Muse Spark Open vs Muse Spark 1.3: 9개의 지수 포인트는 공짜로 포기하기엔 너무 크다

다음은 메타 자체 제품군 안에서 나오는 불편한 비교다. Muse Spark Open은 2026년 10월 15일에 출시된, 누구나 다운로드할 수 있는 8,160억 매개변수 오픈 웨이트 모델이며, 독립 측정 기준 Artificial Analysis Intelligence Index는 39다. Muse Spark 1.3은 메타가 2026년 9월 2일에 출시한 독점 API 모델로, 48에 위치한다. 9점 차이는 반올림 차이가 아니다 — 그것은 대략 한 가지 역량 등급과 다음 등급 사이의 거리이며, "그냥 오픈된 걸 대신 돌려라"라는 조언이 출시일에는 들리는 것보다 훨씬 나쁜 조언이 되게 만드는 숫자다.

스펙 시트가 아니라 시나리오부터 시작하세요

세 팀은 Muse Spark Open 릴리스를 살펴보고 무언가를 취소할 수 있는지 물었다.

첫 번째 팀은 고정된 코퍼스를 읽고 구조화된 레코드를 출력하는 야간 파이프라인을 실행합니다. 지연 시간은 중요하지 않고, 볼륨은 막대하며, 스키마는 절대 바뀌지 않습니다. 이 팀은 오픈 가중치를 가져다 쓰고 토큰당 비용 지불을 중단해야 합니다.

두 번째 팀은 사용자 요청마다 열두 번씩 작은 왕복 요청을 발생시키는 대화형 코딩 에이전트를 실행합니다. 이 팀은 그래서는 안 되며, 그 이유는 처리량과 추론 비용인데, 이 둘은 곧 훨씬 더 구체적으로 드러날 예정입니다.

세 번째는 고난도 다단계 추론을 실행합니다. 모델이 긴 추론 연쇄를 유지하고, 그 안에서 도구를 호출하며, 스스로의 막다른 길에서 빠져나와야 하는 종류의 추론이죠. 이 팀도 예외여서는 안 되며, 그들에게 9점 격차는 추상적인 수치가 아닙니다. 그것은 완료되는 워크플로와 계속 지켜봐야 하는 워크플로 사이의 차이입니다.

아래의 모든 내용은 추측 없이 그 세 가지를 구별하는 방법에 관한 것입니다.

아홉 개의 점이 무엇으로 만들어져 있는지

지수는 합성물이고, 합성물은 구조를 숨긴다. 여기서 구조는 대부분 예상할 만한 곳에 있지만, 한 가지 놀라운 점이 있다.

• 에이전트 및 도구 사용 작업 — Muse Spark 1.3이 가장 강한 영역이다. 자사 하네스 내에서 측정되어 벤더가 보고된 Meta의 1.3 자체 출시 수치는 Terminal-Bench 2.1을 83.9, DeepSWE 1.1을 68로 제시한다. 벤더 보고 기준 Muse Spark Open의 76.4와 60과 비교하면, 이는 실제 에이전트 행동에 가장 가까운 평가에서 일관되게 7~8점 앞서는 것이며, 독립 지수 격차와도 거의 정확히 일치한다.

• 폐쇄형(closed-book) 추론 — 더 큰 격차. Muse Spark Open 자체 스코어카드에서 가장 취약한 항목은 도구를 사용하지 않은 HLE-Diamond이며, Meta는 여기서 26.1을 보고한다. Muse Spark 1.3은 추론 우선 모델로 만들어졌다; 이름에 있는 "max" 추론 구성은 장식이 아니다.

• 지식의 폭 — 헤드라인이 시사하는 것보다 좁으며, Artificial Analysis가 두 모델에 전지성 축에서 매긴 점수 차이는 지수 델타가 시사하는 것보다 작습니다. 이는 격차가 모델이 아는 양이 아니라 추론 깊이와 에이전트 지속력에 집중되어 있음을 의미하므로 중요합니다.

• 속도 — Muse Spark 1.3은 초당 127.7토큰을 기록했으며, Artificial Analysis에서 185개 중 41위에 올랐습니다. Muse Spark Open의 속도는 독립적인 누구도 공개하지 않았습니다. 두 대의 데스크톱 머신에서 자체 호스팅되는 816B 전문가 혼합 모델은 127.7 tok/s보다 느릴 것이고, 얼마나 느릴지는 알 수 없습니다. 그리고 이는 비용과 함께 증거에서 두 번째로 큰 공백입니다.

• 가격 — Muse Spark 1.3은 입력 백만 토큰당 $1.25, 출력 백만 토큰당 $4.25에 판매되며, 캐시된 입력에 대해 88% 할인이 적용되어, Intelligence Index 작업당 측정된 $1.60의 비용이 발생합니다. Muse Spark Open은 토큰당 가격이 없으며, 그 비용은 하드웨어이고, 이에 대한 독립적인 작업당 비용 수치도 존재하지 않습니다.

그 목록의 한 줄은 다시 볼 가치가 있습니다. 가장 흔히 잘못 이해되는 논점이기 때문입니다. Muse Spark 1.3은 장황한 추론기입니다. Artificial Analysis는 평가 전반에서 이것이 약 1억 7천만 토큰을 소비한 것으로 측정했으며, Muse Spark 1.2는 약 1억 3천만 토큰이었습니다. 그래서 1.2의 경우 $0.97을 만들어내는 동일한 공표 토큰 가격에서 1.3은 작업당 $1.60이 드는 것입니다. 프런티어 추론 등급은 당신에게 두 번 비용을 청구합니다. 한 번은 역량에 대해, 한 번은 거기까지 생각해 나가는 데 태워 버리는 토큰에 대해.

돈이 되는 곳은 추론 다이얼이다

두 모델 모두 추론 우선이며 어느 쪽도 이를 끄도록 허용하지 않지만, 노력 수준을 드러내는 방식은 서로 다르고, 그 차이가 이 페이지에서 가장 실용적으로 유용한 점이다.

Muse Spark Open은 자사의 노력 단계를 공개한다: low, medium, high, xhigh는 각각 16, 64, 256, 512 추론 토큰에 대응하며, 시스템 프롬프트의 추론 강도 힌트도 같은 역할을 한다. 이는 자신의 코드에서 돌릴 수 있는 다이얼이고, 설정별 비용이 알려져 있으며, 출력 토큰당 달러가 아니라 전기와 실제 시간으로 지불하기 때문에 다이얼을 낮춰도 계량기에서는 아무 비용도 들지 않는다. 그 대가는 정확도, 오직 정확도뿐이다.

Muse Spark 1.3에서는 벤더 측에도 동일한 사다리가 존재하며, 한 단계를 올릴 때마다 요금이 청구됩니다. 추론 토큰이 출력으로 계산되는 상태에서 출력 토큰 백만 개당 $4.25라면, 최대 노력으로 실행되는 워크플로는 가능한 가장 문자 그대로의 방식으로 모델의 숙고에 비용을 지불하는 셈입니다. 바로 이 지점에서 오픈 모델의 경제성은 단지 방어 가능한 수준이 아니라 진정으로 더 낫습니다: 더 깊이 생각할 여유가 있는 배치 작업은 그렇게 해도 비용이 들지 않고, 깊이 생각할 필요가 없는 배치 작업은 멈춰도 비용이 들지 않습니다.

간극이 사라지는 곳

세 가지 상황이 9점 차이를 무(無)로 만든다.

파인튜닝은 첫 번째이자 가장 큰 요소입니다. Muse Spark 1.3은 어떤 가격으로도 귀하의 데이터로 튜닝할 수 없습니다. Muse Spark Open은 Meta가 가중치와 함께 제공한 TorchTitan 지원을 통해 가능합니다. 귀하의 코드베이스, 스키마 또는 도메인 어휘로 튜닝된 모델은 39점을 받은 모델과 동일한 모델이 아닙니다, 어느 방향으로든 — 그리고 좁은 작업의 경우, 더 약한 범용 모델의 튜닝된 버전이 더 강한 모델의 튜닝되지 않은 버전을 흔히 능가합니다. 귀하의 문제가 특정하다면, 인덱스 격차는 관련 측정치가 아닙니다.

데이터 레지던시가 두 번째다. 코퍼스가 네트워크를 벗어날 수 없다면, 비교 대상은 39와 48이 아니라 39와 모델이 없는 상황이다. 그것은 팽팽한 저울질이 아니며, 결코 그런 적도 없다.

상각된 배치 볼륨이 세 번째인데, 단서가 붙는다. 토큰 소비가 많고 꾸준하며 예측 가능한 파이프라인이라면 하드웨어를 정당화할 수 있다. 버스트성이 강한 파이프라인은 그럴 수 없는데, 셀프 호스팅은 변동 비용을 고정 비용으로 바꾼 뒤 유휴 시간에 대해서도 어차피 비용을 청구하기 때문이다. 또한 Muse Spark 1.3의 캐시 할인은 대규모 배치 파이프라인이 만들어 내는 바로 그 반복 컨텍스트 패턴에 대해 호스팅 모델을 유난히 저렴하게 만들어 주므로, 셀프 호스팅의 명분은 단순한 토큰×가격 계산이 시사하는 것보다 약하다.

간극이 벽이 되는 곳

두 개의 워크로드는 오픈 모델에 가까이 두어서는 안 된다.

인터랙티브 에이전트가 첫 번째다. Muse Spark 1.3의 측정 속도는 초당 127.7토큰이며, 에이전트 루프는 그 숫자에 작업당 왕복 횟수를 곱한다. Muse Spark Open은 공개된 속도가 없고, 816B 모델이 데스크톱 메모리 대역폭에서 실행될 경우 훨씬 뒤처질 것이라는 구조적 예상이 있다. 사람이 기다리고 있다면 9포인트라는 지수 차이는 무의미하며 처리량 격차가 전부다.

버스트형 프런티어 추론은 두 번째인데, 그 이유는 더 미묘하다. 48포인트의 추론 능력을 필요로 하는 워크로드는 거의 정의상 실패 비용이 크고 추론 체인이 긴 워크로드다. 토큰당 요금을 아끼려고 그런 워크로드를 한 등급 아래 모델에서, 알 수 없는 처리량으로 실행하는 것은 작고 예측 가능한 비용을 크고 예측 불가능한 비용과 맞바꾸는 일이다. 그것이 바로 이 글 앞부분의 세 번째 팀이 거부해야 할 거래다.

둘 다를 원하는 팀

결국 둘 다 운영하게 되는 대부분의 조직이 그렇게 하는 이유는 워크로드가 실제로 다르기 때문입니다. 대화형 경로에는 속도가 필요하고, 배치 경로에는 비용이 필요하며, 일부 경로만 온프레미스에 남아 있어야 합니다. 실패 모드는 아키텍처가 아닙니다. 문제는 그 분리가 구성이 아니라 문서에 존재하고, 개발자가 튜토리얼에서 모델 문자열을 복사한다는 것입니다.

라우팅 계층은 바로 그 문제를 해결하는 메커니즘입니다. OrcaRouter는 Muse Spark 1.2를 Meta의 정가에 0% 마크업으로 라우팅하며 벤더의 정가를 그대로 전달하므로, 호스팅 측의 가격 인하가 재가격 책정 작업 없이 같은 날 귀하의 키에 반영됩니다. Muse Spark Open은 호스팅하지 않으며, 그렇게 하는 것으로 해석되어서도 안 됩니다. 가중치를 보유할 수 있다는 것이 전체 제안인 모델은 자체 하드웨어에서 실행하는 모델입니다. 라우터가 기여하는 것은 대화형 절반입니다 — Muse Spark 1.3도 현재 OrcaRouter가 라우팅하지 않으므로, 오늘날 실질적인 형태는 이미 호출하고 있는 곳에서 호스팅 티어를 호출하고 하나의 API가, 자동 페일오버와 라우팅 DSL을 갖추고, 단일 키 아래에서 접근할 수 있는 200개 이상의 모델을 유지하도록 하십시오 동시에 자체 하드웨어는 집에 남아 있어야 하는 것을 처리하게 하십시오.

라이선스가 아니라 워크로드를 기준으로 선택하세요.

작업이 튜닝할 수 있을 만큼 좁고, 데이터가 외부로 나갈 수 없으며, 워크로드가 크고 꾸준하고, 무엇보다 모델이 요금 미터기가 돌아가지 않은 채 원하는 추론 강도로 생각할 수 있다면 Muse Spark Open을 선택하세요. 이것이 네 가지 조건이며, 이들은 보통 서로 상관관계가 있습니다 — 파이프라인은 좁고, 배치형이며, 정적입니다.

인간이 출력을 기다리는 경우라면, 추론이 정말로 어려운 경우라면, 작업이 몰아서 들어오는 경우라면, 또는 확인된 멀티모달 라인업이 필요하다면 Muse Spark 1.3을 선택하세요 — 1.3의 텍스트, 이미지, 비디오 입력은 독립적으로 등재되어 있는 반면, Muse Spark Open의 더 넓은 오디오 및 비디오 주장은 벤더가 주장한 것이며 독립적으로 측정된 것은 텍스트와 이미지뿐입니다.

당신이 해서는 안 되는 일은 오픈 웨이트를 무료라는 이유로 선택하는 것입니다. 39와 48 사이의 9점은 실재하며, 이는 바로 이 모델들을 유용하게 만드는 에이전트형 작업과 추론 작업에 집중되어 있고, 아무리 많은 로컬 추론으로도 그 점수를 만회할 수 없습니다. Muse Spark Open은 특정한 질문 묶음에 대한 올바른 답입니다. 그것은 Muse Spark 1.3의 할인판이 아닙니다.

Muse Spark Open은 Muse Model License에 따라 다운로드할 수 있으며, Muse Spark 1.3은 입력 토큰당 $1.25, 출력 토큰당 $4.25에 이용할 수 있고, 캐시 할인은 공급업체 자체 요율로 적용됩니다.