Muse Glimmer vs DeepSeek V4 Pro: I due estremi degli Open Weights

Da qualche parte nelle clausole in piccolo del rilascio di DeepSeek V4 Pro c'è un numero che dovrebbe preoccupare chiunque pensi che "pesi aperti economici" e "ottimo nella programmazione agentica" siano la stessa cosa. Su DeepSWE, un benchmark privo di contaminazione progettato per resistere al gaming dei dati di addestramento che affligge le valutazioni di ingegneria del software, DeepSeek V4 Pro — il modello di punta Mixture-of-Experts da 1,6 trilioni di parametri pubblicato il 24 aprile 2026 con licenza MIT — ha ottenuto l'8 per cento. GPT-5.5 ha ottenuto 70 nello stesso test; Claude Opus 4.7 ha ottenuto 54. È il singolo dato indipendente più dannoso associato alla storia del modello a basso costo di maggior successo del settore, ed è rilevante per questo confronto perché Muse Glimmer, il modello agente open-weight da 30B di Meta rilasciato il 10 agosto 2026 con licenza Apache 2.0, è un modello open-weight la cui intera specifica progettuale è il lavoro agentico a lungo orizzonte che DeepSWE misura — e i cui unici punteggi finora sono stati prodotti dall'azienda che lo ha creato.

Quindi questo è un confronto tra due modelli agli estremi opposti dello spettro dei pesi aperti, in più modi oltre che per dimensione. Uno è un MoE da datacenter che noleggi per pochi centesimi. L'altro è un download desktop che non costa nulla se non la GPU. Uno ha un track record indipendente che include un risultato agentico catastrofico. L'altro non ha alcun track record indipendente. Questo pezzo chiarisce entrambi e lascia che il divario tra "riportato dal fornitore" e "dimostrato indipendentemente" parli da sé.

Il numero che dovrebbe preoccuparti

DeepSWE merita di essere compreso prima di qualsiasi numero di punta, perché è il test che non premia ciò che può essere memorizzato. È stato progettato per evitare la contaminazione — la pratica di valutare su dati che il modello ha già visto durante l'addestramento — e svolge lunghi compiti reali di ingegneria del software che richiedono un'esecuzione sostenuta in più passaggi, non il recupero di pattern. L'8 percento di DeepSeek V4 Pro su quel test non è un'opinione; è il risultato misurato di una valutazione indipendente, ed è un quadro completamente diverso da quello che dipinge la tabella dello stesso fornitore, dove il medesimo modello registra 80.6 su SWE-bench Verified, 93.5 su LiveCodeBench e un rating Codeforces di 3.206 che batte i 3.168 di GPT-5. Il divario tra questi due quadri è l'intera storia del perché "pesi aperti, token economici" e "bravo nel coding agentico" devono essere verificati separatamente.

Muse Glimmer non ha alcun punteggio DeepSWE. Non ha alcun punteggio indipendente di alcun tipo: è stato rilasciato questa mattina, e la sua intera tabella di benchmark è quella di Meta stessa, eseguita da Meta contro configurazioni rivali che ha ammesso di non aver ottimizzato. L'etichetta onesta per ogni numero di Glimmer in questo articolo è "dichiarato dal fornitore". Ma la progettazione del modello è mirata esattamente alla modalità di fallimento che DeepSWE espone: recupero autonomo dagli errori, piani multi-step, uso di strumenti su orizzonti lunghi. Se quella progettazione sopravvive al contatto con un test indipendente è la domanda aperta di questo confronto, e nessuno può ancora rispondere.

Due estremità dei pesi aperti

Iniziamo da cosa significa "open" per ciascuno dei due, perché non è la stessa cosa. DeepSeek V4 Pro è un MoE con 1,6T di parametri totali e circa 49B attivi per token, una finestra di contesto di 1M token, fino a 384K token di output e input solo testuale — niente visione. I suoi pesi con licenza MIT sono liberamente scaricabili, ma l'auto-hosting è un progetto da data center: il checkpoint BF16 è dell'ordine dei terabyte, quindi in pratica DeepSeek V4 Pro è qualcosa che noleggi, tramite l'API di DeepSeek o quella di una terza parte. Muse Glimmer è un modello denso e multimodale da 30B — testo più immagini tramite un encoder percettivo — sotto licenza Apache 2.0, il cui checkpoint a quattro bit, insieme al suo drafter DFlash, occupa circa 19,5GB. Uno è un modello open-weight che distribuisci; l'altro è un modello open-weight che scarichi ed esegui su una singola scheda da 24GB o 32GB, o su un Mac di fascia alta con chip della serie M. In entrambi i casi i pesi sono davvero aperti. Per il resto, non condividono quasi nulla su come li userai.

La personalità divisa del gigante

{{1}}Il punto di forza di DeepSeek V4 Pro è il benchmark isolato.{{/1}} Matematica e conoscenza: GPQA Diamond 90.1, AIME 2026 96.4, MMLU-Pro 87.5. {{2}}Codifica in ambienti controllati:{{/2}} SWE-bench Verified 80.6, LiveCodeBench 93.5. Anche la sua capacità di trovare l'ago nel pagliaio su contesti lunghi è notevole — 83.5 su MRCR a 1M di token, davanti a Gemini 3.1 Pro in quel test. {{3}}Ma sulle righe che misurano l'esecuzione agentica sostenuta, il quadro si frattura.{{/3}} Terminal-Bench 2.0 si attesta a 67.9, l'uso di strumenti a Toolathlon 51.8, {{4}}e le classifiche degli aggregatori indipendenti collocano la build standard in mezzo al gruppo nelle categorie agentiche e di codifica{{/4}} anche se i numeri di ragionamento restano vicini alla vetta. {{5}}Il risultato dell'8 percento su DeepSWE è la frattura portata al suo estremo.{{/5}}

La tabella riportata dal fornitore di Muse Glimmer indica il contrario: le sue righe più forti sono quelle agentiche. MCP-Atlas 75.5, DeepSearch QA 74.6, GAIA2 43.3, SWE-bench Verified 76.0, SWE-bench Pro 51.2, Terminal-Bench 2.1 51.7. A confronto con i numeri del coder verificato di DeepSeek — 80.6 SWE-bench Verified, 93.5 LiveCodeBench, 90.1 GPQA Diamond — Glimmer perde quasi tutte le righe che contano in una tabella di benchmark. I modelli sono bravi in cose diverse, e il tipo di cosa in cui Glimmer afferma di essere brava è esattamente il tipo di cosa in cui, secondo il record indipendente di DeepSeek, l'approccio del gigante economico sbaglia.

Quanto costa ciascuno, onestamente

Il prezzo di listino pubblicato di DeepSeek V4 Pro è di $1.74 per milione di token in ingresso e $3.48 per milione di token in uscita, con input in cache-hit intorno a $0.145. Lo sconto permanente di DeepSeek — inizialmente presentato come promozionale e poi mantenuto — porta la tariffa effettiva a circa $0.44 in ingresso e $0.87 in uscita: prezzi abbastanza bassi da far sì che la voce per-token smetta quasi di essere il fattore decisivo, e abbastanza bassi da spiegare perché è la scelta economica predefinita per una larga fetta del settore. Questa tariffa è attiva tramite l'API del fornitore stesso e diverse piattaforme di terze parti; su OrcaRouter viene inoltrata con markup 0% — il prezzo di listino del provider, senza margine aggiunto — quindi un taglio di prezzo di DeepSeek è visibile sulla pagina del modello lo stesso giorno in cui avviene, il che è il modo onesto per confrontarlo con qualsiasi altro modello del catalogo.

Muse Glimmer costa zero per token, e il costo onesto è l'hardware: una GPU da 24GB o 32GB con la RTX 5090 come punto di riferimento, o un Mac M-series al massimo. Se la possiedi, il costo marginale di un agente locale sempre attivo è l'elettricità. Se non la possiedi, la GPU è la voce in bilancio — e per molti team quell'acquisto una tantum è più economico persino della tariffa scontata di DeepSeek per l'intera vita di un agente sempre attivo, mentre per altri vince il modello a pagamento per token perché vogliono il contesto da 1M e l'output da 384K che un modello locale da 19.5GB non può contenere. Il confronto dei prezzi si risolve solo quando decidi in quale ambiente di distribuzione vivi realmente.

La politica sottostante

Vale la pena citare il contesto, perché determina quanto ci si possa fidare delle tabelle dell'uno o dell'altro fornitore. Il saggio di Zuckerberg che accompagna il rilascio di Muse Glimmer, "The Future is for Everyone," ha esplicitamente nominato DeepSeek, insieme a Qwen e Moonshot, come i laboratori cinesi di modelli aperti con cui le release americane open-weight devono competere, e ha chiesto una regolamentazione statunitense più permissiva per l'IA open-source. Meta sta presentando Glimmer come la risposta nazionale all'onda dei modelli open-weight a basso costo. Questa cornice è reale, ed è esattamente il tipo di situazione in cui i benchmark gestiti dai fornitori meritano il massimo scetticismo: entrambe le parti vendono un racconto nazionale insieme a un modello. Il contrappeso è la misurazione indipendente che esiste già per DeepSeek (incluso l'8 percento), e la misurazione indipendente che non esiste ancora per Glimmer.

Chi dovrebbe gestire cosa

I due modelli non sono intercambiabili e la decisione è in gran parte una questione di perimetro di distribuzione mascherata da benchmark. Se il tuo carico di lavoro è affamato di token e di contesto — input enormi, output lunghi, matematica e conoscenza su larga scala — DeepSeek V4 Pro alla tariffa scontata è una delle migliori offerte in termini di costo per capacità del catalogo, e il suo risultato dell'8% su DeepSWE conta meno per carichi di lavoro che non sono codifica agentica a lungo orizzonte. Se il tuo carico di lavoro è un agente locale sempre attivo — ad alta frequenza, privato, interattivo, con chiamate a strumenti — Muse Glimmer è la forma della risposta, con l'avvertenza che le sue affermazioni agentiche sono ancora interamente auto-dichiarate e richiedono un test indipendente. Se il tuo carico di lavoro è entrambe le cose — e la maggior parte degli stack di agenti reali lo è — allora i due modelli sono due livelli di un unico sistema: il 30B locale per il percorso veloce, privato e ad alta frequenza, e il MoE a noleggio per il lavoro pesante sui contesti lunghi.

Cosa risolverebbe questo confronto, in ordine approssimativo di velocità: un risultato indipendente di Glimmer su un test a lungo orizzonte privo di contaminazioni come DeepSWE, che è il singolo numero più utile che manca a questo confronto; una seconda riproduzione indipendente dell'8 per cento ottenuto da DeepSeek per confermare che non sia stata un'anomalia della configurazione; e il primo provider che mette in piedi un endpoint Glimmer, il momento in cui una divisione tra locale e noleggiato smette di essere ipotetica e diventa qualcosa che puoi collegare con una sola chiave. Fino ad allora, il riepilogo onesto è breve. DeepSeek V4 Pro è il gigante open-weight con una storia comprovata di token a basso costo e una debolezza specifica e misurata. Muse Glimmer è il nuovo arrivato open-weight la cui intera proposta mira esattamente a quella debolezza — e la cui unica prova finora è la sua stessa parola.