Muse Spark Open vs Muse Wonder: uno puoi scaricarlo, l'altro puoi solo noleggiarlo

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.

A tre giorni di distanza, e non nella stessa categoria

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.

Tutto ciò che viene dopo deriva da questo. Il prezzo di un modello chiuso è quello che il fornitore dice che sia, e la sua capacità può essere rivista dal fornitore in qualsiasi momento. Il prezzo di un modello aperto è una cifra di capitale — le GPU, l'energia, l'ingegnere — e la sua capacità è ciò che il tuo stack di serving riesce a estrarne. Quindi il confronto utile non è "quale ottiene punteggi più alti", che non è neanche vicino, ma "quale dei due ti costa meno per raggiungere la capacità di cui hai bisogno", che dipende interamente da ciò che possiedi già e da ciò che ti è consentito fare con i pesi.

Entrambi i modelli ricevono in input testo, immagini, voce e video e restituiscono testo in output, ed entrambi dichiarano una finestra di contesto di 1.048.576 token. È qui che finisce la somiglianza.

Il tabellone così com'è oggi, non come lo ricordi

Artificial Analysis ha rielaborato il suo Intelligence Index, e la versione attuale è la v5.0.1, che incorpora nove valutazioni: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 sul suo sottoinsieme difficile e Terminal-Bench-Science 0.1. Questo è rilevante per questo confronto perché qualsiasi dato si legga su uno dei due modelli prima di questa revisione non è sulla stessa scala dei dati riportati di seguito. Entrambe le voci sono state rivalutate all'interno della stessa suite, quindi il divario tra loro è confrontabile anche se i loro valori assoluti non sono confrontabili con i numeri precedenti che potresti aver visto per l'uno o per l'altro.

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.

Le righe per singola valutazione dicono la stessa cosa con maggiore risoluzione. Ogni riga qui sotto riporta entrambi i lati sulla stessa dimensione, nello stesso ordine, così possono essere lette come una coppia anziché come due affermazioni separate.

• 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.

Un'avvertenza su tutto ciò. Questi sono numeri dei valutatori, non numeri dei fornitori, il che li rende il più solido dei due tipi di evidenza disponibili. Restano comunque l'harness di un solo laboratorio su una suite che è stata essa stessa revisionata in questo ciclo, e diverse di queste valutazioni sono così recenti che il loro punteggio continuerà a cambiare. Considera attendibile la direzione e rumore la terza cifra decimale.

Conteggi dei parametri e dove il record si interrompe semplicemente

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.

Per Muse Wonder, il numero corrispondente non figura nella documentazione che possiamo verificare. Artificial Analysis lo contrassegna come proprietario e il suo pannello delle specifiche tecniche elenca ragionamento, modalità di input, modalità di output e contesto — senza alcuna riga relativa ai parametri totali o attivi. Non intendiamo dedurre un conteggio dei parametri da un prezzo o da un benchmark, né ripeterne uno che non possiamo indicare con certezza. Ciò che si può dire è indicativo: un modello chiuso con indice 44 su una tariffa di $4/$20 serve qualcosa di sostanzialmente più grande di un modello aperto con 42 miliardi di parametri attivi, e ogni costo di servizio che sostiene è capitale di qualcun altro, non tuo.

Il modello economico è anche quello veloce, ed è questa la sorpresa

Prezzo e velocità di solito sono in conflitto tra loro. Qui vanno nella stessa direzione, e questo è il dato più rilevante ai fini decisionali in entrambe le pagine.

• 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.

La conseguenza pratica è che il divario di prezzo è più ampio di quanto suggerisca il listino tariffario, perché paghi per token e Muse Wonder emette più token per attività. Il che ci porta all'unico numero che confronta due modelli in modo onesto tra prezzi diversi e verbosità diverse: il costo per attività.

Quanto costa effettivamente un’attività su ciascuno

Artificial Analysis calcola il costo di esecuzione dell'intera suite di valutazione e lo divide per il numero di task, ponderando ciascuna valutazione in base al suo contributo all'Indice. Ne risulta un dato confrontabile che assorbe già la differenza di verbosità.

• 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.

La licenza è una voce di costo che il tariffario nasconde.

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.

La prima è la clausola relativa al modello come servizio. Se concedi a terzi l'accesso al modello come prodotto o servizio tramite un'API e il tuo fatturato lordo complessivo derivante da tale accesso supera i venti milioni di dollari statunitensi in qualsiasi periodo consecutivo di dodici mesi, devi notificarlo a Meta e stipulare un accordo scritto separato prima di proseguire. L'incorporamento del modello nel tuo prodotto è escluso; la rivendita non lo è. Un team che intende diventare un fornitore di inferenza basandosi su questi pesi dovrebbe leggere quella clausola prima di scrivere il documento di architettura, non dopo.

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.

Ciò che la licenza concede in modo chiaro è la parte che giustifica il download: fine-tuning, distillazione, fusione, pubblicazione, sublicenze e vendita di derivati, con Meta che non rivendica alcuna proprietà sugli output. Muse Wonder non offre nulla di tutto ciò. Non puoi fare fine-tuning di un checkpoint ospitato, non puoi fonderlo in un modello di dominio, non puoi eseguirlo in un ambiente airside e non puoi correggere un comportamento riaddestrandolo. Il sovrapprezzo che paghi per Muse Wonder ti dà capacità e ti solleva dal carico operativo; ti esclude anche da ogni opzione che richiede di toccare i pesi.

Un dettaglio pratico che coglie tutti di sorpresa: il download stesso è soggetto ad autorizzazione. Il repository è ad accesso controllato, il modulo di richiesta chiede nome legale, data di nascita e organizzazione con identificativi aziendali, e non può essere modificato dopo l'invio. Mettete in conto una coda, non un clic.

Dove il megakernel cambia l'aritmetica

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.

Metti questo accanto ai numeri dei servizi hosted e la forma di questa decisione cambia. Un endpoint noleggiato risponde a 169 token al secondo; uno stack artigianale con otto GPU che esegue kernel di ricerca risponde a 1.109. Il secondo numero si riferisce a batch-size uno, su una singola richiesta GSM8K, mediana di 20 passaggi, e nessuno al di fuori degli autori l'ha riprodotto — quindi è un tetto che potresti raggiungere, non un valore di throughput che puoi inserire in un piano di capacità. Ma stabilisce l'asimmetria che definisce questa coppia: l'efficienza di serving del modello chiuso è qualcosa che Meta può migliorare e tu puoi solo aspettare, mentre l'efficienza di serving del modello aperto è una funzione che puoi aggredire con i tuoi ingegneri.

Per un team con GPU già pagate, questa asimmetria vale più di diciannove punti indice nei carichi di lavoro in cui il modello aperto è vicino. Per un team che non le ha, non vale nulla, perché la cifra di 1.109 arriva legata a un nodo da otto GPU che si dovrebbe acquistare.

Quattro situazioni, quattro risposte diverse

Il confronto si risolve in modo pulito una volta che dai un nome al vincolo, e il vincolo quasi mai è il benchmark.

Se stai lanciando un prodotto questo trimestre e il lavoro consiste in ragionamento complesso, attività agentiche a lungo orizzonte o qualsiasi cosa in cui un divario di benchmark terminale di 0,081 rispetto a 0,520 sia la forma del tuo problema, la risposta è Muse Wonder e non c'è partita. Stai pagando 6,95 $ per attività per un modello che porta a termine il compito, e l'alternativa è pagare 2,02 $ per attività per uno che spesso non ci riesce.

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.

Se possiedi già un cluster di addestramento con nodi di classe GB300, l'economia del modello aperto non è affatto il listino prezzi — è il costo marginale delle GPU che hai già ammortizzato. È il caso in cui 1.109 token al secondo contano, in cui il lavoro sul megakernel è direttamente sfruttabile e in cui la clausola da venti milioni di dollari per il model-as-a-service è l'unico documento che separa un progetto collaterale da un'impresa.

Il caso che non si risolve è quello su cui si chiede maggiormente: un piccolo team che vuole capacità all'avanguardia e vuole anche spendere poco. Non può avere entrambe le cose da questa coppia. Quello che può avere è una cascata — un modello economico per la maggior parte del traffico e quello costoso per il residuo — e questa è una decisione di routing più che una decisione di modello.

Cosa instradiamo e cosa non instradiamo

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.

Per la parte open-weights del confronto, la versione onesta è che nessun router è d'aiuto. I pesi sono tuoi, le GPU sono tue, il kernel è tuo, e l'unica via per arrivare al numero 1,109 è un ingegnere con un profiler.

Quando questo confronto diventa obsoleto

• Muse Wonder Full che raggiunge un'API. Il checkpoint con il punteggio più alto è attualmente chiuso dietro un abbonamento, quindi il Muse Wonder in questo confronto è il modello API a 44, non il checkpoint Full che Meta riporta separatamente. Se Full apre un endpoint, il divario di capacità si allarga e la tesi della cascata diventa più difficile da sostenere.

• Una riproduzione indipendente dei numeri del megakernel. Il 2,1× di un team con batch size pari a uno è un tetto; un secondo team che lo eguaglia con una batch size reale lo trasforma in un caso di self-hosting con i numeri allegati.

• 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.