Muse Spark Open vs Muse Spark 1.2: Het open vlaggenschip is niet de upgrade

Het instinct wanneer een lab zijn grootste model open source maakt, is om aan te nemen dat de downloadbare versie de betere is, en in het geval van Muse Spark Open tegen Muse Spark 1.2 klopt dat instinct niet op de as die mensen als eerste controleren. Op Artificial Analysis scoort het propriëtaire API-model een Intelligence Index van 40 en het pas geopende model met 816 miljard parameters scoort 39 — binnen één punt, en in de richting die het model dat je huurt bevoordeelt. Het open model is niet het sterkere model. Het is een andere deal, en die deal is de hele vergelijking.

De zinsversie

Muse Spark 1.2 levert je een snel, goedkoop eindpunt per token dat je nooit zelf hoeft te beheren en waarvan alle modaliteiten onafhankelijk zijn bevestigd. Muse Spark Open levert je gewichten die je kunt vasthouden, fine-tunen, auditen en zonder netwerk kunt draaien, op hardware die je moet kopen en met een doorvoer die nog niemand heeft gepubliceerd. Dat zijn verschillende producten die toevallig een familienaam delen.

Waar ze daadwerkelijk staan

Regel voor regel, met de kant die op elke dimensie wint eerst genoemd.

• Intelligentie — Muse Spark 1.2 met een Artificial Analysis Intelligence Index van 40, Muse Spark Open met 39. Onafhankelijk aan beide zijden gemeten; een verschil van één punt is geen reden om voor een van beide modellen te kiezen.

• Doorvoer — Muse Spark 1.2, en met afstand: Artificial Analysis rangschikt het als eerste van 185 modellen op uitvoersnelheid met 361,4 tokens per seconde. De snelheid van Muse Spark Open is helemaal niet gemeten, door geen enkele onafhankelijke partij. Niets op een bureau in oktober 2026 zal ook maar in de buurt komen van 361 tok/s op een 816B mengsel-van-experts-model; de vraag is hoe ver het erachter eindigt, en dat cijfer bestaat nog niet.

• Prijs — Muse Spark 1.2 kost $1,25 per miljoen inputtokens en $4,25 per miljoen output, met een korting van 88% op gecachte input en een gemeten kostprijs van $0,97 per taak in de Intelligence Index. Muse Spark Open heeft geen prijs per token; de prijs ervan is een hardwareaankoop, en Artificial Analysis heeft hiervoor geen kostencijfer gepubliceerd.

• Gewichten — Muse Spark Open, volledig. Afgeschermde Hugging Face-repositories onder de Muse Model License, in BF16 en NVFP4, ongeveer 1,5 TB vóór runtime-overhead. De gewichten van Muse Spark 1.2 worden in geen enkele vorm gedistribueerd.

• Lokale uitvoering — Muse Spark Open, op twee M5 Ultra Mac Studios met MLX of op één enkele Blackwell-node met vier GPU's en TensorRT-LLM. Muse Spark 1.2 draait nergens anders dan bij een provider.

• Fine-tuning — Muse Spark Open, waarbij Meta speciaal hiervoor TorchTitan-ondersteuning levert. Muse Spark 1.2 kan niet op uw data worden gefinetuned.

• Modaliteit — omstreden, en op basis van het beschikbare bewijsmateriaal valt de uitkomst in het voordeel van Muse Spark 1.2. Artificial Analysis vermeldt dat 1.2 tekst, afbeeldingen, spraak en video accepteert, en vermeldt dat het open model alleen tekst en afbeeldingen accepteert, terwijl Meta's eigen materialen tekst, afbeelding, video en audio claimen voor Muse Spark Open. Onafhankelijke meting heeft de engere claim bevestigd; de leverancier heeft de bredere beweerd.

• Redeneren — in wezen dezelfde opzet bij beide. Geen van beide laat je redeneren uitschakelen. Muse Spark Open biedt inspanningsniveaus laag, gemiddeld, hoog en xhigh, die overeenkomen met 16, 64, 256 en 512 redeneertokens, plus een hint over de redeneersterkte in de systeemprompt.

• Context — een echte gelijkstand bij 1.048.576 tokens, met één kanttekening die hen in de praktijk onderscheidt. Bij Muse Spark Open kost een volledige context van een miljoen tokens in BF16 ongeveer 266 GB aan KV-cache bovenop de gewichten. Bij Muse Spark 1.2 is context het capaciteitsprobleem van iemand anders.

• Licentie — Muse Spark Open onder de Muse Model License met beperkte commerciële voorwaarden; Muse Spark 1.2 onder gewone API-voorwaarden. Geen van beide is Apache 2.0, en de open licentie is degene die je echt moet lezen.

Lees die lijst van boven naar beneden en de vorm van de beslissing is al zichtbaar: het open model wint op de dingen die jij met een model doet, en het gehoste model wint op de dingen die een model met jou doet.

Het ene getal dat de doorslag geeft voor de meeste teams

De hoofdspecificatie van Muse Spark 1.2 is 361,4 tokens per seconde, als eerste van 185 gemeten modellen. Dat is geen marketingcijfer — het is wat het model bruikbaar maakt binnen een agentlus, waarin een codeeragent tientallen kleine round-trips per minuut afvuurt en de wall-clockkosten van het model de wall-clockkosten van de taak zijn.

De doorvoer van Muse Spark Open is onbekend. Dat is de eerlijke stand van het bewijs, en het is het grootste gat in elke vergelijking die deze week wordt geschreven. Wat met vertrouwen kan worden gezegd, is structureel: een model met 816 miljard parameters dat 42 miljard parameters per token activeert op consumenten-desktophardware wordt begrensd door geheugenbandbreedte, niet door rekenkracht. Twee M5 Ultra Mac Studios geven je 1,2 TB/s en een terabyte aan unified memory, wat genoeg is om het model vast te houden en de slice van elk token te lezen. Het is niet genoeg om een interactieve agent als een API te laten aanvoelen. Als je werklast interactief is, is dit allesbehalve een nipte keuze. Als je werklast batch is — nachtelijke repository-sweeps, offline-evaluatie, grootschalige extractie waarbij latentie irrelevant is en de kosten per token allesbepalend zijn — keert de rekensom volledig om.

Is de desktop eigenlijk goedkoper?

Dit is waar het open model zijn plek verdient, en ook waar de naïeve versie van het argument faalt. De configuratie met twee Mac Studios is een kapitaalaankoop plus stroom, koeling en iemands aandacht. Daartegenover zet je tokens die je niet langer koopt.

De vergelijking komt alleen rond bij volume, en de reden is dat de cachekorting van Muse Spark 1.2 aan de gehoste kant al veel werk verzet. Bij 88% korting op gecachte input is het model juist goedkoop voor het patroon van herhaalde context dat agentic coding oplevert — dezelfde repository, dezelfde system prompt, dezelfde tooldefinities, die bij elke beurt opnieuw worden gelezen. Een self-hosted deployment krijgt geen korting; die krijgt een vaste kostenpost, en die vaste kostenpost wordt alleen terugverdiend door gebruik dat groot, gelijkmatig en voorspelbaar is. Een team dat agentverkeer met pieken draait op een desktopopstelling met twee machines, heeft een vaste kostenpost gekocht om een variabele belasting te bedienen, en dat is de klassieke manier waarop deze rekensom misgaat.

De eerlijke framing is dat self-hosting van Muse Spark Open een capaciteitsbeslissing is, geen kostenbeslissing. Je koopt het om te garanderen dat het model beschikbaar is, dat het niet onder je vandaan kan worden uitgefaseerd, dat je prompts het pand nooit verlaten, en dat je het gedrag ervan kunt veranderen door fine-tuning. Dat zijn echte en soms doorslaggevende redenen. "Het zal goedkoper zijn" is een reden die je voor jouw verkeer opnieuw moet doorrekenen, en voor veel verkeer is die simpelweg niet waar.

Waar elk van hen werkelijk voor dient

Muse Spark 1.2 is het model om een product op te bouwen. Het is snel, het heeft een gemeten kostprijs per taak, de modaliteitenlijst is onafhankelijk bevestigd, het wordt per token verkocht met een cachekorting die past bij agentische patronen, en het is vandaag routeerbaar. Ervoor kiezen betekent dat je geld uitgeeft in plaats van engineeringtijd, en tegen $1,25/$4,25 is dat vaak de juiste afweging.

Muse Spark Open is het model waarop je een capaciteit kunt bouwen. Fine-tuning is de reden dat het bestaat: als de taak nauw afgebakend, grootschalig en goed gespecificeerd is — een codebase-specifieke agent, een documentpijplijn voor een vast corpus, een classifier die on-premises moet draaien — dan verslaat een getuned 42B-actief model dat je bezit een endpoint voor algemene doeleinden dat je huurt, en geen enkele hoeveelheid prompt engineering dicht die kloof. Het desktopverhaal is hetzelfde argument in het klein: het gaat er niet om dat het op een Mac draait, maar dat het draait waar je bent.

De modaliteitsvraag, en waarom je er iets om moet geven

Meta zegt dat Muse Spark Open tekst, afbeeldingen, video en audio aankan. Artificial Analysis, dat het model heeft gemeten, vermeldt tekst en afbeeldingen. Dat verschil is geen muggenzifterij — een van nature multimodaal open-weightmodel is een fundamenteel andere asset dan een tekst-en-afbeeldingenmodel, en het verschil bepaalt of het model überhaupt kandidaat is voor audio- en videopijplijnen.

De meest waarschijnlijke verklaringen zijn alledaags: Artificial Analysis heeft mogelijk geëvalueerd via een endpoint of configuratie die de extra modaliteiten niet beschikbaar stelde, of de architectuur accepteert misschien inputs die de geleverde implementatie niet heeft benut. Wat voor een beslissing telt, is dat de brede claim van de leverancier afkomstig is en de smalle is gemeten. Als audio of video de reden is dat je geïnteresseerd was, verifieer het dan op je eigen stack voordat je er hardware voor inzet. Als dat niet zo is, is de vraag academisch — en let op dat de spraak- en video-ondersteuning van Muse Spark 1.2 door onafhankelijke zijde is bevestigd, wat geen positie is die het open model momenteel kan claimen.

Ze naast elkaar laten draaien

De meeste teams die uiteindelijk beide hebben, kiezen helemaal niet tussen de twee. Het werkende patroon is om het gehoste model op het interactieve pad te houden en het open model op de batch- en on-premisespaden, en om de splitsing in configuratie af te dwingen in plaats van in documentatie.

Dat is waar een routeringslaag voor dient. OrcaRouter routeert Muse Spark 1.2 tegen Meta's lijstprijs met 0% opslag, dus de gehoste kant van die splitsing kost precies wat het kost op Meta's eigen API — een prijsverlaging van een leverancier is dezelfde dag live op dezelfde sleutel — en het zet het model achter dezelfde interface als 200+ andere, met automatische failover wanneer een provider verslechtert en een routerings-DSL om verkeer tussen modellen en providers te verplaatsen zonder herschrijven. OrcaRouter host Muse Spark Open niet en claimt dat ook niet; een model waarvan de waarde is dat je het kunt downloaden, is een model dat je zelf draait. Wat de router je geeft, is de andere helft van de splitsing, zodat het interactieve pad op een snel endpoint blijft terwijl het batchpad op je eigen hardware draait.

Het vonnis

Muse Spark Open vs Muse Spark 1.2 is geen wedstrijd tussen een beter en een slechter model. Het is een wedstrijd tussen het bezitten van een model en het huren ervan, en de twee kanten van die wedstrijd worden niet in dezelfde eenheden gemeten — de ene in Intelligence Index-punten en tokens per seconde, de andere in kapitaal, controle en het recht om de gewichten te wijzigen.

Kies Muse Spark 1.2 als je de sterkste gemeten capaciteit per dollar aan engineeringinspanning wilt, als latency belangrijk is, als je bevestigde audio en video wilt, of als je vandaag gewoon een Muse-model op één key nodig hebt. Kies Muse Spark Open als je wilt fine-tunen, als de data je netwerk niet mogen verlaten, als de workload groot en voorspelbaar genoeg is om hardware af te schrijven, of als de beschikbaarheidsgarantie voor jou meer waard is dan het laatste puntje indexscore.

Het enige advies dat de moeite waard is, is om je te verzetten tegen de voorstelling dat open gewichten automatisch de capabelere optie zijn. Op basis van het bewijs zijn ze dat niet. Ze zijn meer van jou.

Muse Spark Open is nu te downloaden onder de Muse Model License; Muse Spark 1.2 is per token beschikbaar via de API van Meta en op OrcaRouter tegen lijstprijs.