Muse Spark 対 Muse Glimmer：フロンティアモデルを300億パラメータに蒸留すると、実際に何が生き残るのか

の関係は、Muse SparkとMuse Glimmer「vs」という語が示唆するようなものではない。Muse Glimmer は Muse Spark の競合ではない — その生徒である。Meta は、300億パラメータのオープンウェイトモデルを、Muse Spark からのロジット蒸留によって訓練した。Muse Spark は、Meta Superintelligence Labs が2026年4月8日に発表し、現在は Muse Spark 1.3 として提供されている、ネイティブにマルチモーダルなフロンティア系列であり、Muse Spark 1.3 は2026年9月2日にリリースされ、その最大推論レベルは2日後に開発者に開放された。Muse Glimmer は2026年8月10日、Apache 2.0 ライセンスの下で公開された。したがってこのページは、異なるラボの2つのライバル同士の対戦カードではない。それは、フロンティアモデルのどれだけが16分の1への縮小とライセンス変更を生き延びるかの測定である — そして Meta は、異例なことに、その縮小の両側について数字を公表している。その比較が公平かどうかは、まず正直に語る価値のある最初の点であり、答えは「部分的に」である。

一方はファイルで、もう一方はエンドポイントです。

まずベンチマークとは何の関係もない部分から始めましょう。なぜなら、スコアが一つでも意味を持つ前に、実際の導入の大半を決めるのはそこだからです。

Muse Glimmer はダウンロード提供される。Meta は重みを Apache 2.0 の下で公開し、すでに4ビットに量子化した状態で配布している——これにより、フル精度では55 GB超だったフットプリントが20 GB未満になる——そして、単体のコンシューマー向けGPUやMacで実行できるほど小さいモデルだと述べている。ネットワークを切断した状態でも動作する。Meta は Nvidia RTX 5090 と Apple M4 Max および M5 Max シリコンでテストした。テキストと画像の入力を受け付け、テキストを返し、131,072トークンのコンテキストウィンドウを備え（Meta によれば 262,144 まで拡張可能）、知識のカットオフは2026年1月である。

Muse Sparkはあらゆる点で正反対の形をしている。Metaはそのどのバージョンについても、重みもライセンスもダウンロードも公開していない。アクセスできるのはMetaのModel API経由、meta.ai上、およびMeta AIアプリ内のみである。1,048,576トークンのコンテキストウィンドウで動作し、これはGlimmerの拡張前のコンテキストウィンドウの8倍に当たる。テキスト、画像、動画、音声、PDFの入力を受け付け、テキストを返す。料金はトークン単位で、入力100万トークンあたり$1.25、キャッシュ済み入力100万トークンあたり$0.15、出力100万トークンあたり$4.25。さらにContributor階層は$0.10 / $0.002 / $0.20で、低価格と引き換えに、あなたのプロンプトと補完内容で学習する許可を求めるものである。Glimmerを自分で実行する場合、トークン単位のベンダー請求はまったく発生しない。なぜなら、その間にベンダーが介在しないからである。

• サイズ — Muse Spark：非公開、Metaはいずれのバージョンについてもパラメータ数を公表していない；Muse Glimmer：30B、4-bitで20 GB未満で提供

• 重み — Muse Spark: プロプライエタリ、ホスト型のみでの提供、Muse Glimmer: Apache 2.0、ダウンロード可能でオフラインでも実行可能

• コンテキストウィンドウ — 1,048,576トークン 対 131,072、262,144まで拡張可能

• 入力 — テキスト、画像、動画、音声、PDF 対 テキストと画像

• 出力 — テキスト vs テキスト

• 価格 — 100万トークンあたり $1.25 / キャッシュ時 $0.15 / $4.25、セルフホスト時はベンダー課金なし

• ナレッジカットオフ — Muse Spark 1.3 では未公表、Muse Glimmer では2026年1月

Metaが両方に対して公開した唯一のベンチマーク

これは蒸留の関係において見つかる最も稀な種類の数値です。すなわち、同じ評価を同じラボが実施し、それを教師と生徒の両方について報告しているケースです。

Metaのモデルページには、GDPval-AAが、最大推論構成で動作させたMuse Spark 1.3で1,754、高推論時のMuse Glimmer 30Bで953と記載されている。つまり、そのタスクファミリーにおいて、生徒モデルが教師モデルのスコアの54%を保持しているということだ。これは推測ではなく、実際に公表されたデータポイントである。これにはただちに2つの但し書きが付く。どちらも事実であり、どちらも小さくないからだ。第一に、Muse Sparkの行にはv2というラベルが付いているが、Muse Glimmerの行にはバージョンがまったく付いていない。したがって、Metaが2回の測定の間にベンチマークを変更したのなら、方向性はともかく、比率はあいまいである。第二に、どちらの数値もベンダー報告である。われわれはどちらも再現しておらず、このペアについての直接比較を公表した独立系ハーネスは、探した限り見つからなかった。

801ポイントの差を警鐘ではなく理解可能なものにしているのは、その下にある第三者による全体像だ。Artificial AnalysisのIntelligence Indexでは、Muse Spark 1.3が最大設定で48、Muse Glimmerが高設定で17を記録している。これらは異なる測定ラウンドによる異なるインデックス尺度であり、両者が同じ母集団に対して順位付けされているわけではない——Artificial Analysisはオープンウェイトモデルをサイズクラス別に分類するため、Glimmerはオープンウェイトの同級モデルと比較され、Muse Sparkは全モデル群と比較される。それらは比率ではなく、形として読むべきだ。その形は、Meta自身の表が語っていることと同じことを示している。蒸留モデルは同じ答えに到達するための安価な経路ではなく、真に異なる能力階層なのだ。

小さなモデルが保ち続けるもの

蒸留で興味深いのは、圧縮を経ても何が生き残るかであり、Metaが自ら公表した行において、Muse Glimmerが一様に打ち負かされているわけではない。SWE-Bench Verifiedで76.0、OSWorld-Verifiedで65.9、IFBenchで77.0、AIME 2026で94.7、GPQA Diamondで83.5を記録している。これらは30Bモデルとしては強い数字であり、アーキテクチャの選択が重要である理由でもある。MetaはGlimmerについて、長文脈のエージェントデータで微調整され、特にツール使用向けに強化されており、数時間に及ぶセッションを通じて自己管理型のメモリを持ち、ツール呼び出しが失敗しても停止せずに回復すると説明している。それは、汎用モデルの名前をまとった特化型モデルだ。

ページ上で最も役立つ文脈は、Meta自身が選んだ比較対象だ。Muse Glimmerのベンチマーク表は、それをMuse Sparkの隣に置いていない。そうではなく、思考モードのGemma 4 31Bと思考モードのQwen3.6 27Bの隣に置いている。同じサイズ階級で、同じオープンウェイトという前提だ。その表でGlimmerはほとんどの行で勝っているが、すべてではない。MCP AtlasではQwenモデルの62.5に対して75.5、TerminalBench 2.1では60.7に対して51.7、GDPval-AAでは1,141に対して953を記録している。したがって、同じ重量級の中ですら、蒸留されたMetaモデルは自動的な選択肢ではない。これはページの見出しが示唆するよりも誠実な捉え方だ。

さらに2行は、測定可能であり、計画時に間違えやすいため、取り出して注目する価値がある。Artificial Analysisは、Muse Glimmerの完了したIntelligence Indexタスクあたりのコストを$0.05、出力速度を122.4トークン/秒と記録している——Muse Spark 1.3の最大時では$1.60、121.9トークン/秒である。この2つの数値を見ると、小さなモデルはほぼ同一のスループットで、完了タスクあたり約32倍安い。これは蒸留が効いている証拠であり、インデックスのスコアだけを比較していると見えてこない。

比較が破綻する箇所

入力で壊れる。しかも、スコアボードが示すよりも深刻に壊れる。

Muse Spark 1.3 は動画、音声、PDF を扱える。Muse Glimmer はテキストと画像を扱う。パイプラインが画面録画、通話録音、スキャンした文書をそのままモデルに投入するなら、この2つはどんな価格でも代替にはならない。一方はそのペイロードを物理的に受け付けられないからだ。Meta 自身のドキュメントは、意外な方向からこの点を裏付けている。Muse Spark 1.3 の音声理解は完全にはサポートされておらず、音声を含むリクエストの品質が低下する可能性があると警告し、音声ワークロードには Muse Spark 1.2 を推奨している。したがって、ホスト版の系統内でさえ、最新バージョンがすべての入力タイプにとって正解ではなく、音声対応の選択肢は古いチェックポイントなのだ。

2つ目の断絶はコンテキストです。100万トークン対131,072は、マーケティング上の違いではありません。大規模なリポジトリや長い案件ファイルを1回の呼び出しで保持できるモデルと、その周囲に検索層と要約ステップを構築する必要があるモデルとの違いです。あなたの仕事が長期的なコードベース推論であるなら、Glimmerのコンテキスト上限は、そのベンチマークスコアよりずっと早く、最初にぶつかる制約になるでしょう。

3つ目はデータ境界であり、これは逆方向に作用する。自社のハードウェアから決して出ないリクエストは、ベンダーにログ記録されることも、トークン単位で課金されることも、料金改定の影響を受けることもない。データ所在地の要件を伴うワークロードや、処理量が増えると維持できないトークン単位の予算にとっては、そのたった一つの特性が30インデックスポイントを上回る。

それぞれが実際に存在する場所

Muse Glimmerの配布は幅広いほうだ。なぜならオープンウェイトはそういうものだからだ。MetaはHugging Faceでのダウンロードを掲載し、ローカルランタイム——llama.cpp、MLX、Ollama、LM Studio、Unsloth——を、ベンダー自身のホスト型一覧や複数のサードパーティ推論プラットフォームと並べて示している。ここではそれらのプラットフォームの名前は挙げない。読者にとっての要点はただ、重みがポータブルであり、30Bの4ビットモデルを読み込めるものなら何でもそれを提供できる、ということだけだ。

Muse Sparkのラインナップは、構造上どうしても狭い。3つのバージョン、1つのベンダー、1つのAPI、重みは公開されていない。この集中こそが、その上に構築する際の本当のリスクであり、そしてそのリスクはGlimmerにはまったく当てはまらない。

可能な場合は、両方を1つのキーに

当社自身のカタログは、これらの記事のどちらよりも範囲が狭いものです。当社がルーティングしているのはMuse Spark 1.1とMuse Spark 1.2 — 100万トークンあたり入力$1.25、出力$4.25で掲載されている2つのチェックポイントで、どちらもMetaの定価のままで、当社の0%マークアップをそのまま通しています — そして、Muse Spark 1.3も、Contributorのどちらのバリアントも、Muse Spark Openもホストしていません。Muse Glimmerも当社のカタログにはありませんし、それについての正直なアドバイスは性質が異なります。オープンウェイトなので、それを実行する自然な場所は、ご自身のハードウェアか、それを読み込むランタイムです。

ここでルーティングが真価を発揮するのは、おそらくあなたが検討している移行においてです。30Bの蒸留モデルがフロンティアワークロードの一部を引き継げるか試しているなら、必要なのは両方が1つのエンドポイントにあることで、2つ目の契約なしにトラフィックの一部を移して測定できます——Muse Spark 1.1と1.2を1つのキーで利用でき、自動フェイルオーバーによって、失敗したロングコンテキスト呼び出しはエラーではなくもう一方のチェックポイントに縮退し、コードではなく設定でトラフィックを分割するためのルーティングDSLも備えています。Metaのホスト型ラインが再び動くとき、変更は1か所に反映されます。

どちらを選ぶべきですか

あなたの作業がテキストと画像を扱い、自分のマシンや借りたGPU上で動き、トークン単位の課金に左右されないことを求めるなら、答えは Muse Glimmer だ。しかも、僅差の勝負ですらない——GDPval-AA スコアをおよそ半分あきらめる代わりに、呼び出しごとのコストがゼロで、誰にもレート制限されないモデルが手に入るのだ。

動画、音声、PDF、あるいは本当に長いコンテキストを扱う仕事なら、Muse Glimmer は Muse Spark の安価版ではない。それは別のツールであり、蒸留によってそうした能力が引き継がれたわけではない。ホスト版のラインを選び、100万トークンあたり 1.25 ドルと 4.25 ドルを見込んでおき、どのチェックポイントが実際に自分のペイロードを処理できるか確認しよう。音声については、Meta 自身のドキュメントが旧バージョンを指している。

蒸留比較について正直にまとめるなら、生徒モデルは訓練されたことには驚くほど長けている一方、そうでないことにはまったく姿を現さないということだ。Muse Glimmerは、MetaがLlama 4以降に公開した中で、オープンウェイトを支持する最も強力な論拠であり、上記の数値はMeta自身のものである。それらが示していないこと——そしてどのベンダーの表にも示せないこと——は、そのペアがあなたのワークロードでどう振る舞うかである。それは実験であって、調べればわかることではない。

ベンチマークは古び、価格は動くが、失敗の記録は動かない。このクラスのモデルの背後にある、記録に残されたAIインシデントとエージェントの失敗はOrcaRouter AI Incident Archiveに集められており、各エントリには独自の情報源、重大度、信頼度グレード、係争中フラグが付いている。