Muse Spark vs Claude Opus 5.5: Tien intelligentiepunten en een 3,7x factuur

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.

Ten eerste: het ding dat de modelnaam verbergt

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.

Dus de eerlijke beschrijving is een vergelijking tussen een model dat onder dezelfde familienaam steeds opnieuw wordt bijgesteld en een model dat één keer is uitgebracht met een vaste configuratie en sindsdien niet meer is veranderd.

De onafhankelijke nummers, met hun asterisk

Artificial Analysis is de enige derde partij met openbare vermeldingen voor beide, en vergelijkt ze niet in dezelfde categorie — open-weightmodellen worden gerangschikt tegen open-weightmodellen van dezelfde grootteklasse, propriëtaire modellen tegen het bredere veld. Beide zijn propriëtair, dus die specifieke vertekening speelt hier niet; wat wel speelt, is dat geen van beide vermeldingen een gecontroleerde heruitvoering van de harness van de ander is.

• Muse Spark 1.3 (max) — Intelligentie-index 48, rang 24 van 217; outputsnelheid 121,9 tokens/seconde; $1,25 in / $4,25 uit per miljoen tokens; $1,60 per indextaak; 170M outputtokens gegenereerd tijdens de index.

• Claude Opus 5.5 (max, standaard fallback) — Intelligence Index 58, rang 1 van 217; outputsnelheid 95,2 tokens/seconde; $4,00 in / $20,00 uit; $5,98 per indextaak; 260M outputtokens.

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.

Nog een onafhankelijk datapunt, omdat het de andere kant op wijst en het vermelden waard is: LMArena's tekstleaderboard plaatst een Claude Opus 5.5-configuratie op rang 3 overall met 1508 Elo, en Muse Spark 1.3 komt op dat bord helemaal niet voor. Menselijke voorkeursstemmen en een benchmarkindex verschillen van mening over de grootte, wat normaal is, maar het betekent wel dat de kloof van 10 punten niet moet worden opgevat als "10% slechter in alles".

Waar de kloof het grootst is, volgens de leveranciers.

Scorecards van leveranciers zijn onderling niet vergelijkbaar en geen van beide leveranciers publiceerde dezelfde benchmarks, maar de overlap is leerzaam. Alles hieronder is door de leverancier gerapporteerd en niet door ons gereproduceerd.

• 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.

A​nthropic is ongewoon expliciet over de beperkingen van zijn eigen tabel en merkt op dat op dit capaciteitsniveau "benchmarkmarges een minder betrouwbare leidraad zijn geworden voor verschillen in de echte wereld". Het loont die zin in beide richtingen letterlijk te nemen: hij ondermijnt de AA-kloof van 10 punten net zoveel als hij de beweringen van M​eta over de DeepSWE-plaatsing ondermijnt.

Wat je naast de punten opgeeft

• Modaliteiten — Muse Spark 1.3 accepteert tekst, afbeelding en video. Claude Opus 5.5 accepteert tekst en afbeelding. Als je pipeline schermopnames of video rechtstreeks in het model voert, is dit geen twijfelgeval en is het indexverschil irrelevant.

• 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.

• Context — beide zijn 1M. Niets te scheiden.

• 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.

Beide draaien zonder een tweede integratie

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.

Twee eerlijke kanttekeningen bij onze eigen dekking. Muse Spark 1.3 staat vandaag niet in onze catalogus, dus de routeringsvergelijking hierboven begint bij 1.2, het checkpoint dat Artificial Analysis één punt onder Muse Spark Open meet en dat nu een deprecatiemelding bevat die naar 1.3 verwijst. En deze vergelijking berust op de gepubliceerde cijfers van A​nthropic en M​eta plus de onafhankelijke vermeldingen van Artificial Analysis; we hebben de benchmarks van geen van beide modellen opnieuw uitgevoerd, en de leveranciersrijen hierboven moeten als claims worden gelezen.

De versie die het waard is om nog eens te bekijken

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.

Eén ontwikkeling hoort buiten deze vergelijking thuis in plaats van erbinnen, en zij is de reden dat er deze week überhaupt over deze familie wordt geschreven. Op 15 oktober 2026 — dertien dagen nadat Muse Spark 1.3 uitkwam en de dag vóór dit artikel — publiceerde M​eta de gewichten en de licentie voor Muse Spark Open, het aparte open-weight lid van de familie, waarvan de repository sinds 15 september achter een poort stond zonder enige aankondiging. De architectuur met 816B totaal / 42B actief die momenteel circuleert, is die release, niet de gesloten 1.3 die hierboven is gemeten. Artificial Analysis vermeldt het wel, met een intelligentie-index van 39 tegenover de 48 die dit artikel aan Muse Spark 1.3 toeschrijft, en M​eta heeft het evaluatierapport achter zijn eigen scorecard ervoor niet gepubliceerd. Het artefact is dus bevestigd, en de prestatieclaim niet; lees deze vergelijking niet alsof die er betrekking op heeft.

Wat de cijfers je niet kunnen vertellen, is of er in de praktijk iets mis is gegaan: de gedocumenteerde AI-incidenten en agent-fouten rond modellen in deze klasse zijn verzameld in het OrcaRouter AI Incident Archive, waar elke vermelding zijn eigen bronnen, ernstniveau, betrouwbaarheidsgraad en betwistingsmarkering heeft.