Muse Spark Open vs Muse Spark: a cosa rinunci quando Meta ti consegna i pesi

Il confronto che le persone intendono davvero quando digitano "Muse Spark Open vs Muse Spark" non è tra due modelli — è tra due modelli di distribuzione che portano lo stesso nome di famiglia. Muse Spark Open è il modello sparse mixture-of-experts open-weight da 816 miliardi di parametri che Meta ha pubblicato il 15 ottobre 2026, scaricabile con la Muse Model License, che accetta in input testo, immagini, video e audio e restituisce testo in output. Muse Spark è la linea hosted chiusa della stessa famiglia — il modello originale di aprile 2026, poi Muse Spark 1.1, 1.2 e 1.3 in sequenza — venduta a token tramite la Model API di Meta e accessibile in nessun altro modo. Uno arriva come un file e una licenza; l'altro arriva come un endpoint e un listino prezzi. Quasi ogni differenza pratica tra i due deriva da quella singola biforcazione.

Innanzitutto, un problema di denominazione che vale la pena chiarire

"Muse Spark" senza un numero di versione è davvero ambiguo, e l'ambiguità peggiora ora che esiste un gemello open.

• Muse Spark, senza versione — il modello originale, rilasciato nell'aprile 2026, contesto di 262K token nella scheda di Artificial Analysis, in ingresso testo, immagini e voce.

• Muse Spark 1.1 e 1.2 — rispettivamente luglio e agosto 2026, entrambi con la finestra di contesto da 1M token della famiglia.

• Muse Spark 1.3 — settembre 2026, la versione che Meta indica come attuale e consiglia per i nuovi progetti.

• Muse Spark Open — un rilascio separato con pesi aperti, non una versione della linea chiusa, e non un successore di 1.3.

E una quarta cosa che spesso viene confusa con tutte quelle sopra: Muse Glimmer, un modello aperto denso da 30B sotto Apache 2.0 proveniente dallo stesso gruppo di ricerca. Chi cerca "open Meta Muse model" e finisce su Glimmer ha trovato un vero modello a pesi aperti, ma quello sbagliato. Muse Spark Open è il modello da 816B; Glimmer è quello piccolo e locale.

Cosa sono le due parti, sulla carta

Sei dimensioni, entrambe le parti, utilizzando i dati dichiarati dal fornitore e le rilevazioni indipendenti di Artificial Analysis laddove disponibili.

• Pesi — Muse Spark Open: scaricabili, 816B totali / 42B attivi, repository ad accesso controllato, checkpoint BF16 e NVFP4. Muse Spark (linea chiusa): nessun peso, nessuna licenza, nessun download per nessuna versione, inclusa la 1.3.

• Input — Open: testo, immagine, video e audio secondo Meta, e testo, immagine, parlato e video secondo l'elenco di Artificial Analysis. Closed 1.2: testo, immagine, parlato e video secondo Artificial Analysis. Le due fonti concordano sull'elenco delle modalità del modello aperto; ciò che nessuna delle due ha pubblicato è una misurazione del percorso audio o video.

• Output — solo testo, entrambe le parti. Nessuno dei due genera immagini, audio o video.

• Contesto — 1,048,576 token per Open e per 1.1, 1.2 e 1.3. L'originale Muse Spark senza versione si posiziona più in basso, a 262K.

• Licenza e condizioni — Aperta: Muse Model License con un requisito di attribuzione e una clausola model-as-a-service che si applica oltre i 20 milioni di dollari di ricavi annuali da affiliazione. Chiusa: termini commerciali per le API, con un livello "Contributor" scontato che scambia un prezzo più basso con il permesso di addestrare sui tuoi prompt e completamenti.

• Prezzo — Open: Meta non ne fissa alcuno, perché Meta non lo eroga. Quello che paghi è o il tuo hardware oppure quanto addebita una piattaforma di inferenza. Closed 1.3: 1,25 $ per milione di token di input, 4,25 $ per milione di output, 0,15 $ per milione di input in cache, con una variante Contributor a 0,10 / 0,20 / 0,002.

I numeri indipendenti, e l'onesta avvertenza che li riguarda

Artificial Analysis è l'unica terza parte con elenchi pubblici per entrambi i lati di questo confronto, il che ne fa l'unico luogo in cui una lettura omogenea sia anche solo possibile — con un asterisco che non nasconde: mette a confronto modelli open-weight con altri modelli open-weight della stessa classe dimensionale, e modelli proprietari con modelli proprietari e aperti nella stessa fascia di prezzo. Si noti inoltre che i valori della linea chiusa riportati di seguito sono misurazioni dirette di Artificial Analysis su endpoint ospitati, mentre l'Index e la velocità del modello aperto provengono dalla scheda ospitata dello stesso analista per un modello che nessuno è obbligato a ospitare. I punteggi sono quindi comparabili per direzione, non equivalenti verificati.

• Muse Spark Open (xhigh) — Indice di Intelligenza 39, input di testo, immagini, parlato e video, velocità di output 103,4 token al secondo, prezzo di hosting indicato $1,25 in ingresso / $4,25 in uscita, $0,84 per attività dell'Indice.

• Muse Spark 1.2 (xhigh) — Intelligence Index 40, input di testo, immagini, voce e video, 361,4 token al secondo, 1,25 $ in / 4,25 $ out, 0,97 $ per attività dell'indice. La sua pagina ora riporta un avviso di deprecazione che rimanda alla 1.3.

• Muse Spark 1.3 (max) — Indice di intelligenza 48, input di testo, immagini e video, 121,9 token al secondo, 1,25 $ in input / 4,25 $ in output, 1,60 $ per attività dell'indice.

• Muse Spark originale — Indice di intelligenza 31, contesto 262K, velocità e costo non misurati, contrassegnato come deprecato.

La forma di quella lista è la parte interessante. Il modello open non batte la linea closed. Si ferma un punto sotto il deprecato 1.2 e nove punti sotto 1.3 alla sua impostazione massima di ragionamento — e lo fa mentre è circa tre volte e mezza più lento di 1.2. Ciò che vince è il costo per task: 0,84 $ contro 1,60 $ di 1.3 sullo stesso indice, che è il valore per task più economico della famiglia. Quindi il trade-off non è la capacità e non è davvero il prezzo per token, dato che ogni listing hosted in questa tabella riporta lo stesso 1,25 $ / 4,25 $. È il controllo.

Un numero in quella tabella merita più scetticismo che citazione. Il prezzo di hosting indicato di Muse Spark Open è identico al prezzo di listino di Meta per il modello chiuso Muse Spark 1.3, al centesimo, su tutte e tre le colonne. Potrebbe essere un autentico prezzo di equilibrio di mercato, oppure potrebbe essere un analista che riempie il campo con il listino del modello fratello mentre il prezzo del modello stesso si assesta. Finché una fattura effettiva di un fornitore non lo conferma, considera i dati di costo di Open come provvisori e quelli di 1.3 come pubblicati dal fornitore.

Quello che la licenza aperta ti costa e che l'API non ti costerebbe mai

La licenza è il punto in cui i due percorsi divergono più nettamente, ed è la sezione che la maggior parte dei lettori scorre superficialmente.

Quello che ottieni, in parole povere: la libertà di usare, copiare, modificare, mettere a punto, distillare, fondere, pubblicare, concedere in sublicenza e vendere derivati, senza che Meta rivendichi alcuna proprietà sugli output. A questo si aggiungono due condizioni.

• Attribuzione — la licenza richiede che "Built with Muse Spark Open" sia visualizzato in modo ben visibile nell'interfaccia di qualsiasi prodotto che utilizzi il modello o un suo derivato, oppure nella sua documentazione, nel suo sito o nel suo menu delle impostazioni.

• La condizione scatenante del modello come servizio — se tu o le tue affiliate offrite a terzi l'accesso al modello come prodotto o servizio tramite API, e i ricavi lordi aggregati superano i 20 milioni di dollari in un qualsiasi periodo di dodici mesi consecutivi, devi prima notificare a Meta e firmare un accordo separato. L'uso interno, la ricerca e la distribuzione del modello all'interno del tuo prodotto non-API sono esclusi.

• Accesso controllato — il download stesso è protetto da controllo degli accessi, con un modulo di richiesta che richiede nome legale completo, data di nascita e organizzazione con identificatori aziendali, e che non può essere modificato una volta inviato.

Mettete questo a confronto con i termini della linea chiusa e il paragone si capovolge. La via API non chiede nulla in merito all'attribuzione, non impone alcuna soglia di ricavi e non comporta altra burocrazia oltre a una chiave. Ciò che invece chiede è la questione dei dati: sul livello Contributor, Meta può addestrare i propri modelli sui tuoi prompt e completamenti, ed è esattamente questo a renderlo circa dieci volte più economico sull'input e oltre venti volte più economico sull'output. La promessa del livello Standard chiuso è l'opposto: i tuoi dati non vengono usati per l'addestramento.

Quanto costa davvero far funzionare ogni percorso

Il confronto principale tra «0 $ per token contro 1,25 $ per milione» è sbagliato in entrambe le direzioni, quindi vale la pena applicare un prezzo onesto.

• Data center BF16 — la ricetta di Meta stessa esegue il checkpoint completo su quattro nodi da otto GPU H200 con parallelismo tensoriale 32. I pesi aperti non hanno eliminato il conto dell'hardware; l'hanno spostato sul tuo bilancio.

• Datacentre NVFP4 — la build a 4 bit è documentata su un singolo nodo B200, con la configurazione di riferimento SGLang di Meta distribuita su quattro GPU GB300.

• Desktop — l'opzione davvero nuova. Due macchine Mac Studio con chip M5 Ultra ospitano un checkpoint BF16 completo, perché ciascuna espone fino a 512 GB di memoria unificata con 1,2 TB/s di larghezza di banda. Una quantizzazione a 2 bit testata dai team di Hugging Face e llama.cpp è stata eseguita su un singolo M3 Ultra da 512 GB a 18 token al secondo utilizzando 304 GB, con spazio ancora disponibile per la cache.

• La trappola del contesto, su entrambi i percorsi — alla finestra completa da 1M token in BF16, la sola KV cache arriva a circa 266 GB. Comprare i pesi non significa comprare la finestra; su un endpoint ospitato, lo stesso tetto si nasconde dietro un prezzo per token che cresce allo stesso modo.

La linea chiusa non ha alcun equivalente nella riga desktop. Non esiste configurazione in cui Muse Spark 1.3 venga eseguito su hardware di tua proprietà, a qualsiasi quantizzazione, a qualsiasi velocità.

Quale scegliere, a seconda della situazione

La regola decisionale è più ristretta di quanto il marketing di entrambe le parti suggerisca.

• Se il tuo carico di lavoro è critico per le capacità e ti serve la migliore risposta che la famiglia possa produrre oggi, la linea chiusa vince e non c'è partita — 1.3 alla massima capacità di ragionamento ottiene nove punti indice in più rispetto al modello aperto, e il modello aperto è più lento.

• Se il tuo vincolo è che i prompt non devono lasciare l'infrastruttura che controlli, oppure che devi eseguire fine-tuning, merge o distillazione, i pesi aperti sono l'unica opzione della famiglia. Nessuna delle due condizioni è vera per alcuna versione di Muse Spark.

• Se vuoi il risultato più economico per singola attività su questa famiglia, l'attività index da 0,84 $ del modello aperto è la cifra più bassa sul tavolo — ma è anche il numero meno verificato sul tavolo, e dipende dalla piattaforma su cui lo esegui.

• Se vuoi valutare uno dei due su traffico reale prima di impegnarti, la suddivisione stessa è l'argomento a favore di un unico endpoint: Muse Spark 1.2 è uno dei due modelli Muse che OrcaRouter instrada, al prezzo di listino di Meta con 0% di markup, quindi una variazione di prezzo pubblicata raggiunge la tua chiave senza una rinegoziazione. Muse Spark Open non è nel nostro catalogo e non sosteniamo che lo sia — è un modello che scarichi, non uno che chiami. Né instradiamo Muse Spark 1.3; le due versioni che serviamo sono la 1.2 e la 1.1.

Quello che il livello di routing offre in questo caso specifico non è uno sconto, è una via d'uscita. Un'unica API su oltre 200 modelli, il failover automatico quando un provider peggiora e un DSL di routing che sposta il traffico tra i modelli tramite configurazione significano tutti che la scelta tra aperto e chiuso smette di essere una migrazione. Un modello rilasciato un giorno fa con un solo indice di analisti e nessuna riproduzione è esattamente il caso in cui vuoi avere l'opzione di spostare il traffico senza che dietro ci sia una modifica al codice.

La parte che nessuna delle due parti ha risolto

Due domande aperte aleggiano su questo confronto, e nessuna delle due si risolve a favore di un verdetto netto.

Il primo è la misurazione. La scorecard di Meta per Muse Spark Open è riportata dal fornitore ed è relativa all'harness, e il rapporto sulla sicurezza a cui rimanda il suo post di lancio è descritto come in arrivo anziché pubblicato. Il quadro indipendente è un indice di analisti, un dato di velocità e un elenco di modalità — e tale elenco concorda con il fornitore sulla specifica, senza però dire nulla su quale di quei quattro percorsi di input sia stato effettivamente misurato. Nove punti di indice rappresentano un divario ampio, e attualmente è un divario misurato in classi di modelli diverse da un'unica parte.

Il secondo è se i pesi aperti cambiano in qualche modo la direzione della famiglia. Meta ha ormai pubblicato un modello a questa scala pur mantenendo proprietaria ogni versione della linea chiusa, e il rilascio aperto si colloca al di sotto del modello di punta chiuso quanto a capacità, anziché allo stesso livello. Questa è una strategia coerente — la frontiera resta ospitata, la forma della generazione precedente diventa un download — ed è una strategia che Meta non ha dichiarato. Se un futuro Muse Spark Open eguaglierà la linea chiusa al momento del rilascio, questo confronto smetterà di esistere. Fino ad allora, la lettura onesta è che i pesi aperti ti hanno dato l'architettura della famiglia e la sua finestra di contesto a fronte di uno sconto sulle capacità, e non ti hanno dato la frontiera.

Comparisons like this one are also where the failure modes show up: the documented AI incidents and agent failures behind models in this class are collected in the OrcaRouter AI Incident Archive, where each entry carries its own sources, severity, confidence grade and disputed flag.