Muse Wonder Full vs Muse Glimmer：表の中で最高のスコアは、そこに載る最悪の数字でもある

Muse Wonder FullとMuse Glimmerは、Meta Superintelligence Labsが公表しているラインナップの両端に位置する。Muse Wonder Fullは、2026年10月12日に発表されたプロプライエタリなフロンティア・チェックポイントで、Muse Codeサブスクリプションの一部として販売され、Meta独自の指数で59.1を記録した。Muse Glimmerは、2026年8月10日にリリースされた300億パラメータのApache 2.0モデルで、20 GBのVRAMに収まるようすでに4ビットに量子化された状態で提供され、独立系のArtificial Analysis Intelligence Indexで17を記録している。両者の間には、総合スコア42点、ライセンス、ダウンロード、そして月額50ドルの扉がある——そして、Meta自身の表の1行では、高価なほうが13.1を記録している。

その行は Harvey LAB-AA、Meta の法務エージェントベンチマークだ。Muse Wonder Full はそこで 13.1 を報告している。同じリリースの呼び出し可能なチェックポイントである Muse Wonder は 54.3、GPT-6 Astra は 54.5、そしてClaude Opus 5.5は 55.2 を報告する。総合インデックスで 4 ポイント差の首位に立つモデルが、仕事の形をしたスイートでは 41 ポイント差で最下位に沈む。この組み合わせについてまず理解すべきはそこだ。総合スコアは仕事を記述していない。

2つの製品、1つの姓、そしてその両方と混同される3つ目

• ウェイト — Muse Glimmer は Apache 2.0、ダウンロード可能、4ビットで提供。Muse Wonder Full はプロプライエタリで、チェックポイントは公開されておらず、今後公開される予定もない。

• 実行場所 — Muse Glimmer はあなた自身のアクセラレータ上で、オフラインで。Muse Wonder Full は Muse Code 内の Meta のインフラストラクチャ上で。

• 購入方法 — Muse Glimmer はセルフホストならトークンごとの課金はなし、またはホスト型エンドポイント経由で100万トークンあたり入力 $0.325、出力 $1.35。Muse Wonder Full はトークンごとの価格は一切なく、公開プランでは Power Usage が月額 $50、Maximum Usage が月額 $200。

• パラメータ — Muse Glimmer 300億、量子化時20GB未満。Muse Wonder Fullは非公開。

• コンテキストウィンドウ — Muse Glimmer は 131,072 トークン、最大 262,144 まで拡張可能。Muse Wonder Full はシリーズとともに 1,048,576 トークンと説明されています。

• モーダル入力 — Muse Glimmer：テキストと画像、Muse Wonder シリーズ：テキスト、画像、音声、動画。

• 知識のカットオフ — Muse Glimmer は2026年1月；Muse Wonder Full は未公開。

• それに対して何ができるか — Muse Glimmer はピン留め、フォーク、ファインチューニングが可能で、Muse Wonder Full は非推奨化できる。

MetaはGlimmerをRTX 5090と、Apple M4 MaxおよびM5 Maxシリコンでテストした。これがここでの「ローカルで動作する」の実用的な定義だ——フル精度では55 GBを超えるため、4ビット版の提供こそがこのモデルをデプロイ可能にしている理由のすべてだ。Muse Wonder Fullに関しては、この方式で機能するものは何もない。それはサブスクリプションを通じて、プラン料金で、Metaが提供している限り利用できる。

もう一つ、はっきり言っておく価値のある違いがある。というのも、その名前がこの違いを静かに覆い隠しているからだ。Muse Wonder Full は、一般的な意味で Muse Wonder シリーズの最上位ではなく、より大きな Glimmer でもない。それは Muse Wonder と同じ発表で告知された別個のトレーニングターゲットであり、3つのうち、トークン単位で購入することも、セルフホストすることも、発注書なしで評価することもできない唯一のものである。

ライセンスこそ、誰も値付けしない軸である

この比較は通常、能力対コストとして語られる。だが、実際に何ができるかを左右する枠組みは能力対制御であり、この2つのモデルはその両極に位置している。

Muse Glimmer の設計はすべて、顧客ではなくオーナーを前提としている。重みは Apache 2.0 ライセンスで、量子化も済ませてあり、フットプリントが 20 GB 未満なのは、それが単一のコンシューマー向けカードで足りる数字だからだ。ナレッジカットオフも公表されているので、何を知らないのかが分かる。フォークでき、ファインチューニングでき、リビジョンを固定でき、ベンダーが関心を失った後も提供し続けられる。その後さらに 2 世代をすでに出しているラボがリリースしたモデルにとって、その最後の性質は仮定の話ではない。

Muse Wonder Full は逆のプロファイルを持っている。保持すべき成果物はなく、固定すべきリビジョンもなく、ある月から次の月の間に何が変わったかを監査する方法もなく、プランが失効した場合にチェックポイントへ至る道もない。公開される総合スコアは、あなたが得られる唯一の永続的なものであり、それはあなたのワークロードについてではなく Meta のハーネスについての数値だ。

実際上の帰結は非対称であり、曖昧にせず明言する価値がある。リクエストがデバイスから出られない場合——接続性のない工場現場、API呼び出しそれ自体がコンプライアンス違反となるエアギャップ環境、往復がすでに過大となるレイテンシ予算——Muse Wonder Full はどんな価格でもその問いに関与しない。Glimmer はファイルだ。Full はサブスクリプションだ。

42ポイントの差は実際には何でできているのか

その規模の差は、通常なら一方のモデルが単純に劣っていることを意味する。ここでは主に、2つが異なる用途向けに作られたことを意味しており、サブスコアはそれを隠すどころか示している。以下の数値はすべて、別段の記載がない限り、リビジョン v4.3.2 における Artificial Analysis の測定値です。

• インテリジェンス指数 — Muse Wonder Full (max) 56、699モデル中4位；Muse Glimmer (high) 17、142中15位。

• 長文脈リコール — Muse Glimmer 83.3%、同じ実行で Claude Sonnet 5.5 の 82.7% を上回る。Muse Wonder Full の数値は同じハーネスでは公開されていない。

• Terminal-Bench 4.0 — Muse Glimmer 0.5%、Muse Wonderシリーズはベンダーの表で85.5と85.6を報告しています。

• Humanity's Last Exam — Muse Glimmer 22.0%、Muse Wonder Full は同じハーネスでの報告なし。

• 出力速度 — Muse Glimmer は毎秒143.8トークン。Muse Wonder Full は同じハーネスで公開されておらず、インデックスタスクあたりのコストも公開されていません。それを算出する基になるトークンあたりのレートが存在しないためです。

• インデックスタスクあたりのコスト — Muse Glimmer はホスト版で約 $0.06。Muse Wonder Full：該当なし、従量制の経路なし。

長文脈の行こそ、立ち止まって考えるべきものだ。300億パラメータのモデルを20GBに量子化したものが、非常に長い入力の中から事実を見つけ出す点で現在のフロンティアのチェックポイントに匹敵する——これは丸め誤差の産物ではなく、訓練レシピが狙っていたものであり、Glimmerについて誰もが下せる最も強い主張だ。Terminal-Benchの行はもう一方の端だ。0.5パーセントというのは、そのモデルがエージェント的ソフトウェアタスクを完了できていないということであり、どれだけハードウェアを節約しても、決して終わらないタスクが安くなることはない。Muse-Glimmer-30Bを含む査読済みのマルチエージェントオーケストレーション研究では、それが候補を1つも復元できなかったことが判明しており、これは別の方向から得られた同じ知見だ。

Glimmer は読みやすく、すばやく答え、どこでも動作し、実行はできない。Muse Wonder Full は実行でき、ファミリー内で最高の総合スコアを報告する——そしてリーガルエージェントスイートでは 13.1 を報告しており、これは Meta 自身の表にある他のどのフロンティアモデルよりも低い。これらの事実のどちらも、もう一方によって説明されるものではない。

0.06ドルという数字は罠であり、50ドルも同様だ

ホスト型のインデックスタスクあたりコストの数値は、即座に除外されるべきだ。$0.06 は、Artificial Analysis がホスト型エンドポイント経由で Muse Glimmer を呼び出すのに要した金額であり、100万トークンあたり $0.325 と $1.35 という単価に基づいている。これはモデルを「借りる」経済性を値付けしたものであって、「動かす」経済性ではない。セルフホストなら、トークン単位の請求は消え、代わりにすでに所有しているか購入しなければならないアクセラレータと、それを提供し続けるためのエンジニアリング時間が残る。$0.06 をフロンティアモデルのタスクあたりコストと同列に置き、両者が同じ土俵にあるかのように引用するのは、このページで最も犯しやすい誤りだ。

$50は、逆方向の別の罠だ。100万あたり$20の出力レートと並べると安く見えるが、実際はそうではない。測定可能な単位を何も買えないからだ。プロンプト10件でも1000万件でもコストは同じであり、それを買う目的であるスコア——Metaのインデックスで59.1——は、同じチェックポイントについて公開ボードが公表しているスコアではない。Metaの表ではArtificial Analysis Indexで59.0とされているが、Artificial Analysisが公開しているのは56だ。同じ名前のインデックスで3ポイント食い違うということは、どちらの数字が主張で、どちらが測定値なのかを教えてくれる。

正直に言えば、この2つのモデルはそもそも同じ軸上にはありません。Muse Glimmerはアクセラレーターで価格が決まり、そのコストは利用量に比例して増えません——1日10リクエストでは高くつき、1000万リクエストでは驚くほど安くなります。Muse Wonder Fullは月単位で価格が決まり、そのコストは測定できるどんなものにも連動しません。片方は利用量とともに動きます。もう片方はまったく動きません。

実際に両者の間にある段

ここまで読んできたほとんどのチームは、どちらの極端も望んでいない。彼らが望むのは、ワークロードのうち安価でプライベートで大量処理に向く半分を自社ハードウェア上の小型モデルでこなし、難しい半分をAPI経由のフロンティア級の何かで処理することだ。そして厄介なのは、通常それらは2つの別々のスタックと2つの別々の課金関係を意味するという点だ。

このファミリーに含まれる3つのMetaモデルのうち1つは、当社が提供するルートです。meta/muse-spark-1.2——より大規模な教師モデルGlimmerの蒸留元——は、OrcaRouterのカタログに、1,048,576トークンのウィンドウで100万トークンあたり入力$1.25、出力$4.25、キャッシュ読み取り$0.15で掲載されています。これにより中間の段階に位置します。実行型の作業では30Bの生徒モデルよりかなり高性能で、Muse Wonderの出力レートの5分の1であり、他のすべてと同じキーで利用できます。

正直な補足を2点。というのも、この命名が誤った前提を招くからです。Muse Glimmer 自体は私たちのルートの一つではありません。カタログに muse-glimmer の項目はありませんし、あるべきでもありません。なぜなら Glimmer の根本は、自分で実行し、どこにもルーティングしないことにあるからです。Muse Wonder Full も私たちのものではなく、Glimmer と違って Meta のサブスクリプション・サーフェス以外では誰にも利用できません。

単一エンドポイント構成がもたらすのは、その分割のうちホスト側の半分だ。プロバイダーの定価は0%のマークアップでそのまま適用されるため、ベンダーの価格改定はその日のうちに反映される。自動フェイルオーバーは、実行中に上流プロバイダーが劣化する事態をカバーし、ルーティングDSLは安価なモデルと高価なモデルを単一の呼び出しに合成するので、高価な側は安価な側の信頼度が落ちたところでしか呼び出されない。一方の端に30Bのファイル、もう一方の端にサブスクリプション限定のチェックポイントを抱えるファミリーにとって、この合成こそが要点だ — ほとんどのトラフィックはどちらの極端も必要としない。

選ぶこと、そしてそれを決めるたった一つの行

• Muse Glimmer は、トークンをマシンの外に出せないとき、ネットワークがないとき、ピン留めして保持できるものが必要なとき、あるいは利用量が多くトークン単位の課金が支配的なコストになるときに適している。その範囲内では高速で簡潔、長いコンテキストの読解に強く、総合スコアはまさにそうした用途では実力を過小評価している。

• 長文書に対する大量抽出と検索のための Muse Glimmer。ここでは 83.3% の長文脈リコールが重要な数値であり、Terminal-Bench での 0.5% は決して話題にならない。

• タスクを実行する必要がある場合——エージェント、コンピュータ操作、ターミナル作業——、または入力が音声や動画の場合は、Muse Wonder またはより広範なシリーズ。実行スコア 0.5% は低予算の選択肢ではない。それは非参加者である。

• 中間を選ぶなら Muse Spark 1.2 です。これは Glimmer が蒸留されたモデルであり、両極端の間にある段階で、そのギャップのどこかにある能力に対してフロンティアシリーズが請求する額の5分の1のコストで済みます。

• 総合スコアだけを根拠にするなら、Muse Wonder Full ではない。Meta は同じ表で、法務エージェントスイートについて 13.1 を報告しており、Claude Opus 5.5 の 55.2 と対比している。そして、独立したボードはそのチェックポイントを、42 ではなく、呼び出し可能な Muse Wonder より 4 点高いと評価している。あなたの作業がその Harvey の行に似ているなら、ローンチ表の最高スコアは、サブスクリプションを支払う理由としては間違っている。

42ポイントのインデックスギャップは現実に存在するし、このページでいちばん役に立たないものでもある。これらは価格差を挟んだ隣接製品ではない。ファイルと扉だ。判断すべきは、トークンがどこで走るか、次にその作業が読むことなのか実行することなのか——そして最後の判断、人が忘れがちなそれは、この範囲の両端でこれほどかけ離れたものを出荷するラボは動き続けるということだ。だから、固定できないモデルこそ、その上に構築するのに最も慎重であるべきモデルだ。