Muse Spark Open vs Muse Wonder: de een kun je downloaden, de ander alleen huren

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.

Drie dagen na elkaar, en niet in dezelfde categorie

The release order matters more than the release dates. Muse Wonder shipped first as two checkpoints: muse-wonder-1.0, served on Meta's Model API and inside Muse Code, and muse-wonder-full-1.0, which Meta sells only through a Muse Code subscription and does not expose as an API model. M​use Spark Open shipped next as a single artefact: a BF16 checkpoint and an NVFP4 build behind an access-controlled repository, a model card, a technical report, and the Muse Model License. One of those is a service. The other is a file.

Alles wat daarna komt, vloeit daaruit voort. De prijs van een gesloten model is wat de leverancier zegt dat hij is, en het vermogen ervan kan op elk moment door de leverancier worden herzien. De prijs van een open model is een kapitaalbedrag — de GPU's, de stroom, de engineer — en het vermogen ervan is wat jouw servingstack eruit weet te halen. De nuttige vergelijking is dus niet "welke scoort hoger", wat niet bepaald een nek-aan-nekrace is, maar "welke van deze twee kost je minder om het vermogen te bereiken dat je nodig hebt", wat volledig afhangt van wat je al bezit en wat je met de gewichten mag doen.

Beide modellen accepteren tekst, afbeeldingen, spraak en video en produceren tekst als output, en beide adverteren met een contextvenster van 1.048.576 tokens. Daar houdt de gelijkenis op.

Het scorebord zoals het er vandaag voor staat, niet zoals u het zich herinnert.

Artificial Analysis heeft zijn Intelligence Index herwerkt, en de huidige versie is v5.0.1, die negen evaluaties omvat: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 op de harde subset ervan, en Terminal-Bench-Science 0.1. Dat is van belang voor deze vergelijking, omdat elk cijfer dat je over een van beide modellen vóór deze herziening hebt gezien, niet op dezelfde schaal staat als de onderstaande cijfers. Beide inzendingen zijn opnieuw gescoord binnen dezelfde suite, dus het verschil tussen hen is vergelijkbaar, ook al zijn hun absolute waarden niet vergelijkbaar met oudere cijfers die je voor een van beide hebt gezien.

On that revision, M​use Spark Open (Xhigh) scores 25 against a median of 23 among other open-weight models of similar size — above average, but not by much. Muse Wonder (Max) scores 44 against a median of 40 among models in a similar price tier. Nineteen points is not a rounding difference, but it is also not the whole story, because the two medians describe two different comparison sets: one is a small class of same-size open models, the other a broader and more expensive tier. What the pair does establish cleanly is that each model is above its own peer group, which is a more useful statement than a rank and considerably harder to game.

De rijen per evaluatie zeggen hetzelfde, maar met meer detail. Elke regel hieronder bevat beide zijden van dezelfde dimensie, in dezelfde volgorde, zodat ze als een paar gelezen kunnen worden in plaats van als twee afzonderlijke beweringen.

• Index, v5.0.1 — M​use Spark Open 25 at Xhigh effort, against a class median of 23; Muse Wonder 44 at Max effort, against a class median of 40

• AA-Briefcase v1.1 (agentic knowledge work, Elo) — 1,278.7 for M​use Spark Open; 1,658.7 for Muse Wonder

• AutomationBench-AA (agentic SaaS workflows) — 0.497 for M​use Spark Open; 0.681 for Muse Wonder

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

• FrontierCode-AA 2.0 — 0.076 for M​use Spark Open; 0.240 for Muse Wonder

• HLE-Diamond — 0.263 for M​use Spark Open; 0.390 for Muse Wonder

• CritPt v2, hard subset — 0.295 for M​use Spark Open; 0.505 for Muse Wonder

• GDP.pdf, all-pass — 0.186 for M​use Spark Open; 0.306 for Muse Wonder

• Terminal-Bench-Science 0.1 — 0.019 for M​use Spark Open; 0.257 for Muse Wonder

• AA-Omniscience v1.1 accuracy — 25.8 for M​use Spark Open; 25.1 for Muse Wonder, and the hallucination rate runs the other way: 28.0% for M​use Spark Open against 20.9% for Muse Wonder

Two rows deserve a sentence each. Terminal-Bench-Science at 0.019 against 0.257 is the widest proportional gap on the sheet, and Terminal-Bench 4.0 at 0.081 against 0.520 is the widest on the workload both models are actually marketed for — an agent that runs commands. If that is your use case, this is close to the whole argument. The Omniscience pair is the one place the cheaper model holds its ground: on knowledge accuracy the two are within a point, and the thing that separates them is not how much they know but how readily they invent an answer when they do not — roughly one in 3.6 responses for M​use Spark Open against one in 4.8 for Muse Wonder.

Eén voorbehoud bij dit alles. Dit zijn cijfers van de evaluator, niet van de leverancier, waardoor ze de sterkere van de twee beschikbare soorten bewijs vormen. Het blijft de testopstelling van één lab op een suite die zelf in deze cyclus is herzien, en verschillende van deze evaluaties zijn zo nieuw dat hun scores blijven schuiven. Beschouw de richting als solide en de derde decimaal als ruis.

Aantallen parameters, en waar het record simpelweg ophoudt

M​use Spark Open publishes its size as part of being open: 816 billion total parameters with roughly 42 billion active per token, 62 decoder layers, 256 experts per mixture-of-experts layer with 8 selected per token, and experts held in 4-bit NVFP4 in the shipped quantised build with some layers left in bf16. The 42-billion-active figure is the one that matters for serving, because it sets how much weight has to be read for every token generated, and it is the reason the model can be served on eight GPUs at all.

Voor Muse Wonder staat het overeenkomstige aantal niet in de gegevens die we kunnen verifiëren. Artificial Analysis markeert het als propriëtair, en het paneel met technische specificaties somt redeneervermogen, invoermodaliteit, uitvoermodaliteit en context op — zonder enige rij voor totale of actieve parameters. Wij gaan geen parameteraantal afleiden uit een prijs of een benchmark, en we gaan er ook geen herhalen waar we niet naar kunnen wijzen. Wat wel gezegd kan worden, is richtinggevend: een gesloten model met index 44 op een tariefkaart van $4/$20 bedient iets aanzienlijk groters dan een open model met 42 miljard actieve parameters, en elke serveerkost die het draagt, is kapitaal van iemand anders in plaats van van u.

Het goedkope model is ook het snelle, en dat is de verrassing.

Prijs en snelheid gaan meestal ten koste van elkaar. Hier wijzen ze dezelfde kant op, en dat is de meest beslissingsrelevante bevinding op beide pagina's.

• Output speed — 169 tokens per second for M​use Spark Open; 118 tokens per second for Muse Wonder

• Time to first answer token — 13.81 seconds for M​use Spark Open; 25.19 seconds for Muse Wonder

• Time per Index task — 6.6 minutes for M​use Spark Open; 13.6 minutes for Muse Wonder

• Output tokens used in the Index run — 90.6 million for M​use Spark Open; 113 million for Muse Wonder, against a median of 72.8 million for comparable models

Read the last two lines together and the mechanism is obvious. Muse Wonder is a reasoning model in the strict sense: it works longer, produces more tokens, and takes roughly twice the wall-clock time per task. M​use Spark Open, at Xhigh effort, is leaner — it generated fewer output tokens than the median comparable model, which is unusual for a reasoning configuration and is a genuine mark against the assumption that more thinking is always more capability. The 169 against 118 figure is a hosted-endpoint measurement including time to first token, so it is a statement about the deployed endpoints rather than about the silicon underneath either model.

De praktische consequentie is dat de prijskloof groter is dan de tariefkaart suggereert, omdat je per token betaalt en Muse Wonder meer tokens per taak produceert. Dat brengt ons bij het enige getal dat twee modellen eerlijk vergelijkt bij verschillende prijzen en verschillende uitgebreidheid: kosten per taak.

Wat een taak daadwerkelijk per stuk kost

Artificial Analysis berekent de kosten van het uitvoeren van de volledige evaluatiesuite en deelt die door het aantal taken, waarbij elke evaluatie wordt gewogen op basis van haar bijdrage aan de Index. Dat levert een zuiver vergelijkbaar cijfer op waarin het verschil in uitvoerigheid al is verrekend.

• Cost per Index task — $2.02 for M​use Spark Open; $6.95 for Muse Wonder

• Blended list price, 3:1 input to output — $2.00 per million tokens for M​use Spark Open; $8.00 per million for Muse Wonder

• Cache read — $0.15 per million tokens for M​use Spark Open, an 88% discount; $0.20 per million for Muse Wonder, a 95% discount

The headline rate card is $1.25 in and $4.25 out against $4.00 in and $20.00 out, so the output price differs by 4.7× and the input price by 3.2×. The realised per-task cost differs by 3.4× rather than 4.7×, which is the verbosity and cache effects doing their work: Muse Wonder's 95% cache discount is steeper than M​use Spark Open's 88%, and heavy caching pulls its effective cost back toward the cheaper model's. If your workload is cache-friendly — long shared system prompts, repeated documents — the rate card overstates the gap. If it is not, the per-task number is the one to plan against and the rate card understates nothing.

Divide each per-task cost by its Index score and you get a third number, which is mine rather than the evaluator's: about eight cents per index point for M​use Spark Open against about sixteen cents for Muse Wonder. That is the cleanest statement of the trade. You are paying roughly twice as much per unit of measured capability for the closed model, and what you receive for the premium is nineteen index points and a lower hallucination rate.

De licentie is een kostenpost die de tariefkaart verbergt.

M​use Spark Open's terms are the Muse Model License, and two of its clauses change what "free weights" means in a business plan.

De eerste is de clausule over model-as-a-service. Als je derden via een API toegang biedt tot het model als product of dienst en je totale bruto-omzet daaruit in een willekeurige aaneengesloten periode van twaalf maanden meer dan twintig miljoen Amerikaanse dollar bedraagt, moet je Meta op de hoogte stellen en een afzonderlijke schriftelijke overeenkomst sluiten voordat je doorgaat. Het inbedden van het model in je eigen product is uitgezonderd; doorverkoop ervan niet. Een team dat van plan is om op basis van deze gewichten een inferenceprovider te worden, moet die clausule lezen voordat het het architectuurdocument schrijft, niet erna.

The second is attribution: the licence requires "Built with M​use Spark Open" to be displayed prominently in the interface of any product using the model or a derivative, or in its documentation, site or settings. That is a small tax and an unconditional one, and it appears exactly where a product decision gets made — the about screen.

Wat de licentie duidelijk toekent, is het deel dat de download rechtvaardigt: fine-tuning, distillatie, samenvoegen, publiceren, sublicentiëren en het verkopen van afgeleide werken, waarbij Meta geen eigendom over outputs claimt. Muse Wonder biedt niets daarvan. Je kunt een gehost checkpoint niet fine-tunen, je kunt het niet samenvoegen tot een domeinmodel, je kunt het niet airside draaien, en je kunt een gedrag niet repareren door het opnieuw te trainen. De meerprijs die je voor Muse Wonder betaalt, koopt capaciteit en koopt je uit de operationele last; hij koopt je ook uit elke optie waarbij je de gewichten moet aanraken.

Eén praktisch punt dat mensen verrast: de download zelf is afgeschermd. De repository is toegangsbeveiligd, het aanvraagformulier vraagt om juridische naam, geboortedatum en organisatie met bedrijfsidentificatienummers, en kan na indiening niet meer worden gewijzigd. Reken op een wachtrij, niet op één klik.

Waar de megakernel de rekenkunde verandert

There is a third number in this comparison that neither rate card contains, and it arrived yesterday from outside Meta. On November 11, 2026 the SGLang team published a megakernel for M​use Spark Open — one resident kernel per layer instead of roughly 1,450 launches per decode step — and measured decoding going from 517 to 1,109 tokens per second on eight GB300s. That is a 2.1× improvement on the same weights, the same precision, and the same numerics, achieved purely in software.

Leg dat naast de gehoste cijfers en de vorm van deze beslissing verandert. Een gehuurd endpoint antwoordt met 169 tokens per seconde; een zelfgebouwde stack met acht GPU's die researchkernels draait, antwoordt met 1.109. Het tweede getal is batchgrootte één, voor één GSM8K-verzoek, mediaan over 20 stappen, en niemand buiten de auteurs heeft het gereproduceerd — het is dus een plafond dat je zou kunnen bereiken, geen doorvoercijfer dat je in een capaciteitsplan kunt zetten. Maar het legt de asymmetrie vast die dit tweetal definieert: de serveerefficiëntie van het gesloten model is aan Meta om te verbeteren en aan jou om op te wachten, terwijl de serveerefficiëntie van het open model een functie is die je met je eigen engineers kunt aanpakken.

Voor een team met al betaalde GPU's is die asymmetrie meer waard dan negentien indexpunten in de workloads waarin het open model dicht in de buurt komt. Voor een team zonder die GPU's is ze niets waard, omdat het cijfer 1,109 verbonden is aan een node met acht GPU's die je zou moeten kopen.

Vier situaties, vier verschillende antwoorden

De vergelijking lost netjes op zodra je de beperking benoemt, en de beperking is bijna nooit de benchmark.

Als je dit kwartaal een product op de markt brengt en het werk bestaat uit moeilijk redeneerwerk, agentische taken met een lange horizon, of iets waarbij een terminal-benchmarkkloof van 0,081 tegenover 0,520 de vorm van je probleem bepaalt, dan is het antwoord Muse Wonder, en dat is niet eens een close call. Je betaalt $6,95 per taak voor een model dat de taak afmaakt, en het alternatief is $2,02 per taak betalen voor een model dat dat vaak niet doet.

If you are running high-volume, latency-sensitive work where an answer at 169 tokens per second with a first token in 13.8 seconds is acceptable and one at 118 tokens per second with a first token in 25.2 seconds is not, the answer is M​use Spark Open even before you consider price — and the price then makes it a 3.4×-cheaper answer. The 28% hallucination rate is the thing to design around: ground it, cite it, or verify it downstream.

If you have data that cannot leave your infrastructure, or a regulator who wants to see the weights, or a domain where fine-tuning on your own corpus is the entire value proposition, the comparison is over. Muse Wonder cannot be that, and no amount of index points changes it. M​use Spark Open can, and the licence explicitly permits the fine-tune, the merge and the redistribution.

Als je al een trainingscluster met nodes uit de GB300-klasse bezit, is de economische kant van het open model helemaal niet de tariefkaart — het zijn de marginale kosten van de GPU's die je al hebt afgeschreven. Dat is het geval waarin 1.109 tokens per seconde ertoe doet, waarin het megakernel-werk direct toepasbaar is, en waarin de clausule van twintig miljoen dollar voor model-as-a-service het enige stuk papier is dat tussen een zijproject en een bedrijf staat.

Het geval dat niet wordt opgelost, is het geval waar mensen het vaakst naar vragen: een klein team dat frontier-capaciteiten wil en ook goedkoop uit wil zijn. Het kan niet beide uit dit tweetal halen. Wat het wel kan hebben, is een cascade — een goedkoop model voor het grootste deel van het verkeer en het dure voor de rest — en dat is een routeringsbeslissing, geen modelbeslissing.

Wat we routeren, en wat niet

Neither of these two models is on OrcaRouter. There is no meta/muse-wonder entry and no meta/muse-spark-open entry in the catalogue, and we are not going to describe either as available through us. M​use Spark Open is a download and a licence; Muse Wonder is Meta's own endpoint and a subscription.

What we do carry from the same lab is the M​use Spark line: Muse Spark 1.2 and Muse Spark 1.1. That matters for exactly one of the four situations above — the cascade. A routing layer is where the "cheap model for most traffic, expensive model for the residue" answer stops being an architecture diagram and becomes configuration: one API across 200+ models, with the provider's list price passed through at 0% markup, so a Meta price cut lands on your bill the same day rather than at the next contract renewal, and automatic failover plus a routing DSL that moves traffic between models by configuration rather than by a code change and a deploy.

Voor de open-weights-helft van de vergelijking is het eerlijke antwoord dat geen enkele router helpt. De gewichten zijn van jou, de GPU's zijn van jou, de kernel is van jou, en de enige route naar het getal 1.109 is een engineer met een profiler.

Wanneer deze vergelijking verouderd raakt

• Muse Wonder Full die een API bereikt. De checkpoint met de hogere score zit momenteel opgesloten achter een abonnement, dus de Muse Wonder in deze vergelijking is het API-model op 44, niet de Full-checkpoint die Meta afzonderlijk rapporteert. Als Full een endpoint opent, wordt de capaciteitskloof groter en wordt het cascade-argument lastiger.

• Een onafhankelijke reproductie van de megakernel-cijfers. De 2,1× van één team bij batchgrootte één is een bovengrens; als een tweede team dat bij een echte batchgrootte evenaart, wordt het een self-hostingcase met cijfers erbij.

• A price move on either side. M​use Spark Open's hosted rate is $1.25/$4.25 and Muse Wonder's is $4.00/$20.00, and a single vendor announcement could compress or invert the 3.4× per-task gap. This is the cheapest thing on the list to change and the most likely to.

• A fine-tune that closes the gap. Nineteen index points is a large deficit for a derivative to recover, and the open model's licence is what makes the attempt legal. If a domain tune on M​use Spark Open lands near the median of Muse Wonder's class on the specific evaluations your product cares about, the premium stops being justified for that product.

Until one of those moves, the summary is short. Muse Wonder is the more capable model and you rent it by the token. M​use Spark Open is the less capable model and you own it outright, along with the GPUs, the licence clauses, the hallucination rate, and — as of this month — a public recipe for making it twice as fast.