Muse Spark Open vs Muse Spark: wat je opgeeft wanneer Meta jou de gewichten overhandigt

De vergelijking die mensen eigenlijk bedoelen wanneer ze "Muse Spark Open vs Muse Spark" typen, gaat niet over twee modellen — het gaat over twee distributiemodellen die dezelfde familienaam dragen. Muse Spark Open is het open-weight sparse mixture-of-experts-model met 816B parameters dat Meta op 15 oktober 2026 publiceerde, downloadbaar onder de Muse Model License, met tekst, beeld, video en audio als invoer en tekst als uitvoer. Muse Spark is de gesloten, gehoste lijn van dezelfde familie — het oorspronkelijke model uit april 2026, daarna Muse Spark 1.1, 1.2 en 1.3 in volgorde — per token verkocht via Meta's Model API en op geen enkele andere manier bereikbaar. De ene komt als een bestand en een licentie; de andere komt als een endpoint en een tariefkaart. Bijna elk praktisch verschil tussen beide volgt uit die ene splitsing.

Eerst een naamgevingsprobleem dat de moeite waard is om op te helderen

"Muse Spark" zonder versienummer is echt dubbelzinnig, en de dubbelzinnigheid wordt nog erger nu er een open zusje bestaat.

• Muse Spark, niet-geversioneerd — het originele model, uitgebracht in april 2026, 262K-tokencontext op de vermelding van Artificial Analysis, tekst, afbeelding en spraak in.

• Muse Spark 1.1 en 1.2 — respectievelijk juli en augustus 2026, beide met het contextvenster van 1M tokens van de familie.

• Muse Spark 1.3 — september 2026, de versie die Meta als actueel bestempelt en aanbeveelt voor nieuw werk.

• Muse Spark Open — een aparte release met open gewichten, geen versie van de gesloten lijn, en geen opvolger van 1.3.

En een vierde ding dat vaak met al het bovenstaande wordt verward: Muse Glimmer, een 30B dense open model onder Apache 2.0 van dezelfde onderzoeksgroep. Iemand die zoekt naar "open Meta Muse model" en op Glimmer terechtkomt, heeft een echt open-weightmodel gevonden — en het verkeerde. Muse Spark Open is het 816B-model; Glimmer is de kleine lokale.

Wat de twee partijen op papier zijn

Zes dimensies, aan beide zijden, met de door de leverancier opgegeven cijfers en de onafhankelijke vermeldingen van Artificial Analysis waar die bestaan.

• Gewichten — Muse Spark Open: downloadbaar, 816B totaal / 42B actief, afgeschermde repository, BF16- en NVFP4-checkpoints. Muse Spark (gesloten lijn): geen gewichten, geen licentie, geen download voor welke versie dan ook, inclusief 1.3.

• Invoer — Open: tekst, afbeelding, video en audio volgens Meta, en tekst, afbeelding, spraak en video volgens de vermelding van Artificial Analysis. Closed 1.2: tekst, afbeelding, spraak en video volgens Artificial Analysis. De twee bronnen zijn het eens over de modaliteitenlijst van het open model; wat geen van beide heeft gepubliceerd, is een meting van het audio- of videopad.

Uitvoer — alleen tekst, aan beide zijden. Geen van beide genereert afbeeldingen, audio of video.

• Context — 1.048.576 tokens voor Open en voor 1.1, 1.2 en 1.3. De originele niet-geversioneerde Muse Spark staat lager, op 262K.

• Licentie en voorwaarden — Open: Muse Model License met een naamsvermeldingsvereiste en een model-as-a-service-clausule die geldt boven $20M aan jaarlijkse omzet van gelieerde ondernemingen. Closed: commerciële API-voorwaarden, met een gereduceerd "Contributor"-niveau dat een lagere prijs inruilt voor toestemming om op je prompts en completions te trainen.

• Prijs — Open: Meta stelt geen prijs vast, omdat Meta het niet aanbiedt. Wat je betaalt, is ofwel je eigen hardware of wat een inferentieplatform in rekening brengt. Closed 1.3: $1,25 per miljoen inputtokens, $4,25 per miljoen output, $0,15 per miljoen gecachte input, met een Contributor-variant voor $0,10 / $0,20 / $0,002.

De onafhankelijke cijfers, en de eerlijke kanttekening daarbij

Artificial Analysis is de enige derde partij met openbare vermeldingen voor beide kanten van deze vergelijking, waardoor het de enige plek is waar een gelijkwaardige beoordeling überhaupt mogelijk is — met één asterisk die het niet verbergt: het benchmarkt open-weightmodellen tegen andere open-weightmodellen van dezelfde grootteklasse, en propriëtaire modellen tegen propriëtaire en open modellen in dezelfde prijsklasse. Merk ook op dat de cijfers van de gesloten lijn hieronder de eigen metingen van Artificial Analysis van gehoste endpoints zijn, terwijl de Index en snelheid van het open model afkomstig zijn uit de gehoste vermelding door dezelfde analist van een model dat niemand verplicht is te hosten. De scores zijn daarom vergelijkbaar in richting, geen geauditeerde equivalenten.

• Muse Spark Open (xhigh) — Intelligence Index 39, tekst, afbeelding, spraak en video als invoer, uitvoersnelheid 103,4 tokens per seconde, opgegeven hostingprijzen $1,25 in / $4,25 uit, $0,84 per indextaak.

• Muse Spark 1.2 (xhigh) — Intelligence Index 40, tekst, afbeelding, spraak en video in, 361,4 tokens per seconde, $1,25 in / $4,25 uit, $0,97 per indextaak. De pagina bevat nu een deprecatiemelding die verwijst naar 1.3.

• Muse Spark 1.3 (max) — Intelligentie-index 48, tekst, afbeelding en video in, 121,9 tokens per seconde, $1,25 in / $4,25 uit, $1,60 per indextaak.

• Originele Muse Spark — Intelligence Index 31, 262K context, snelheid en kosten niet gemeten, gemarkeerd als verouderd.

De vorm van die lijst is het interessante deel. Het open model verslaat de gesloten reeks niet. Het eindigt één punt onder de verouderde 1.2 en negen punten onder 1.3 op zijn maximale redeneerinstelling — en het doet dat terwijl het ongeveer drieënhalf keer langzamer is dan 1.2. Wat het wel wint, zijn de kosten per taak: $0,84 tegenover de $1,60 van 1.3 op dezelfde index, het laagste bedrag per taak in de familie. De afweging is dus niet capaciteit en ook niet echt prijs per token, aangezien elke gehoste vermelding in deze tabel dezelfde $1,25 / $4,25 noemt. Het is controle.

Eén getal in die tabel verdient scepsis in plaats van te worden geciteerd. De vermelde gehoste prijs van Muse Spark Open is tot op de cent identiek aan de lijstprijs van Meta voor de gesloten Muse Spark 1.3, in alle drie de kolommen. Dat kan een echte marktruimende prijs zijn, of het kan een analist zijn die het veld vult met de tariefkaart van het zustermodel terwijl de eigen prijsstelling van het model zich nog moet stabiliseren. Behandel de kostencijfers van Open als voorlopig en die van 1.3 als door de leverancier gepubliceerd, totdat een daadwerkelijke providerfactuur dit bevestigt.

Wat de open licentie je kost en de API nooit zou doen

De licentie is waar de twee paden het scherpst uiteenlopen, en het is het gedeelte dat de meeste lezers vluchtig doorbladeren.

Wat je duidelijk krijgt: de vrijheid om te gebruiken, kopiëren, aanpassen, fine-tunen, distilleren, samenvoegen, publiceren, sublicentiëren en afgeleide werken te verkopen, waarbij Meta geen eigendom over de outputs claimt. Daar komen nog twee voorwaarden bovenop.

• Naamsvermelding — de licentie vereist dat "Built with Muse Spark Open" prominent wordt weergegeven in de interface van elk product dat het model of een afgeleide daarvan gebruikt, of in de documentatie, site of het instellingenmenu ervan.

• De model-as-a-service-trigger — als u of uw gelieerde ondernemingen derden toegang bieden tot het model als product of dienst via een API, en de totale bruto-omzet over twaalf opeenvolgende maanden meer dan $20M bedraagt, moet u Meta op de hoogte stellen en eerst een afzonderlijke overeenkomst ondertekenen. Intern gebruik, onderzoek en het leveren van het model binnen uw eigen niet-API-product zijn uitgezonderd.

• Afgeschermde toegang — de download zelf valt onder toegangscontrole, met een aanvraagformulier dat vraagt om volledige juridische naam, geboortedatum en organisatie met bedrijfsidentificatoren, en dat na indiening niet meer kan worden bewerkt.

Zet dat tegenover de voorwaarden van de gesloten lijn, en de vergelijking keert om. De API-route vraagt niets over bronvermelding, legt geen omzetdrempel op en er komt geen papierwerk aan te pas, behalve een sleutel. Wat het wel vraagt, is de datavraag: op de Contributor-tier mag Meta trainen op je prompts en completions, en dat is precies wat het ongeveer tien keer goedkoper maakt qua input en ruim twintig keer goedkoper qua output. De belofte van de gesloten Standard-tier is het tegenovergestelde — je data worden niet voor training gebruikt.

Wat het daadwerkelijk kost om elk pad te draaien

De vergelijking in de kop, "$0 per token versus $1,25 per miljoen", is in beide richtingen onjuist, dus het loont om eerlijk te prijzen.

• Datacenter BF16 — Meta's eigen recept draait de volledige checkpoint over vier nodes van acht H200 GPU's bij tensor-parallelisme 32. Open weights hebben de hardwarerekening niet weggenomen; ze hebben die op jouw balans geschoven.

• Datacenter NVFP4 — de 4-bitbuild is gedocumenteerd op één B200-node, met de SGLang-referentieconfiguratie van Meta die vier GB300-GPU's omvat.

• Desktop — de echt nieuwe optie. Twee Mac Studio-machines met M5 Ultra-chips bevatten een volledige BF16-checkpoint, omdat elk tot 512 GB unified memory bij een bandbreedte van 1,2 TB/s beschikbaar stelt. Een 2-bit-kwantisatie die door de teams van Hugging Face en llama.cpp is getest, draaide op één enkele 512GB M3 Ultra met 18 tokens per seconde, waarbij 304GB werd gebruikt en er ruimte overbleef voor cache.

• De contextvalkuil, op beide paden — bij het volledige venster van 1M tokens in BF16 bedraagt alleen de KV-cache al ongeveer 266GB. Het kopen van de gewichten levert je het venster niet op; op een gehoste endpoint zit hetzelfde plafond achter een prijs per token die op dezelfde manier groeit.

De gesloten lijn heeft geen equivalent voor de desktoprij. Er bestaat geen configuratie waarin Muse Spark 1.3 op hardware die je bezit draait, bij welke kwantisatie dan ook, bij welke snelheid dan ook.

Welke je moet kiezen, afhankelijk van de situatie

De beslissingsregel is beperkter dan de marketing aan beide zijden suggereert.

• Als je workload capability-kritisch is en je het beste antwoord nodig hebt dat de familie vandaag kan produceren, dan wint de gesloten lijn en het is niet eens close — 1.3 scoort bij maximale reasoning negen indexpunten hoger dan het open model, en het open model is langzamer.

• Als je beperking is dat prompts de infrastructuur die je beheert niet mogen verlaten, of dat je moet fine-tunen, samenvoegen of distilleren, zijn de open gewichten de enige optie in de familie. Voor geen enkele Muse Spark-versie geldt een van beide.

• Als je het goedkoopste resultaat per taak voor deze familie wilt, is de indextaak van $0,84 van het open model het laagste cijfer op tafel — maar het is ook het minst geverifieerde getal op tafel, en het hangt ervan af op welk platform je het draait.

• Als je een van beide wilt evalueren op echt verkeer voordat je je vastlegt, is de splitsing zelf het argument voor één enkel endpoint: Muse Spark 1.2 is een van de twee Muse-modellen die OrcaRouter routeert, tegen Meta's lijstprijs met 0% markup, dus een gepubliceerde prijswijziging bereikt je key zonder heronderhandeling. Muse Spark Open staat niet in onze catalogus en dat beweren we ook niet — het is een model dat je downloadt, niet een dat je aanroept. We routeren Muse Spark 1.3 ook niet; de twee versies die we serveren zijn 1.2 en 1.1.

Wat de routeringslaag in dit specifieke geval oplevert, is geen korting, maar een uitweg. Eén API voor 200+ modellen, automatische failover wanneer een provider degradeert, en een routing-DSL die verkeer tussen modellen verplaatst via configuratie: ze betekenen allemaal dat de keuze tussen open en gesloten ophoudt een migratie te zijn. Een model dat een dag geleden is uitgebracht met één analistenindex en geen reproductie is precies het geval waarin je de optie wilt om verkeer te verschuiven zonder dat daar een codewijziging achter zit.

Het deel dat geen van beide partijen heeft opgelost

Boven deze vergelijking hangen twee open vragen, en geen van beide valt uit in het voordeel van een eenduidig oordeel.

Het eerste is meting. Meta's eigen scorekaart voor Muse Spark Open is door de leverancier gerapporteerd en harness-relatief, en het veiligheidsrapport waarnaar het lanceringsbericht verwijst, wordt omschreven als binnenkort beschikbaar in plaats van gepubliceerd. Het onafhankelijke beeld bestaat uit één analistenindex, één snelheidscijfer en één modaliteitenlijst — en die lijst is het met de leverancier eens over de specificatie, maar zegt niets over welk van die vier invoerpaden daadwerkelijk is gemeten. Negen indexpunten is een groot verschil, en het is momenteel een verschil dat in verschillende modelklassen door één enkele partij wordt gemeten.

Het tweede is of open gewichten de richting van de familie überhaupt veranderen. Meta heeft nu een model op deze schaal gepubliceerd, terwijl het elke versie van de gesloten lijn propriëtair hield, en de open release zit qua capaciteiten onder het gesloten vlaggenschip in plaats van op gelijke hoogte. Dat is een coherente strategie — de frontier blijft gehost, de vorm van de vorige generatie wordt een download — en het is er een die Meta niet heeft uitgesproken. Als een toekomstige Muse Spark Open bij release de gesloten lijn evenaart, houdt deze vergelijking op te bestaan. Tot dan is de eerlijke lezing dat open gewichten je de architectuur van de familie en het contextvenster opleverden met een korting op capaciteiten, en dat ze je niet de frontier opleverden.

Comparisons like this one are also where the failure modes show up: the documented AI incidents and agent failures behind models in this class are collected in the OrcaRouter AI Incident Archive, where each entry carries its own sources, severity, confidence grade and disputed flag.