah membeli biaya tetap untuk melayani beban yang bervariasi, yang merupakan cara klasik perhitungan ini menjadi salah.

Pembingkaian yang jujur adalah bahwa self-hosting Muse Spark Open adalah keputusan kapasitas, bukan keputusan biaya. Anda membelinya untuk menjamin bahwa model itu tersedia, bahwa model itu tidak dapat dideprecate saat Anda masih mengandalkannya, bahwa prompt Anda tidak pernah meninggalkan gedung Anda, dan bahwa Anda dapat mengubah perilakunya melalui fine-tuning. Itu adalah alasan-alasan yang nyata dan terkadang menentukan. "Ini akan lebih murah" adalah alasan yang harus dihitung ulang untuk trafik Anda, dan untuk banyak trafik, itu sama sekali tidak benar.

Untuk apa sebenarnya masing-masing

Muse Spark 1.2 adalah model untuk membangun produk di atasnya. Model ini cepat, memiliki biaya per tugas yang terukur, daftar modalitasnya dikonfirmasi secara independen, dijual per token dengan diskon cache yang cocok untuk pola agentik, dan dapat dirutekan hari ini. Memilihnya berarti memilih membelanjakan uang alih-alih waktu rekayasa, dan pada $1.25/$4.25 itu sering kali merupakan pertukaran yang tepat.

Muse Spark Open adalah model untuk membangun kapabilitas di atasnya. Fine-tuning adalah alasan keberadaannya: jika tugasnya sempit, bervolume tinggi, dan terspesifikasi dengan baik — agen yang spesifik untuk basis kode, pipeline dokumen untuk korpus tetap, pengklasifikasi yang harus berjalan on-premises — maka model 42B-active yang telah di-tuning dan Anda miliki akan mengalahkan endpoint serbaguna yang Anda sewa, dan tidak ada banyaknya prompt engineering yang dapat menutup kesenjangan itu. Kisah desktop adalah argumen yang sama dalam versi mini: intinya bukan bahwa ia berjalan di Mac, melainkan bahwa ia berjalan di tempat Anda berada.

Pertanyaan modalitas, dan mengapa itu penting

Meta mengatakan Muse Spark Open menerima teks, gambar, video, dan audio. Artificial Analysis, yang mengukur model tersebut, mencantumkan teks dan gambar. Kesenjangan itu bukanlah sekadar meributkan detail sepele — model open-weight yang multimodal secara native adalah aset yang secara fundamental berbeda dari model teks-dan-gambar, dan perbedaannya menentukan apakah model tersebut sama sekali merupakan kandidat untuk pipeline audio dan video.

Penjelasan yang paling mungkin itu biasa saja: Artificial Analysis mungkin telah mengevaluasi melalui endpoint atau konfigurasi yang tidak mengekspos modalitas tambahan, atau arsitekturnya mungkin menerima input yang tidak digunakan oleh deployment yang dikirim. Yang penting untuk sebuah keputusan adalah bahwa klaim yang luas dinyatakan oleh vendor dan klaim yang sempit diukur. Jika audio atau video adalah alasan Anda tertarik, verifikasi hal itu di stack Anda sendiri sebelum Anda mengalokasikan perangkat keras untuk itu. Jika bukan, pertanyaannya akademis — dan perhatikan bahwa dukungan ucapan dan video Muse Spark 1.2 dikonfirmasi di sisi independen, yang bukan posisi yang dapat diklaim model terbuka saat ini.

Menjalankannya berdampingan

Sebagian besar tim yang akhirnya menggunakan keduanya sama sekali tidak memilih di antara keduanya. Pola yang berhasil adalah dengan mempertahankan model terkelola pada jalur interaktif dan model terbuka pada jalur batch dan on-premises, serta menegakkan pemisahan tersebut dalam konfigurasi, bukan dalam dokumentasi.

Itulah gunanya lapisan perutean. OrcaRouter merutekan Muse Spark 1.2 dengan harga daftar Meta dengan markup 0%, sehingga sisi hosted dari pembagian itu berbiaya persis sama seperti di API Meta sendiri — pemotongan harga vendor langsung berlaku pada kunci yang sama di hari yang sama — dan ini menempatkan model di balik antarmuka yang sama dengan 200+ lainnya, dengan failover otomatis ketika penyedia mengalami penurunan dan DSL perutean untuk memindahkan lalu lintas antar model dan penyedia tanpa penulisan ulang. OrcaRouter tidak menghosting Muse Spark Open dan tidak mengklaim demikian; model yang nilainya terletak pada fakta bahwa Anda dapat mengunduhnya adalah model yang Anda jalankan sendiri. Yang diberikan router kepada Anda adalah separuh lainnya dari pembagian itu, sehingga jalur interaktif tetap berada di endpoint yang cepat sementara jalur batch berjalan di perangkat keras Anda sendiri.

Putusan

Muse Spark Open vs Muse Spark 1.2 bukanlah pertarungan antara model yang lebih baik dan model yang lebih buruk. Ini adalah pertarungan antara memiliki sebuah model dan menyewanya, dan kedua sisi pertarungan itu tidak diukur dalam satuan yang sama — yang satu dalam poin Intelligence Index dan token per detik, yang lain dalam modal, kendali, dan hak untuk mengubah bobotnya.

Pilih Muse Spark 1.2 jika Anda menginginkan kemampuan terukur terkuat per dolar upaya rekayasa, jika latensi penting, jika Anda menginginkan audio dan video yang terkonfirmasi, atau jika Anda hanya perlu model Muse di satu key hari ini. Pilih Muse Spark Open jika Anda perlu melakukan fine-tuning, jika data tidak boleh meninggalkan jaringan Anda, jika beban kerja cukup besar dan dapat diprediksi untuk mengamortisasi perangkat keras, atau jika jaminan ketersediaan lebih berharga bagi Anda daripada poin terakhir dalam skor indeks.

Satu-satunya nasihat yang layak diberikan adalah menolak kerangka berpikir bahwa bobot terbuka otomatis merupakan opsi yang lebih mumpuni. Berdasarkan bukti, tidak demikian. Bobot terbuka justru lebih menjadi milik Anda.

Muse Spark Open kini dapat diunduh di bawah Muse Model License; Muse Spark 1.2 tersedia per token melalui API Meta dan di OrcaRouter dengan harga daftar.