Muse Spark Open vs Muse Wonder: Satu Bisa Diunduh, Satu Hanya Bisa Disewa

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.

Terpaut tiga hari, dan tidak berada dalam kategori yang sama

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.

Semua yang mengikuti setelahnya berpangkal dari itu. Harga model tertutup adalah apa pun yang dikatakan vendor, dan kemampuannya dapat direvisi oleh vendor kapan saja. Harga model terbuka adalah angka modal — GPU, daya, insinyur — dan kemampuannya adalah apa yang dapat diekstrak oleh serving stack Anda darinya. Jadi perbandingan yang berguna bukanlah "mana yang skornya lebih tinggi," yang selisihnya jauh, melainkan "mana dari kedua ini yang lebih murah bagi Anda untuk mencapai kemampuan yang Anda butuhkan," yang sepenuhnya bergantung pada apa yang sudah Anda miliki dan apa yang boleh Anda lakukan dengan bobotnya.

Kedua model menerima teks, gambar, ucapan, dan video sebagai masukan serta menghasilkan teks sebagai keluaran, dan keduanya mengiklankan jendela konteks sebesar 1,048,576 token. Di situlah kemiripannya berakhir.

Papan skor sebagaimana adanya hari ini, bukan seperti yang Anda ingat

Artificial Analysis merombak Intelligence Index miliknya, dan versi saat ini adalah v5.0.1, yang mencakup sembilan evaluasi: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 pada subset sulitnya, dan Terminal-Bench-Science 0.1. Hal itu penting untuk perbandingan ini karena angka apa pun yang Anda baca tentang salah satu model sebelum revisi ini tidak berada pada skala yang sama dengan angka di bawah. Kedua entri dinilai ulang dalam suite yang sama, sehingga selisih di antara keduanya dapat dibandingkan meskipun nilai absolutnya tidak dapat dibandingkan dengan angka lama yang mungkin telah Anda lihat untuk salah satunya.

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.

Baris per evaluasi menyatakan hal yang sama dengan resolusi yang lebih tinggi. Setiap baris di bawah ini memuat kedua sisi pada dimensi yang sama, dalam urutan yang sama, sehingga dapat dibaca sebagai pasangan, bukan sebagai dua klaim terpisah.

• 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.

Satu catatan untuk semuanya. Ini adalah angka evaluator, bukan angka vendor, sehingga menjadi bukti yang lebih kuat di antara dua jenis bukti yang tersedia. Namun, ini tetap harness dari satu lab pada suite yang juga direvisi pada siklus ini, dan beberapa evaluasi ini cukup baru sehingga skornya akan terus berubah. Anggaplah arahnya valid dan angka desimal ketiga sebagai derau.

Jumlah parameter, dan di mana catatan itu berhenti begitu saja

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.

Untuk Muse Wonder, angka yang sesuai tidak ada pada catatan yang dapat kami verifikasi. Artificial Analysis menandainya sebagai proprietary dan panel spesifikasi teknisnya mencantumkan reasoning, modalitas input, modalitas output, dan konteks — tanpa baris total atau parameter aktif sama sekali. Kami tidak akan menyimpulkan jumlah parameter dari harga atau dari benchmark, dan kami tidak akan mengulangi angka yang tidak dapat kami tunjuk sumbernya. Yang dapat dikatakan bersifat arah: model tertutup berindeks 44 dengan kartu tarif $4/$20 melayani sesuatu yang jauh lebih besar daripada model terbuka dengan 42 miliar parameter aktif, dan setiap biaya penyajian yang ditanggungnya adalah modal pihak lain, bukan modal Anda.

Model murah itu juga yang cepat, itulah kejutannya.

Harga dan kecepatan biasanya saling bertolak belakang. Di sini keduanya bergerak ke arah yang sama, dan itulah temuan yang paling relevan untuk pengambilan keputusan di kedua halaman.

• 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.

Konsekuensi praktisnya adalah selisih harga lebih lebar daripada yang disiratkan oleh daftar tarif, karena Anda membayar per token dan Muse Wonder mengeluarkan lebih banyak token per tugas. Hal ini membawa kita pada satu-satunya angka yang membandingkan dua model secara jujur di berbagai harga dan tingkat kerincian yang berbeda: biaya per tugas.

Berapa biaya aktual sebuah tugas pada masing-masing

Artificial Analysis menghitung biaya menjalankan seluruh rangkaian evaluasinya dan membaginya dengan jumlah tugas, dengan memberi bobot pada setiap evaluasi sesuai kontribusinya terhadap Index. Hasilnya adalah angka yang sebanding dan sudah memperhitungkan perbedaan verbositas.

• 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.

Lisensi adalah pos biaya yang disembunyikan oleh kartu tarif

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.

Yang pertama adalah klausul model-sebagai-layanan. Jika Anda memberikan akses kepada pihak ketiga ke model tersebut sebagai produk atau layanan melalui API dan pendapatan bruto agregat Anda dari hal itu melebihi dua puluh juta dolar AS dalam periode dua belas bulan berturut-turut apa pun, Anda harus memberi tahu Meta dan menandatangani perjanjian tertulis terpisah sebelum melanjutkan. Menanamkan model tersebut ke dalam produk Anda sendiri dikecualikan; menjualnya kembali tidak. Tim yang berniat menjadi penyedia inferensi di atas bobot ini harus membaca klausul tersebut sebelum menulis dokumen arsitektur, bukan sesudahnya.

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.

Apa yang diberikan lisensi secara gamblang adalah bagian yang membenarkan unduhan: fine-tuning, distilasi, penggabungan, penerbitan, sublisensi, dan penjualan turunan, dengan Meta tidak mengklaim kepemilikan atas output. Muse Wonder tidak menawarkan semua itu. Anda tidak dapat melakukan fine-tuning pada checkpoint yang dihosting, Anda tidak dapat menggabungkannya ke dalam model domain, Anda tidak dapat menjalankannya di lingkungan terisolasi, dan Anda tidak dapat memperbaiki perilaku dengan melatihnya ulang. Premi yang Anda bayar untuk Muse Wonder membeli kemampuan dan membebaskan Anda dari beban operasional; itu juga membebaskan Anda dari setiap opsi yang memerlukan sentuhan pada bobot.

Satu poin prosedural yang sering membuat orang terkejut: unduhannya sendiri dibatasi. Repositori dikontrol aksesnya, formulir permintaan meminta nama resmi, tanggal lahir, dan organisasi beserta identitas korporat, serta tidak dapat diubah setelah dikirim. Perhitungkan antrean, bukan sekadar sekali klik.

Di mana megakernel mengubah aritmetika

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.

Jika itu diletakkan berdampingan dengan angka-angka layanan hosted, bentuk keputusan ini berubah. Endpoint sewaan menjawab pada 169 token per detik; stack delapan GPU rakitan sendiri yang menjalankan kernel penelitian menjawab pada 1.109. Angka kedua adalah batch-size satu, pada satu permintaan GSM8K, median dari 20 langkah, dan tidak ada orang di luar para penulis yang mereproduksinya — jadi itu adalah batas atas yang mungkin Anda capai, bukan angka throughput yang bisa Anda masukkan ke dalam rencana kapasitas. Namun itu menetapkan asimetri yang mendefinisikan pasangan ini: efisiensi serving model tertutup adalah milik Meta untuk ditingkatkan dan milik Anda untuk ditunggu, sementara efisiensi serving model terbuka adalah fungsi yang dapat Anda serang dengan engineer Anda sendiri.

Bagi tim yang GPU-nya sudah lunas, asimetri itu bernilai lebih dari sembilan belas poin indeks pada beban kerja di mana model terbuka sudah mendekati setara. Bagi tim yang tidak memilikinya, itu tidak bernilai sama sekali, karena angka 1.109 itu datang menempel pada node delapan GPU yang harus Anda beli.

Empat situasi, empat jawaban berbeda

Perbandingan terselesaikan dengan rapi begitu Anda menyebutkan kendalanya, dan kendala itu hampir tidak pernah menjadi tolok ukurnya.

Jika Anda merilis produk kuartal ini dan pekerjaannya adalah penalaran sulit, tugas agentik berhorizon panjang, atau apa pun yang bentuk masalahnya adalah selisih benchmark terminal sebesar 0.081 berbanding 0.520, jawabannya adalah Muse Wonder dan selisihnya tidak tipis. Anda membayar $6.95 per tugas untuk model yang menyelesaikan tugas, sedangkan alternatifnya adalah membayar $2.02 per tugas untuk model yang sering kali tidak menyelesaikannya.

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.

Jika Anda sudah memiliki klaster pelatihan dengan node kelas GB300, ekonomi model terbuka sama sekali bukan daftar tarifnya — melainkan biaya marginal GPU yang sudah Anda amortisasi. Itulah kasus ketika 1,109 token per detik menjadi penting, ketika pekerjaan megakernel langsung dapat ditindaklanjuti, dan ketika klausul model-as-a-service senilai dua puluh juta dolar menjadi satu lembar dokumen yang berdiri di antara proyek sampingan dan sebuah bisnis.

Kasus yang tidak dapat diselesaikan justru yang paling sering ditanyakan orang: tim kecil yang menginginkan kemampuan terdepan sekaligus biaya murah. Keduanya tidak bisa didapatkan sekaligus dari pasangan ini. Yang bisa diperoleh adalah kaskade — model murah untuk mayoritas trafik dan model mahal untuk sisanya — dan itu merupakan keputusan perutean, bukan keputusan model.

Apa yang kami rutekan, dan apa yang tidak

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.

Untuk separuh perbandingan yang berbasis bobot-terbuka, versi jujurnya adalah tidak ada router yang membantu. Bobotnya milik Anda, GPU-nya milik Anda, kernel-nya milik Anda, dan satu-satunya jalan menuju angka 1.109 adalah seorang engineer dengan profiler.

Saat perbandingan ini kedaluwarsa

• Muse Wonder Full mencapai sebuah API. Checkpoint dengan skor lebih tinggi saat ini terkunci di dalam langganan, jadi Muse Wonder dalam perbandingan ini adalah model API pada angka 44, bukan checkpoint Full yang dilaporkan Meta secara terpisah. Jika Full membuka endpoint, kesenjangan kemampuan akan melebar dan argumen kaskade menjadi lebih sulit dipertahankan.

• Reproduksi independen atas angka-angka megakernel. 2,1× dari satu tim pada ukuran batch satu hanyalah batas atas; tim kedua yang menyamainya pada ukuran batch nyata mengubahnya menjadi kasus self-hosting dengan angka yang menyertainya.

• 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.