Muse Spark vs Claude Opus 5.5: 지능 10점과 3.7배 청구서

The comparison between Muse Spark and Claude Opus 5.5 is usually written as a scoreboard, and the scoreboard does have a winner: on Artificial Analysis' Intelligence Index the current Muse Spark — Muse Spark 1.3 at its max reasoning setting — scores 48, while Claude Opus 5.5 at max effort with default fallback scores 58 and sits first on the board. That is the number everyone quotes. The number almost nobody quotes sits on the same page: completing one Intelligence Index task costs $1.60 on Muse Spark 1.3 and $5.98 on O​pus 5.5. Ten index points for roughly 3.7x the money per task, with Muse Spark also running about 28% faster and emitting a third fewer tokens to get there. Neither of those figures is ours — both come from Artificial Analysis' own hosted listings — and which one matters depends entirely on what you are doing, so this piece is about separating the two questions rather than picking a side.

먼저, 모델 이름이 숨기고 있는 것

Muse Spark is not one model, and the matchup only makes sense once you fix a version. The line runs Muse Spark 1.1 (July 16, 2026), Muse Spark 1.2 (August 5, 2026) and Muse Spark 1.3 (September 2, 2026), all from M​eta Superintelligence Labs, all sharing a 1,048,576-token context window and a text-out modality. M​eta labels 1.3 current. Muse Spark 1.3 also gained its "max" reasoning level on September 4, two days after launch, after M​eta finished additional safety testing — and that matters here because every AI-lab scorecard, M​eta's included, was produced at that setting, while the model most developers actually called for the first two days was capped at xhigh.

Claude Opus 5.5 arrived on September 22, 2026, the first release in A​nthropic's 5.5 family, and it is a simpler object: one GA model, adaptive thinking always on, effort selectable from low to max. A​nthropic's own framing was cost — it says O​pus 5.5 costs 40% less to run than Claude Opus 5, with input and output at $4 and $20 per million tokens and cache reads at $0.20, a 60% cut on cache reads versus its predecessor. Claude Fable 5.1 still sits above it for the hardest reasoning work.

그러니까 솔직한 설명은, 같은 제품군 이름 아래에서 계속 재지정되는 모델과, 고정된 구성으로 한 번 출시된 뒤 그 이후로 변하지 않은 모델 사이의 비교입니다.

독립적인 숫자들, 그 별표와 함께

Artificial Analysis는 둘 모두에 대한 공개 목록을 제공하는 유일한 제3자이며, 두 모델을 같은 범주에서 비교하지 않는다 — 오픈 웨이트 모델은 동일한 규모 등급의 오픈 웨이트 모델과, 독점 모델은 더 넓은 필드와 비교해 순위가 매겨진다. 이 둘은 모두 독점 모델이므로 그 특정 왜곡은 작용하지 않는다. 작용하는 것은 어느 쪽 목록도 상대방의 하네스를 통제된 방식으로 재실행한 것이 아니라는 점이다.

• Muse Spark 1.3 (max) — Intelligence Index 48, 217개 중 24위; 출력 속도 초당 121.9토큰; 백만 토큰당 입력 $1.25 / 출력 $4.25; 인덱스 작업당 $1.60; 인덱스 중 생성된 출력 토큰 170M개.

• Claude Opus 5.5 (max, 기본 폴백) — Intelligence Index 58, 217개 중 1위; 출력 속도 초당 95.2토큰; 입력 $4.00 / 출력 $20.00; 인덱스 작업당 $5.98; 출력 토큰 260M.

Read those two lists side by side and the shape of the trade is visible without any interpretation. O​pus 5.5 wins intelligence by 10 points and wins it while being more verbose, not less — 260M tokens against 170M — so it is not buying its score with economy. Muse Spark 1.3 is faster, cheaper per token, cheaper per completed task, and less talkative. On the price-per-task line is where the gap is widest: you can run roughly 3.7 Muse Spark 1.3 index tasks for the cost of one O​pus 5.5 index task.

독립적인 데이터 포인트가 하나 더 있습니다. 이는 반대 방향을 가리키며 언급할 가치가 있기 때문입니다: LMArena의 텍스트 리더보드에서는 Claude Opus 5.5 구성이 전체 3위, Elo 1508을 기록했고, Muse Spark 1.3은 그 리더보드에 아예 나타나지 않습니다. 인간 선호 투표와 벤치마크 지수는 그 크기에 대해 서로 다르게 말하는데, 이는 정상이지만, 그렇다고 해서 10점 격차를 "모든 면에서 10% 더 나쁘다"로 읽어서는 안 된다는 뜻입니다.

공급업체들에 따르면, 격차가 가장 큰 곳

벤더 스코어카드는 서로 비교할 수 없으며, 어느 벤더도 동일한 벤치마크를 공개하지 않았지만, 겹치는 부분은 시사하는 바가 있습니다. 아래의 모든 내용은 벤더가 보고한 것이며 우리가 재현한 것이 아닙니다.

• Terminal-Bench 4.0 — O​pus 5.5: 66.4%, run at xhigh effort per A​nthropic's note. M​eta reports Muse Spark on Terminal-Bench 2.1 instead, where the family's published score is 76.4 with the Terminus 2 agent. Different benchmark versions, different agents — do not subtract them.

• GDPval-AA — O​pus 5.5: 1846 Elo on v2.1. Muse Spark 1.3: 1,754 on v2. The version moved between the two measurements, so the 92-point gap is directionally real and numerically soft.

• Agentic computer use — O​pus 5.5: 81.8% on OSWorld 2.1, marked "partial". Muse Spark 1.3: 66.9 on OSWorld 2.0. Again, different revisions of the same benchmark family.

• Terminal-Bench-Science 0.1 — O​pus 5.5: 58.7%. M​eta publishes no equivalent for Muse Spark 1.3.

Anthropic은 자사 표의 한계에 대해 이례적으로 명확히 밝히며, 이 정도 역량 수준에서는 "벤치마크 격차가 실제 세계의 차이를 판단하는 데 덜 신뢰할 만한 지침이 되었다"고 지적한다. 그 문장은 양방향으로 액면 그대로 받아들일 가치가 있다. 10점 AA 격차를 약화시키는 만큼 Meta의 DeepSWE 배치 주장도 약화시킨다.

포인트 외에 포기하는 것

• 모달리티 측면에서 — Muse Spark 1.3은 텍스트, 이미지, 영상을 입력으로 받습니다. Claude Opus 5.5는 텍스트와 이미지를 받습니다. 파이프라인이 화면 녹화본이나 영상을 모델에 그대로 투입한다면, 이건 접전이 아니며 지수 격차는 무관합니다.

• Maximum output — O​pus 5.5 returns up to 128K tokens synchronously, and 300K through the Batches API behind a beta header. M​eta does not publish a max-output figure for Muse Spark 1.3 that we could verify. If you generate long artifacts in a single call, an unpublished ceiling is a risk you should test rather than assume.

• Cache economics — O​pus 5.5's cache read is $0.20 per million, a 95% discount off input. Muse Spark 1.3's is $0.15, an 88% discount. For a heavily cached agent loop this narrows or inverts the per-task arithmetic versus the headline rates, and it is the single easiest thing to get wrong when comparing these two on list price alone.

• 맥락 — 둘 다 1M입니다. 분리할 것이 없습니다.

• Release cadence — O​pus 5.5 is one model with one price and has not changed since September. Muse Spark has re-pointed three times in three months and then added a reasoning level on top. That is either healthy iteration or an integration hazard, depending on how much you like re-running evals.

두 번째 통합 없이 둘 다 실행하기

Both sides of this comparison are on OrcaRouter — Claude Opus 5.5 and the two Muse Spark checkpoints we serve, Muse Spark 1.2 and Muse Spark 1.1 — through one API across 200+ models, at each provider's list price with 0% markup passed through. Which is the practical answer to the question this article poses: the way to find out whether your workload really needs the extra ten index points is to route a slice of production traffic to Muse Spark 1.2 at $1.25 in / $4.25 out and compare it against the same prompts on O​pus 5.5, on the same key, with automatic failover so a bad run degrades to the other model rather than to an error page. No second contract, no second SDK, no migration.

우리 자체 커버리지에 관한 두 가지 솔직한 주의사항이 있습니다. Muse Spark 1.3은 오늘 우리 카탈로그에 없으므로, 위의 라우팅 비교는 1.2에서 시작합니다. 1.2는 Artificial Analysis가 Muse Spark Open보다 한 점 낮게 측정하는 체크포인트이며, 현재 1.3을 가리키는 지원 중단 공지가 붙어 있습니다. 또한 이 비교는 A​nthropic과 M​eta가 공개한 수치와 Artificial Analysis의 독립적인 목록에 근거합니다. 우리는 어느 모델의 벤치마크도 다시 실행하지 않았으며, 위의 공급업체 행은 주장으로 읽어야 합니다.

다시 확인해 볼 가치가 있는 버전

If the question you brought here is "is the cheap one good enough", the honest answer today is that the cheap one is 48 to O​pus 5.5's 58, faster, less verbose and about 3.7x cheaper per completed task — and that A​nthropic's own caveat about benchmark margins is the strongest argument for testing rather than deciding. If your work involves video in, extremely long single outputs, or the last few points of hard reasoning, O​pus 5.5 is the model that shipped with those things documented. The thing to watch is not the next Muse Spark version number but whether Muse Spark 1.3 arrives on a router you already use, and at what price — the family's pricing has been stable at $1.25 / $4.25 across 1.1, 1.2 and 1.3, which is itself a signal that M​eta is competing on capability per dollar rather than on the dollar.

한 가지 개발은 이 맞대결의 안이 아니라 그 바깥에 속하며, 바로 그것이 이 제품군이 이번 주에 애초에 기사화되는 이유이기도 하다. 2026년 10월 15일 — Muse Spark 1.3이 출시된 지 13일 후이자 이 기사가 나오기 하루 전 — M​eta에 의해 Muse Spark Open의 가중치와 라이선스가 공개되었다. 이 제품군의 별도 오픈 웨이트 멤버로, 저장소는 9월 15일부터 게이트가 걸린 채 아무런 예고도 없이 방치되어 있었다. 현재 회자되는 816B 전체 / 42B 활성 아키텍처는 그 릴리스이며, 위에서 측정된 비공개 1.3이 아니다. Artificial Analysis는 실제로 이를 목록에 올려 두었는데, 지능 지수가 39로, 이 기사가 Muse Spark 1.3에 부여한 48과 대비된다. 그리고 M​eta는 이에 대한 자체 스코어카드를 뒷받침하는 평가 보고서를 공개하지 않았다. 따라서 그 아티팩트는 확인되었고 성능 주장은 확인되지 않았다. 이 비교가 그것을 다루는 것으로 읽지 말라.

숫자만으로는 이런 것들 중 어느 하나라도 현장에서 잘못된 적이 있는지 알 수 없습니다. 이 등급의 모델과 관련해 문서화된 AI 사고와 에이전트 실패 사례는 the OrcaRouter AI Incident Archive에 수집되어 있으며, 각 항목에는 자체 출처, 심각도, 신뢰도 등급, 이의 제기 여부 표시가 함께 제공됩니다.