Muse Spark Open vs Muse Wonder：ダウンロードできるものと、レンタルしかできないもの

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.

3日違いで、しかも同じカテゴリーではない

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.

その先のすべてはそこから導かれる。クローズドモデルの価格はベンダーが言うとおりのものであり、その能力はベンダーによっていつでも改訂されうる。オープンモデルの価格は資本の数字——GPU、電力、エンジニア——であり、その能力はあなたのサービングスタックがそこから引き出せるものである。したがって有用な比較は、「どちらのスコアが高いか」ではない（それは接戦でもない）。そうではなく、「必要な能力に到達するのに、この2つのどちらがより安くつくか」であり、それはあなたがすでに何を所有しているか、そして重みに対して何を許されているかに完全に依存する。

両モデルはテキスト、画像、音声、動画を入力として受け取り、テキストを出力し、どちらもコンテキストウィンドウが1,048,576トークンだと謳っています。似ているのはそこまでです。

今日現在のスコアボードであり、あなたが覚えているとおりのものではない

Artificial Analysis は Intelligence Index を刷新し、現在のバージョンは v5.0.1 で、次の9つの評価を組み込んでいます：AA-Briefcase v1.1、AutomationBench-AA、Terminal-Bench 4.0、FrontierCode-AA 2.0、AA-Omniscience v1.1、GDP.pdf、HLE-Diamond、難易度の高いサブセットにおける CritPt v2、Terminal-Bench-Science 0.1。このことがこの比較で重要なのは、この改訂より前にどちらかのモデルについて目にした数値は、以下の数値と同じ尺度ではないからです。両方のエントリは同じスイート内で再スコアリングされているため、絶対値は以前に見た可能性のある数値とは比較できなくても、両者の差は比較できます。

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.

評価ごとの行は、より細かい粒度で同じことを述べています。以下の各行は同じ次元における両側を同じ順序で示しているため、二つの別々の主張としてではなく、一対として読むことができます。

• 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.

全体について1つ注意点があります。これらはベンダーの数値ではなく評価者の数値であり、入手可能な2種類の証拠のうち強い方に当たります。とはいえ、これらは今サイクルでそれ自体が改訂されたスイート上で、1つのラボのハーネスによるものにすぎず、これらの評価のいくつかは新しすぎて、スコアは動き続けるでしょう。方向性は妥当と見なし、小数第3位はノイズと見なしてください。

パラメータ数、そして記録がただ止まるところ

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.

Muse Wonder について、対応する数値は私たちが検証できる記録には載っていません。Artificial Analysis はそれをプロプライエタリと分類しており、その技術仕様パネルには reasoning、入力モダリティ、出力モダリティ、コンテキストが列挙されています——総パラメータ数やアクティブパラメータ数の行はまったくありません。価格やベンチマークからパラメータ数を推測するつもりはありませんし、指し示せないものを繰り返すつもりもありません。言えるのは方向性だけです。$4/$20 の料金表にある 44-index のクローズドモデルは、アクティブ 420 億のオープンモデルより実質的に大きなものを提供しており、それが負担する提供コストはすべてあなたの資本ではなく、誰か他の人の資本です。

安いモデルが速いモデルでもあるというのが驚きだ。

価格とスピードは通常、互いにトレードオフの関係にあります。ここでは両者が同じ方向に進んでおり、それがどちらのページにおいても最も意思決定に関わる発見です。

• 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.

実際の結果として、価格差は料金表が示すよりも大きくなります。なぜなら、料金はトークン単位で支払い、Muse Wonder はタスクあたりにより多くのトークンを出力するからです。ここで、異なる価格と異なる冗長さの下で2つのモデルを公平に比較できる唯一の数値、すなわちタスクあたりのコストにたどり着きます。

それぞれでタスクに実際にかかるコスト

Artificial Analysisは、評価スイート全体を実行するコストを計算し、それをタスク数で割り、各評価をIndexへの寄与度で重み付けしています。これにより、出力の冗長さの違いをすでに吸収した、同条件で比較できる数値が得られます。

• 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.

ライセンスは、料金表が隠しているコスト項目です。

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.

最初はモデル・アズ・ア・サービス条項です。API経由でモデルを製品またはサービスとして第三者に提供し、それによる総売上高が連続する12か月間のいずれかで2,000万米ドルを超える場合、継続する前にMetaへ通知し、別途書面による契約を締結する必要があります。自社製品へのモデルの組み込みは除外されますが、再販は除外されません。これらの重みの上で推論プロバイダーになることを意図するチームは、アーキテクチャ文書を書いた後ではなく、書く前にその条項を読むべきです。

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.

ライセンスが明確に与えているのは、ダウンロードを正当化する部分である。すなわち、ファインチューニング、蒸留、マージ、公開、サブライセンス、および派生作品の販売であり、Metaは出力物の所有権を主張しない。Muse Wonderにはそのいずれもない。ホストされているチェックポイントをファインチューニングすることはできず、ドメインモデルにマージすることもできず、エアギャップ環境で実行することもできず、再トレーニングによって挙動を修正することもできない。Muse Wonderに支払うプレミアムは、能力を買うと同時に運用作業の負担から買い戻すものであり、重みに触れることを要するあらゆる選択肢からも買い戻すことになる。

意外と見落とされがちな実務的な点として、ダウンロード自体が制限されていることが挙げられます。リポジトリはアクセス管理されており、申請フォームでは本名、生年月日、法人識別子を含む組織名の記入が必要で、提出後は編集できません。クリック一発ではなく、順番待ちを見込んでおいてください。

メガカーネルが演算を変更する箇所

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.

それをホスト型の数値と並べてみると、この判断の形が変わる。レンタルのエンドポイントは毎秒169トークンで応答し、研究用カーネルを動かす自作の8GPUスタックは毎秒1,109トークンで応答する。2番目の数値はバッチサイズ1、1件のGSM8Kリクエストにおける20ステップの中央値であり、著者以外で再現した者はいない。したがってそれは到達しうる上限であって、容量計画に載せられるスループット値ではない。だが、このペアを定義する非対称性はそこに示される。クローズドモデルのサービング効率はMetaが改善するものであり、あなたは待つ側だ。一方、オープンモデルのサービング効率は、自社のエンジニアを投入して攻められる関数である。

GPUをすでに購入済みのチームにとって、その非対称性は、オープンモデルが接近しているワークロードにおいて19インデックスポイントを上回る価値がある。GPUを持たないチームにとっては何の価値もない。なぜなら、1,109という数値は、購入しなければならない8基のGPUを搭載したノードに付随して出てくるものだからだ。

4つの状況、4つの異なる答え

制約を明確にすれば比較はすっきりと解決し、その制約がベンチマークであることはほとんどない。

今四半期に製品を出荷しようとしていて、その仕事が高度な推論や長期的なエージェントタスク、あるいはターミナルベンチマークの0.081対0.520という差が問題の構図になるようなものであるなら、答えはMuse Wonderであり、比較にならない。タスクを完了するモデルに1タスクあたり$6.95を支払うのか、しばしば完了しないモデルに1タスクあたり$2.02を支払うのか、その違いだ。

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.

すでにGB300クラスのノードを備えたトレーニングクラスタを所有しているなら、オープンモデルの経済性は料金表ではなく、すでに償却済みのGPUの限界費用そのものです。1秒あたり1,109トークンが重要になるのも、メガカーネルの取り組みが直接実行可能になるのも、2000万ドルのモデル・アズ・ア・サービス条項がサイドプロジェクトとビジネスの間にある唯一の書類上の障壁となるのも、まさにそうしたケースです。

解決しないケースこそ、人々が最もよく尋ねるものです。それは、最先端の能力を求めながら低コストも求める小規模チームです。この2つの組み合わせから両方を得ることはできません。得られるのはカスケードです。つまり、トラフィックの大半には安価なモデルを、残りには高価なモデルを使うという形であり、それはモデルの決定ではなくルーティングの決定です。

ルーティングするもの、しないもの

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.

比較のオープンウェイト側について正直に言えば、どんなルーターも役には立たない。重みも GPU もカーネルも自分たちのものであり、1,109 という数字に到達する唯一の道は、プロファイラを手にしたエンジニアだ。

この比較が古くなったとき

• Muse Wonder FullがAPIに到達すること。より高スコアのチェックポイントは現在サブスクリプションの内側に閉じ込められているため、この比較におけるMuse Wonderは44のAPIモデルであり、Metaが別途報告するFullチェックポイントではない。Fullがエンドポイントを公開すれば、能力差はさらに広がり、カスケードの主張はより難しくなる。

• メガカーネルの数値の独立再現。あるチームによるバッチサイズ1での2.1倍は上限にすぎず、別のチームが実際のバッチサイズで同水準を達成すれば、それは数値を伴うセルフホスティングの事例になる。

• 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.