Muse Spark Open vs Muse Spark 1.2: il flagship Open non è l'aggiornamento

L'istinto, quando un laboratorio rende open source il suo modello più grande, è presumere che la versione scaricabile sia quella migliore, e nel caso di Muse Spark Open rispetto a Muse Spark 1.2 quell'istinto è sbagliato sull'asse che le persone controllano per prima. Su Artificial Analysis, il modello API proprietario ottiene un Intelligence Index di 40 e il modello da 816 miliardi di parametri appena aperto ottiene 39 — a un punto di distanza, e nella direzione che favorisce il modello che noleggi. Quello aperto non è il modello più forte. È un affare diverso, e l'affare è l'intero confronto.

La versione della frase

Muse Spark 1.2 ti offre un endpoint veloce, economico, a consumo per token che non devi mai gestire e le cui modalità sono tutte confermate in modo indipendente. Muse Spark Open ti offre pesi che puoi possedere, mettere a punto, verificare ed eseguire senza rete, su hardware che devi acquistare e a una velocità di elaborazione che nessuno ha ancora pubblicato. Sono prodotti diversi che si trovano a condividere il nome della famiglia.

Qual è la loro posizione reale

Riga per riga, con il lato che vince su ciascuna dimensione indicato per primo.

• Intelligenza — Muse Spark 1.2 a un Artificial Analysis Intelligence Index di 40, Muse Spark Open a 39. Misurati in modo indipendente su entrambi i fronti; un divario di un punto non è un motivo per scegliere nessuno dei due modelli.

• Throughput — Muse Spark 1.2, e con ampio margine: Artificial Analysis lo classifica primo su 185 modelli per velocità di output a 361,4 token al secondo. La velocità di Muse Spark Open non è stata affatto misurata, da alcun soggetto indipendente. Niente che si trovi su una scrivania a ottobre 2026 riuscirà a eguagliare 361 tok/s su un mixture of experts da 816B; la domanda è quanto resterà indietro, e quel numero non esiste ancora.

Prezzo — Muse Spark 1.2 a $1,25 per milione di token di input e $4,25 per milione di token di output, con uno sconto dell'88% sull'input in cache e un costo misurato di $0,97 per attività dell'Intelligence Index. Muse Spark Open non ha un prezzo per token; il suo prezzo è l'acquisto dell'hardware, e Artificial Analysis non ha pubblicato una cifra di costo per esso.

• Pesi — Muse Spark Open, interamente. Repository Hugging Face ad accesso controllato sotto la Muse Model License, in BF16 e NVFP4, circa 1,5 TB prima dell'overhead di runtime. I pesi di Muse Spark 1.2 non sono distribuiti in alcuna forma.

• Funzionamento locale — Muse Spark Open, su due M5 Ultra Mac Studios con MLX oppure su un singolo nodo Blackwell con quattro GPU e TensorRT-LLM. Muse Spark 1.2 non viene eseguito in nessun luogo al di fuori di un provider.

• Fine-tuning — Muse Spark Open, con Meta che rilascia il supporto TorchTitan appositamente per esso. Muse Spark 1.2 non è ottimizzabile sui tuoi dati.

• Modalità — contestata, e si risolve a favore di Muse Spark 1.2 sulla base delle prove disponibili. Artificial Analysis elenca 1.2 come in grado di accettare testo, immagini, voce e video, e indica il modello aperto come in grado di accettare solo testo e immagini, mentre i materiali di Meta stessa rivendicano testo, immagine, video e audio per Muse Spark Open. Una misurazione indipendente ha confermato l'affermazione più ristretta; il fornitore ha sostenuto quella più ampia.

• Ragionamento — essenzialmente la stessa configurazione su entrambi. Nessuno dei due consente di disattivare il ragionamento. Muse Spark Open espone livelli di sforzo low, medium, high e xhigh che corrispondono a 16, 64, 256 e 512 token di ragionamento, e un suggerimento sulla forza del ragionamento nel prompt di sistema.

• Contesto — un vero pareggio a 1.048.576 token, con un'unica avvertenza che li separa nella pratica. Su Muse Spark Open, un contesto completo da un milione di token in BF16 costa circa 266 GB di KV cache in aggiunta ai pesi. Su Muse Spark 1.2, il contesto è un problema di capacità di qualcun altro.

• Licenza — Muse Spark Open secondo la Muse Model License con termini commerciali limitati; Muse Spark 1.2 secondo i termini API ordinari. Nessuna delle due è Apache 2.0, e la licenza aperta è quella che devi effettivamente leggere.

Scorri quella lista e la forma della decisione è già visibile: il modello aperto vince su ciò che fai a un modello, e il modello ospitato vince su ciò che un modello fa a te.

L'unico numero che decide tutto per la maggior parte dei team

La specifica di punta di Muse Spark 1.2 è 361,4 token al secondo, primo tra 185 modelli misurati. Non è un dato di marketing: è ciò che rende il modello utilizzabile all'interno di un ciclo di agenti, dove un agente di programmazione effettua decine di piccoli round-trip al minuto e il costo in termini di tempo reale del modello è il costo in termini di tempo reale dell'attività.

Il throughput di Muse Spark Open è sconosciuto. Questo è lo stato onesto delle prove, ed è la più grande lacuna in qualsiasi confronto scritto questa settimana. Ciò che si può dire con sicurezza è di natura strutturale: un modello da 816 miliardi di parametri che attiva 42 miliardi di parametri per token su hardware desktop di consumo è limitato dalla larghezza di banda della memoria, non dalla potenza di calcolo. Due M5 Ultra Mac Studio ti danno 1,2 TB/s e un terabyte di memoria unificata, che è sufficiente a contenere il modello e a leggere la porzione di ogni token. Non è abbastanza per far sembrare un agente interattivo un'API. Se il tuo carico di lavoro è interattivo, non c'è partita. Se il tuo carico di lavoro è batch — scansioni notturne di repository, valutazione offline, estrazione su larga scala dove la latenza è irrilevante e il costo per token è tutto — il calcolo si inverte completamente.

Il desktop è davvero più economico?

È qui che il modello aperto si guadagna il suo posto, ed è anche qui che fallisce la versione ingenua dell'argomento. La configurazione con due Mac Studio è un acquisto in conto capitale più energia elettrica, raffreddamento e l'attenzione di qualcuno. A fronte di ciò si mettono i token che non si acquistano più.

Il confronto si chiude solo a volume, e il motivo è che lo sconto sulla cache di Muse Spark 1.2 sta già facendo gran parte del lavoro sul lato hosted. Con l'88% di sconto sull'input in cache, il modello è economico proprio per il pattern di contesto ripetuto che il coding agentico produce — lo stesso repository, lo stesso system prompt, le stesse definizioni degli strumenti, riletti a ogni turno. Un deployment self-hosted non ottiene uno sconto; ottiene un costo fisso, e il costo fisso viene ammortizzato solo da un utilizzo ampio, costante e prevedibile. Un team che gestisce traffico di agenti a raffiche su una configurazione desktop a due macchine ha comprato un costo fisso per servire un carico variabile, che è il modo classico in cui questa aritmetica va storta.

La formulazione onesta è che il self-hosting di Muse Spark Open è una decisione di capacità, non di costo. Lo si adotta per garantire che il modello sia disponibile, che non possa essere deprecato sotto di te, che i tuoi prompt non lascino mai l'azienda, e che tu possa cambiarne il comportamento tramite il fine-tuning. Sono ragioni reali e talvolta decisive. "Sarà più economico" è una ragione che va ricalcolata per il tuo traffico, e per molto traffico semplicemente non è vera.

A cosa serve davvero ciascuno

Muse Spark 1.2 è il modello su cui costruire un prodotto. È veloce, ha un costo per attività misurato, il suo elenco di modalità è confermato in modo indipendente, viene venduto per token con uno sconto sulla cache adatto ai pattern agentici ed è instradabile oggi. Sceglierlo significa scegliere di spendere denaro invece di tempo di ingegneria, e a 1,25 $/4,25 $ spesso è lo scambio corretto.

Muse Spark Open è il modello su cui costruire una capacità. Il fine-tuning è la ragione per cui esiste: se il compito è ristretto, ad alto volume e ben specificato — un agente specifico per una codebase, una pipeline documentale per un corpus fisso, un classificatore che deve risiedere on-premises — allora un modello ottimizzato da 42B attivi che possiedi batterà un endpoint generico che noleggi, e nessuna quantità di prompt engineering colma quel divario. La storia desktop è lo stesso argomento in miniatura: il punto non è che gira su un Mac, ma che gira dove sei tu.

La questione della modalità, e perché preoccuparsene

Meta afferma che Muse Spark Open accetta testo, immagini, video e audio. Artificial Analysis, che ha misurato il modello, elenca testo e immagini. Questa discrepanza non è pedanteria: un modello nativamente multimodale a pesi aperti è un asset fondamentalmente diverso da uno basato su testo e immagini, e la differenza determina se il modello sia o meno candidato per pipeline audio e video.

Le spiegazioni più probabili sono banali: artificial analysis potrebbe aver valutato tramite un endpoint o una configurazione che non esponeva le modalità aggiuntive, oppure l'architettura potrebbe accettare input che il deployment rilasciato non ha testato. Ciò che conta per una decisione è che l'affermazione ampia è asserita dal fornitore e quella ristretta è misurata. Se l'audio o il video è il motivo per cui eri interessato, verificalo sul tuo stack prima di impegnare hardware. Se non lo è, la questione è accademica — e nota che il supporto vocale e video di Muse Spark 1.2 è confermato sul fronte indipendente, una posizione che il modello aperto attualmente non può rivendicare.

Eseguendoli affiancati

La maggior parte dei team che finisce per avere entrambi non sceglie affatto tra i due. Il modello che funziona è mantenere il modello hosted sul percorso interattivo e il modello open sui percorsi batch e on-premises, e applicare la separazione nella configurazione anziché nella documentazione.

Ecco a cosa serve un livello di routing. OrcaRouter instrada Muse Spark 1.2 al prezzo di listino di Meta con 0% di ricarico, così il lato ospitato di quella divisione costa esattamente quanto costa sull'API di Meta stessa — un taglio di prezzo del fornitore è attivo sulla stessa chiave lo stesso giorno — e mette il modello dietro la stessa interfaccia di oltre 200 altri, con failover automatico quando un fornitore peggiora e un DSL di routing per spostare il traffico tra modelli e fornitori senza riscrivere nulla. OrcaRouter non ospita Muse Spark Open e non sostiene di farlo; un modello il cui valore sta nel fatto che puoi scaricarlo è un modello che esegui tu stesso. Ciò che il router ti offre è l'altra metà della divisione, così il percorso interattivo resta su un endpoint veloce mentre il percorso batch gira sul tuo hardware.

Il verdetto

Muse Spark Open vs Muse Spark 1.2 non è una sfida tra un modello migliore e uno peggiore. È una sfida tra possedere un modello e affittarne uno, e i due lati di quella sfida non si misurano nelle stesse unità — uno in punti dell'Intelligence Index e token al secondo, l'altro in capitale, controllo e il diritto di modificare i pesi.

Scegli Muse Spark 1.2 se vuoi la capacità misurata più elevata per dollaro di impegno ingegneristico, se la latenza conta, se vuoi audio e video confermati, o se hai semplicemente bisogno di un modello Muse su un'unica chiave oggi. Scegli Muse Spark Open se devi fare fine-tuning, se i dati non possono lasciare la tua rete, se il carico di lavoro è sufficientemente grande e prevedibile da ammortizzare l'hardware, o se la garanzia di disponibilità vale per te più dell'ultimo punto del punteggio dell'indice.

L'unico consiglio che valga la pena dare è resistere alla narrazione secondo cui i pesi aperti siano automaticamente l'opzione più capace. Alla luce delle prove, non lo sono. Sono più tuoi.

Muse Spark Open è ora scaricabile con la Muse Model License; Muse Spark 1.2 è disponibile per token tramite l'API di Meta e su OrcaRouter al prezzo di listino.