Muse Spark Open vs Muse Wonder: 하나는 다운로드 가능, 하나는 대여만 가능

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.

사흘 차이인데, 같은 범주도 아니다

출시 순서는 출시 날짜보다 더 중요하다. Muse Wonder는 두 개의 체크포인트로 먼저 출시되었다: Meta의 Model API와 Muse Code 내부에서 제공되는 muse-wonder-1.0, 그리고 Meta가 Muse Code 구독을 통해서만 판매하며 API 모델로는 노출하지 않는 muse-wonder-full-1.0이다. Muse Spark Open은 그다음 단일 아티팩트로 출시되었다: 접근 제어된 저장소 뒤에 있는 BF16 체크포인트와 NVFP4 빌드, 모델 카드, 기술 보고서, 그리고 Muse Model License. 그중 하나는 서비스다. 다른 하나는 파일이다.

그로부터 이후의 모든 것이 따라온다. 클로즈드 모델의 가격은 공급업체가 말하는 대로이고, 그 성능은 공급업체가 언제든지 바꿀 수 있다. 오픈 모델의 가격은 자본 수치, 즉 GPU, 전력, 엔지니어이며, 그 성능은 여러분의 서빙 스택이 그 모델에서 얼마나 끌어낼 수 있는지에 달려 있다. 따라서 유용한 비교는 "어느 쪽이 점수가 더 높은가"가 아니다. 그건 차이가 크지 않다. 오히려 "이 둘 중 어느 쪽이 필요한 성능에 도달하는 데 비용이 덜 드는가"이며, 이는 전적으로 여러분이 이미 보유한 것과 가중치로 무엇을 할 수 있는지에 달려 있다.

두 모델 모두 텍스트, 이미지, 음성, 동영상을 입력받아 텍스트를 출력하며, 둘 다 1,048,576토큰의 컨텍스트 윈도우를 내세웁니다. 닮은 점은 거기까지입니다.

당신이 기억하는 대로가 아니라, 오늘 현재의 점수판

Artificial Analysis가 Intelligence Index를 개편했으며, 현재 버전은 v5.0.1로 아홉 가지 평가를 포함합니다: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, 하드 하위 집합의 CritPt v2, Terminal-Bench-Science 0.1. 이 비교에서 중요한 점은, 이번 개정 이전에 두 모델 중 어느 쪽에 대해 읽은 어떤 수치도 아래 수치와 같은 척도가 아니라는 것입니다. 두 항목 모두 동일한 스위트 내에서 다시 채점되었으므로, 두 모델의 절대값은 이전에 보았을 수 있는 수치와 비교할 수 없더라도 두 모델 간 격차는 비교 가능합니다.

해당 리비전에서 M​use Spark Open(Xhigh)은 비슷한 크기의 다른 오픈웨이트 모델들의 중앙값 23에 대해 25점을 기록합니다. 평균보다 높지만, 크게 높은 것은 아닙니다. Muse Wonder(Max)는 비슷한 가격대 모델들의 중앙값 40에 대해 44점을 기록합니다. 19점 차이는 반올림 차이가 아니지만, 그것이 전부는 아닙니다. 두 중앙값이 서로 다른 비교 집합을 설명하기 때문입니다. 하나는 동일 크기 오픈 모델의 작은 부류이고, 다른 하나는 더 넓고 더 비싼 가격대입니다. 이 두 모델이 분명하게 입증하는 것은 각 모델이 자기 동료 그룹보다 앞선다는 점이며, 이는 순위보다 더 유용한 진술이고 훨씬 게임하기 어렵습니다.

평가별 행은 같은 내용을 더 높은 해상도로 말합니다. 아래의 각 줄은 동일한 차원에서 양쪽을 같은 순서로 담고 있으므로, 두 개의 별도 주장이 아니라 한 쌍으로 읽을 수 있습니다.

• Index, v5.0.1 — M​use Spark Open: Xhigh 노력 수준에서 25, 클래스 중앙값 23 대비; Muse Wonder: Max 노력 수준에서 44, 클래스 중앙값 40 대비

• AA-Briefcase v1.1(에이전트형 지식 노동, Elo) — M​use Spark Open 1,278.7; Muse Wonder 1,658.7

• AutomationBench-AA(에이전트형 SaaS 워크플로) — Muse Spark Open의 경우 0.497; Muse Wonder의 경우 0.681

• Terminal-Bench 4.0 — M​use Spark Open 0.081, Muse Wonder 0.520

• FrontierCode-AA 2.0 — Muse Spark Open의 경우 0.076; Muse Wonder의 경우 0.240

• HLE-Diamond — M​use Spark Open의 경우 0.263; Muse Wonder의 경우 0.390

• CritPt v2, 하드 하위 집합 — Muse Spark Open은 0.295, Muse Wonder는 0.505

• GDP.pdf, 전체 통과 — Muse Spark Open 0.186; Muse Wonder 0.306

• Terminal-Bench-Science 0.1 — M​use Spark Open은 0.019, M​use Wonder는 0.257

• AA-Omniscience v1.1 정확도 — Muse Spark Open은 25.8, Muse Wonder는 25.1이며, 환각률은 반대 방향으로 나타납니다: Muse Spark Open이 28.0%인 반면 Muse Wonder는 20.9%입니다

두 행은 각각 한 문장씩 언급할 가치가 있다. Terminal-Bench-Science에서 0.019 대 0.257은 표에서 비례 격차가 가장 큰 항목이고, Terminal-Bench 4.0에서 0.081 대 0.520은 두 모델이 실제로 마케팅하는 워크로드 — 명령을 실행하는 에이전트 — 에서 가장 큰 격차다. 그것이 당신의 사용 사례라면, 이는 거의 논거 전체에 해당한다. Omniscience 쌍은 더 저렴한 모델이 입지를 지키는 유일한 지점이다: 지식 정확도에서 둘은 1점 이내이고, 둘을 구분하는 것은 얼마나 많이 아는지가 아니라 모를 때 얼마나 쉽게 답을 지어내는지다 — M​use Spark Open은 약 3.6개 응답 중 1개, Muse Wonder는 4.8개 중 1개꼴이다.

이 모든 것에 단서를 하나 붙이자면, 이는 벤더 수치가 아니라 평가자 수치이며, 이용 가능한 두 종류의 증거 중 더 강한 쪽에 해당한다. 그렇지만 여전히 한 연구소의 하네스가 이번 주기에 그 자체로 개정된 스위트에 적용된 결과이고, 이 평가들 중 상당수는 너무 최근에 나온 탓에 점수가 계속 움직일 것이다. 방향성은 타당한 것으로, 소수점 셋째 자리는 잡음으로 취급하라.

파라미터 수, 그리고 기록이 그냥 멈추는 지점

Muse Spark Open은 오픈 모델로서 자신의 규모를 공개한다. 총 8,160억 개 파라미터에 토큰당 약 420억 개가 활성화되고, 디코더 레이어는 62개이며, 각 전문가 혼합(MoE) 레이어에는 256개의 전문가가 있고 토큰당 8개가 선택된다. 또한 배포되는 양자화 빌드에서는 전문가들이 4비트 NVFP4로 유지되며 일부 레이어는 bf16으로 남아 있다. 420억 활성 파라미터라는 수치가 서빙에서 중요한데, 이는 생성되는 모든 토큰마다 읽어야 하는 가중치의 양을 결정하기 때문이며, 바로 이 덕분에 이 모델을 8개의 GPU에서 서빙할 수 있다.

Muse Wonder의 경우, 해당 숫자는 우리가 검증할 수 있는 기록에 없습니다. Artificial Analysis는 이를 proprietary로 표시하며, 기술 사양 패널에는 추론, 입력 모달리티, 출력 모달리티, 컨텍스트가 나열되어 있을 뿐 총 파라미터나 활성 파라미터 행은 전혀 없습니다. 우리는 가격이나 벤치마크로부터 파라미터 수를 추론하지 않을 것이며, 지목할 수 없는 수치를 반복하지도 않을 것입니다. 말할 수 있는 것은 방향성입니다. $4/$20 요금표의 44-index closed model은 420억 활성 파라미터 오픈 모델보다 실질적으로 더 큰 무언가를 서빙하고 있으며, 그것이 지는 모든 서빙 비용은 여러분의 자본이 아니라 다른 누군가의 자본입니다.

저렴한 모델이 빠른 모델이기도 하다는 점이 놀랍다.

가격과 속도는 보통 서로 상충합니다. 여기서는 둘이 같은 방향으로 움직이며, 이는 두 페이지 중 어느 쪽에서든 의사결정에 가장 관련성이 높은 발견입니다.

• 출력 속도 — M​use Spark Open의 경우 초당 169토큰; Muse Wonder의 경우 초당 118토큰

• 첫 답변 토큰까지 걸리는 시간 — M​use Spark Open은 13.81초, Muse Wonder는 25.19초

• 인덱스 작업당 소요 시간 — Muse Spark Open의 경우 6.6분, Muse Wonder의 경우 13.6분

• Index 실행에서 사용된 출력 토큰 — M​use Spark Open은 9,060만 개, Muse Wonder는 1억 1,300만 개로, 비교 가능한 모델의 중앙값 7,280만 개와 대비됩니다

마지막 두 줄을 함께 읽으면 그 메커니즘은 명백하다. Muse Wonder는 엄밀한 의미의 추론 모델이다. 더 오래 작업하고, 더 많은 토큰을 생성하며, 작업당 대략 두 배의 실제 경과 시간을 소요한다. Xhigh effort의 Muse Spark Open은 더 간결하다. 즉, 비교 가능한 모델의 중앙값보다 출력 토큰을 적게 생성했는데, 이는 추론 설정으로서는 이례적이며 “더 많이 생각할수록 항상 더 뛰어난 능력을 발휘한다”는 가정에 대한 실질적인 반박 근거다. 169 대 118 수치는 첫 토큰까지의 시간을 포함한 호스팅 엔드포인트 측정치이므로, 두 모델 중 어느 쪽의 실리콘 자체가 아니라 배포된 엔드포인트에 관한 진술이다.

실질적인 결과는 가격 격차가 요금표가 시사하는 것보다 더 크다는 것입니다. 왜냐하면 비용을 토큰당 지불하는데 Muse Wonder는 작업당 더 많은 토큰을 생성하기 때문입니다. 이는 서로 다른 가격과 서로 다른 발화량을 가진 두 모델을 정직하게 비교할 수 있는 유일한 수치, 즉 작업당 비용으로 우리를 이끕니다.

각 항목에서 작업에 실제로 드는 비용

Artificial Analysis는 전체 평가 스위트를 실행하는 비용을 계산한 뒤 작업 수로 나누고, 각 평가에 Index에 대한 기여도만큼 가중치를 부여합니다. 이렇게 하면 이미 장황함의 차이를 흡수한 동등 비교 가능한 수치가 나옵니다.

• Index 작업당 비용 — M​use Spark Open은 $2.02; Muse Wonder는 $6.95

• 혼합 정가, 입력 대 출력 3:1 — Muse Spark Open의 경우 백만 토큰당 $2.00; Muse Wonder의 경우 백만 토큰당 $8.00

• 캐시 읽기 — M​use Spark Open의 경우 백만 토큰당 $0.15로 88% 할인; Muse Wonder의 경우 백만 토큰당 $0.20로 95% 할인

대표 요금표는 입력 $1.25, 출력 $4.25이며, 비교 대상은 입력 $4.00, 출력 $20.00이므로 출력 가격은 4.7배, 입력 가격은 3.2배 차이납니다. 실현된 작업당 비용은 4.7배가 아니라 3.4배 차이인데, 이는 장황함과 캐시 효과가 작용한 결과입니다. Muse Wonder의 95% 캐시 할인이 M​use Spark Open의 88%보다 더 크고, 강한 캐싱이 실효 비용을 더 저렴한 모델 쪽으로 끌어내립니다. 워크로드가 캐시 친화적이라면 — 긴 공유 시스템 프롬프트, 반복 문서 — 요금표는 격차를 과대평가합니다. 그렇지 않다면 작업당 수치를 기준으로 계획해야 하며, 요금표가 격차를 과소평가하는 일은 없습니다.

각 작업당 비용을 해당 Index 점수로 나누면 세 번째 숫자가 나오는데, 이는 평가자의 숫자가 아니라 제가 계산한 숫자입니다. M​use Spark Open은 인덱스 포인트당 약 8센트인 반면 Muse Wonder는 약 16센트입니다. 이것이 이 맞교환을 가장 명료하게 보여주는 진술입니다. 폐쇄형 모델은 측정된 역량 단위당 대략 두 배를 지불하는 셈이며, 그 프리미엄에 대해 받는 것은 19점의 Index 점수와 더 낮은 환각률입니다.

라이선스는 요율표가 숨기고 있는 비용 항목이다

Muse Spark Open의 약관은 Muse Model License이며, 그중 두 조항은 비즈니스 계획에서 '무료 가중치'가 의미하는 바를 바꿉니다.

첫 번째는 모델-서비스(MaaS) 조항입니다. 귀하가 API를 통해 모델을 제품 또는 서비스로 제3자에게 제공하고, 그로 인한 총매출이 연속된 12개월 기간 중 어느 기간이든 2천만 미국 달러를 초과하는 경우, 귀하는 Meta에 통지하고 별도의 서면 계약을 체결한 후에 계속해야 합니다. 모델을 귀하의 자체 제품에 내장하는 것은 예외로 인정되지만, 재판매는 그렇지 않습니다. 이 가중치 위에서 추론 제공자가 되고자 하는 팀은 아키텍처 문서를 작성한 후가 아니라 작성하기 전에 해당 조항을 읽어야 합니다.

두 번째는 저작자 표시입니다. 라이선스는 모델이나 그 파생물을 사용하는 모든 제품의 인터페이스에, 또는 그 문서나 사이트, 설정에 "Built with M​use Spark Open"을 눈에 띄게 표시할 것을 요구합니다. 이는 작은 부담이자 무조건적인 부담이며, 정확히 제품에 관한 결정이 내려지는 곳 — '정보' 화면 — 에 나타납니다.

라이선스가 분명히 부여하는 것은 다운로드를 정당화하는 부분입니다. 바로 미세 조정, 증류, 병합, 게시, 재라이선스 및 파생물 판매이며, Meta는 출력물에 대한 소유권을 주장하지 않습니다. Muse Wonder는 그중 어느 것도 제공하지 않습니다. 호스팅된 체크포인트를 미세 조정할 수 없고, 도메인 모델에 병합할 수 없으며, 에어사이드에서 실행할 수 없고, 재훈련으로 동작을 수정할 수 없습니다. Muse Wonder에 지불하는 프리미엄은 기능을 사고 운영 부담에서 벗어나게 해 주며, 가중치를 건드려야 하는 모든 옵션에서도 벗어나게 해 줍니다.

실무에서 사람들이 자주 걸리는 부분이 하나 있습니다: 다운로드 자체에 제약이 걸려 있다는 점입니다. 저장소는 접근이 통제되어 있고, 신청서에는 법적 성명, 생년월일, 법인 식별자가 포함된 소속 기관을 기재해야 하며, 제출 후에는 수정할 수 없습니다. 클릭 한 번이 아니라 대기 시간을 넉넉히 잡으십시오.

메가커널이 산술을 바꾸는 지점

이 비교에는 두 요율표 어디에도 없는 세 번째 숫자가 있으며, 그것은 어제 Meta 외부에서 도착했습니다. 2026년 11월 11일 SGLang 팀은 M​use Spark Open용 메가커널을 공개했습니다. 이는 디코드 단계당 약 1,450회의 커널 실행 대신 계층당 하나의 상주 커널을 사용하는 방식이며, 8대의 GB300에서 디코딩이 초당 517개에서 1,109개 토큰으로 증가하는 것을 측정했습니다. 이는 동일한 가중치, 동일한 정밀도, 동일한 수치 연산에서 순전히 소프트웨어로 달성한 2.1× 개선입니다.

그것을 호스팅된 수치 옆에 놓으면 이 결정의 성격이 달라진다. 임대한 엔드포인트는 초당 169토큰으로 응답하고, 연구용 커널을 실행하는 직접 구축한 8-GPU 스택은 초당 1,109토큰으로 응답한다. 두 번째 수치는 배치 크기 1, GSM8K 요청 하나, 20단계의 중앙값이며, 저자 외에는 아무도 이를 재현하지 못했다. 따라서 이는 도달할 수도 있는 상한선이지, 용량 계획에 넣을 수 있는 처리량 수치가 아니다. 그러나 이는 이 둘을 규정하는 비대칭성을 확립한다. 폐쇄형 모델의 서빙 효율은 Meta가 개선할 몫이고 당신이 기다릴 몫인 반면, 오픈 모델의 서빙 효율은 당신의 엔지니어들로 공략할 수 있는 함수다.

이미 비용을 지불한 GPU를 보유한 팀에게는 오픈 모델이 근접한 워크로드에서 그 비대칭성이 19 인덱스 포인트보다 더 가치가 있습니다. GPU가 없는 팀에게는 아무 가치가 없습니다. 왜냐하면 1,109라는 수치는 구매해야 하는 8-GPU 노드에 붙어서 나오기 때문입니다.

네 가지 상황, 네 가지 다른 답

제약 조건을 명확히 정의하면 비교는 깔끔하게 정리되며, 그 제약 조건은 거의 벤치마크가 아닙니다.

이번 분기에 제품을 출시하려는데 그 작업이 고난도 추론, 장기 호라이즌 에이전트 작업, 또는 0.081 대 0.520의 터미널 벤치마크 격차가 문제의 양상인 어떤 것이라면, 답은 Muse Wonder이며 이는 접전이 아닙니다. 작업을 완료하는 모델에 작업당 $6.95를 지불하는 것이고, 대안은 자주 완료하지 못하는 모델에 작업당 $2.02를 지불하는 것입니다.

초당 169토큰에 첫 토큰이 13.8초인 답변은 수용 가능하지만 초당 118토큰에 첫 토큰이 25.2초인 답변은 수용할 수 없는, 대량의 지연 민감 작업을 실행 중이라면, 가격을 고려하기 전에도 답은 M​use Spark Open이며, 가격까지 고려하면 3.4배 더 저렴한 답이 됩니다. 28%의 환각률은 설계에서 감안해야 할 부분입니다. 근거에 기반하게 하거나, 출처를 인용하게 하거나, 다운스트림에서 검증하세요.

데이터가 인프라 밖으로 나갈 수 없거나, 가중치를 직접 확인하려는 규제 기관이 있거나, 자체 코퍼스로 파인튜닝하는 것이 전체 가치 제안인 도메인이라면 비교는 끝난 것입니다. Muse Wonder는 그럴 수 없으며, 인덱스 점수가 아무리 높아도 그것은 바뀌지 않습니다. Muse Spark Open은 가능하며, 라이선스는 파인튜닝, 병합, 재배포를 명시적으로 허용합니다.

GB300급 노드를 갖춘 학습 클러스터를 이미 보유하고 있다면, 그 오픈 모델의 경제성은 요금표가 전혀 아니라 이미 상각한 GPU의 한계 비용입니다. 바로 그런 경우에 초당 1,109토큰이 중요하고, 메가커널 작업이 직접 실행 가능하며, 2천만 달러짜리 모델-서비스(MaaS) 조항이 사이드 프로젝트와 비즈니스 사이에 놓인 단 하나의 서류 조항입니다.

해결되지 않는 사례는 사람들이 가장 많이 묻는 바로 그 사례다. 최첨단 역량을 원하면서 동시에 저렴함도 원하는 작은 팀. 이 두 모델에서는 둘 다 가질 수 없다. 가질 수 있는 것은 캐스케이드다. 대부분의 트래픽에는 저렴한 모델을, 나머지에는 비싼 모델을 쓰는 것. 그리고 그것은 모델 결정이 아니라 라우팅 결정이다.

우리가 라우팅하는 것과 라우팅하지 않는 것

이 두 모델 중 어느 것도 OrcaRouter에 없습니다. 카탈로그에 meta/muse-wonder 항목도, meta/muse-spark-open 항목도 없으며, 우리는 어느 쪽도 우리를 통해 사용 가능하다고 설명하지 않을 것입니다. Muse Spark Open은 다운로드와 라이선스이고, Muse Wonder는 Meta 자체 엔드포인트이자 구독입니다.

같은 연구소에서 저희가 실제로 제공하는 것은 Muse Spark 라인입니다: Muse Spark 1.2 및 Muse Spark 1.1. 이는 위의 네 가지 상황 중 정확히 하나, 즉 캐스케이드에 해당합니다. 라우팅 계층은 "대부분의 트래픽에는 저렴한 모델, 나머지 트래픽에는 비싼 모델"이라는 답이 아키텍처 다이어그램에서 그치지 않고 구성이 되는 지점입니다: 200개 이상의 모델을 아우르는 단일 API, 공급자 정가를 0% 마크업으로 그대로 반영, 따라서 Meta의 가격 인하가 다음 계약 갱신 때가 아니라 같은 날 청구서에 반영되며, 자동 장애 조치와 구성으로 모델 간 트래픽을 이동시키는 라우팅 DSL을 통해 코드 변경과 배포 없이 처리할 수 있습니다.

비교의 오픈 웨이트 쪽에 관해 솔직히 말하면, 어떤 라우터도 도움이 되지 않습니다. 가중치는 여러분의 것이고, GPU도 여러분의 것이며, 커널도 여러분의 것입니다. 그리고 1,109라는 수치에 도달하는 유일한 길은 프로파일러를 다룰 줄 아는 엔지니어입니다.

이 비교가 오래되면

• Muse Wonder Full의 API 접근 문제. 더 높은 점수를 받은 체크포인트는 현재 구독 뒤에 가로막혀 있어, 이 비교에서의 Muse Wonder는 44점을 기록한 API 모델이며, Meta가 별도로 보고하는 Full 체크포인트가 아닙니다. 만약 Full이 엔드포인트를 개방하면 성능 격차는 더 벌어지고 캐스케이드 논거는 더 약해집니다.

• 메가커널 수치의 독립적 재현. 배치 크기 1에서 한 팀의 2.1×는 상한이며, 실제 배치 크기에서 두 번째 팀이 이를 동일하게 달성하면 숫자가 첨부된 자체 호스팅 사례가 된다.

• 어느 한쪽의 가격 변동. M​use Spark Open의 호스팅 요금은 $1.25/$4.25이고 Muse Wonder의 요금은 $4.00/$20.00이며, 단 한 번의 벤더 발표만으로도 작업당 3.4배 격차가 좁혀지거나 역전될 수 있습니다. 이 항목은 목록에서 변경하기에 가장 저렴하면서도 변경될 가능성이 가장 높습니다.

• 격차를 좁히는 파인튜닝. 19 인덱스 포인트는 파생 모델이 만회하기에는 큰 결손이며, 오픈 모델의 라이선스가 그 시도를 합법적으로 만든다. 제품이 중요하게 여기는 특정 평가에서 M​use Spark Open에 대한 도메인 튜닝이 Muse Wonder 클래스의 중앙값 근처에 도달한다면, 해당 제품에 대해서는 프리미엄이 더 이상 정당화되지 않는다.

그중 하나가 단행되기 전까지는 요약이 짧다. Muse Wonder는 성능이 더 뛰어난 모델이며 토큰당 요금을 내고 빌려 쓴다. M​use Spark Open은 성능이 덜한 모델이고, GPU와 라이선스 조항, 환각 발생률, 그리고 이번 달 기준으로는 속도를 두 배로 높이는 공개 레시피까지 모두 완전히 소유한다.