Muse Spark vs Qwen 4 Max: De helft van deze vergelijking heeft nog geen endpoint

Een pagina waarop Muse Spark met Qwen 4 Max wordt vergeleken, heeft een probleem dat niets te maken heeft met de kwaliteit van een van beide modellen, en het probleem hoort in de eerste zin thuis, niet in de laatste. Muse Spark is echt en aanroepbaar: Meta Superintelligence Labs introduceerde de familie op 8 april 2026, en de huidige checkpoint, Muse Spark 1.3, is algemeen beschikbaar sinds 2 september 2026 voor $1,25 per miljoen inputtokens en $4,25 per miljoen output. Qwen 4 Max is niet aanroepbaar en is dat nooit geweest. Het werd op 22 september 2026 op een podium getoond tijdens de Apsara Conference in Hangzhou en sindsdien is er niets gepubliceerd — geen modelkaart, geen API-identificatie, geen contextvenster, geen prijs, geen gewichten, geen benchmarkscore. De enige eerlijke versie van deze vergelijking is dus een antwoord in twee delen: wat de aangekondigde Qwen 4 Max zou moeten zijn, en hoe Muse Spark zich verhoudt tot het Qwen-vlaggenschip waarnaar je vandaag echt een verzoek kunt sturen, namelijk Qwen3.8-Max.

Wat Qwen 4 Max precies is

Het is een regel op een lijst. Tijdens Apsara presenteerde Liu Da Yiheng, hoofd van Qwen LLM, vier varianten — Qwen 4 Max als het vlaggenschip, Qwen 4 Flash, Qwen 4 Plus en Qwen 4 27B — beschreef de familie als aan het trainen op een architectuur van een nieuwe generatie, en zei dat die binnenkort zou verschijnen. Dat is alles wat openbaar is vastgelegd. Aan geen enkele variant is een datum gekoppeld, en in de zes weken sindsdien is er niets gepubliceerd waarmee je zou kunnen plannen.

Eén getal dat samen met de aankondiging circuleert, hoort er niet bij. De doelstelling "5 tot 10 biljoen parameters" die met het nieuws over Qwen 4 in verband wordt gebracht, is een toekomstgerichte uitspraak over de generaties na Qwen 4 — de periode Qwen 4.5 en Qwen 5 — en niet een specificatie van Qwen 4 Max. Alibaba heeft helemaal geen parameteraantal aan Qwen 4 Max gekoppeld. Als je het deze maand omschreven ziet als een model met meerdere biljoenen parameters, dan is dat getal overgenomen van een andere dia, en het loont de moeite om het niet te herhalen.

Wat wel bestaat, is een gedeeltelijke preview van de architectuur, onder een andere naam. Qwen3.8-Flash-Next werd eind augustus 2026 open-source gemaakt en op de modelkaart wordt het aangeduid als een preview van de Qwen 4-architectuur: een sparse model met 125 miljard hoofdparameters plus 51 miljard parameters aan N-gram-embeddings, waarbij per stap ongeveer 6 miljard parameters worden geactiveerd, met een native context van 262.000 tokens en een gerapporteerde trainingskost die ongeveer 90 procent lager ligt dan die van Qwen3.7-Plus. Dat vertelt je de vorm van wat eraan komt. Het vertelt je niet wat Qwen 4 Max scoort, kost of accepteert.

• Beschikbaarheid — Q​wen 4 Max: aangekondigd op 22 september 2026, geen endpoint, geen datum; Muse Spark 1.3: algemeen beschikbaar sinds 2 september 2026

• Gepubliceerde benchmarkscores — geen enkele voor Qwen 4 Max; Meta publiceert een volledige agentische scorecard voor Muse Spark 1.3

• Aantal parameters — niet bekendgemaakt voor Q​wen 4 Max; ook niet voor Muse Spark 1.3, hoewel A​libaba voor zijn momenteel leverbare vlaggenschip heeft bevestigd dat het in totaal 2,4 biljoen parameters telt, met 95 miljard actieve parameters.

• Prijs — niets aangekondigd voor Q​wen 4 Max; $1,25 / $4,25 per miljoen tokens voor Muse Spark 1.3, met een Contributor-niveau van $0,10 / $0,20

• Contextvenster — niet aangekondigd; 1.048.576 tokens voor Muse Spark 1.3

• Gewichten — geen van beide is open. De open gewichten in deze twee families behoren toe aan Qwen3.8-2.4T-A95B en, aan M​eta's kant, aan Muse Spark Open en M​use Glimmer

De vergelijking die je daadwerkelijk kunt uitvoeren

Qwen3.8-Max is het model waaraan de Qwen 4-tiers worden afgemeten, en het bedient vandaag al productieverkeer: algemeen beschikbaar sinds 3 augustus 2026 voor $2,00 per miljoen input en $6,00 per miljoen output, met een vast tarief over het hele contextvenster en zonder toeslag voor lange prompts, gebouwd als een mixture-of-experts met 2,4 biljoen parameters waarvan 95 miljard parameters per token actief zijn, en op 12 augustus 2026 met open gewichten vrijgegeven als Qwen3.8-2.4T-A95B in zowel BF16 als FP8 onder een aangepaste Qwen-licentie. Dat laatste detail is belangrijk en makkelijk te missen: de gewichten van het vlaggenschip zijn vrijgegeven, en de gehoste API is een gemakslaag bovenop die gewichten in plaats van de enige route.

Het onafhankelijke beeld voor het tweetal is ongewoon helder, omdat Artificial Analysis beide vermeldt en de twee tien dagen na elkaar zijn uitgebracht terwijl dezelfde indexrevisie meespeelde. Alles hieronder komt uit die vermeldingen, en de twee modellen zijn niet opnieuw gedraaid op een gedeelde testopstelling — beschouw de vergelijking als een appels-met-appelsvergelijking van gepubliceerde metingen, niet als een gecontroleerde proef.

• Intelligence Index — Muse Spark 1.3 (Max) 48, rang 24 van 217, tegenover Qwen3.8-Max (0902) 45, rang 33 van 217

• Uitvoersnelheid — 121,9 tokens/seconde versus 39,3 tokens/seconde, waarbij het Q​wen-model op rang 181 van 186 staat en het M​eta-model op rang 43 van 186

• Kosten per voltooide Index-taak — $ 1,60 versus $ 5,41

• Lijstprijs per miljoen tokens — $1,25 in / $4,25 uit versus $2,00 in / $6,00 uit

• Contextvenster — 1.048.576 tokens tegenover 984.000

• Uitvoerigheid op de Index — 170M uitvoertokens versus 190M

Het interessante aan die set is dat het Qwen-model langzamer en duurder is op elk vlak, terwijl het drie indexpunten lager scoort, en het verschil is niet marginaal. Met 39,3 tokens per seconde tegenover 121,9 is Muse Spark 1.3 ongeveer drie keer sneller, en de kosten per voltooide taak zijn ongeveer een derde van die van Qwen3.8-Max — $1,60 tegen $5,41 — bij prijzen die per token slechts ongeveer 40 procent uit elkaar liggen. Het verschil zit in de snelheid, niet in de prijslijst: een model dat drie keer zo lang doet over het produceren van elk token, kost geld terwijl het wacht. Iedereen die deze twee alleen op basis van de lijstprijs vergelijkt, zal de verkeerde conclusie trekken over welke goedkoper is om te draaien.

Twee dingen nuanceren dat, want de eerlijke versie van de vergelijking heeft beide nodig. Het eerste is modaliteit. Muse Spark wordt door Meta gedocumenteerd als het accepteren van tekst, afbeelding, video, audio en PDF en het retourneren van tekst; Qwen3.8-Max accepteert tekst, afbeeldingen en video. In een pipeline die gescande documenten of audio verwerkt, kan het Qwen-vlaggenschip de payload simpelweg niet aannemen — en los daarvan waarschuwt Meta dat audiobegrip in Muse Spark 1.3 niet volledig wordt ondersteund en verwijst het audio-workloads naar Muse Spark 1.2. Het tweede is de grootte van het verschil. Drie indexpunten zijn geen tierwijziging; het is het soort marge dat omslaat bij een andere meetopstelling of een andere takenmix. De snelheids- en kostenverschillen zijn hier de blijvende bevindingen, en het intelligentieverschil moet je losjes vasthouden.

Waar de twee families wezenlijk van elkaar verschillen, los van scores

Openbaarmaking is de scherpste tweedeling. Alibaba heeft het aantal parameters van Qwen3.8-Max gepubliceerd en de bijbehorende gewichten vrijgegeven; Meta heeft voor geen enkele versie van Muse Spark een aantal parameters gepubliceerd en voor geen enkele daarvan gewichten. Beide vlaggenschipproductlijnen zijn in hun huidige vorm alleen gehost beschikbaar — je kunt Muse Spark 1.3 niet zelf hosten, en hoewel de gewichten van Qwen3.8-2.4T-A95B bestaan, is een model met 2,4 biljoen parameters een datacenterobject in plaats van iets dat je op een werkstation draait. Maar de optie bestaat aan de ene kant en niet aan de andere, en opties die bestaan zijn iets waard, zelfs als je er geen gebruik van maakt.

Het instellen van redeneerinspanning is het tweede onderscheid, en dat van Meta is fijnmaziger op een manier die je factuur verandert. De redeneerinspanning van Muse Spark kent de niveaus minimal, low, medium, high, xhigh en max; het max-niveau verscheen op 4 september, twee dagen na de lancering, na aanvullende veiligheidstests, en het is de configuratie achter elk prominent cijfer dat Meta publiceerde. Meta verkoopt de 1.3-checkpoint ook tegen een tweede tarief: het Contributor-tier voor $0,10 / $0,002 in cache / $0,20 per miljoen tokens, ruwweg een orde van grootte lager dan het Standard-tarief, in ruil voor toestemming om op je prompts en completions te trainen. Die tier heeft geen Qwen-equivalent, en voor een grootschalige, niet-sensitieve workload verschuift het de kostenvergelijking verder dan welk indexpunt dan ook.

De open-weightflank is de derde. Als je eigenlijk gewichten van een van beide families wilt die je kunt draaien, biedt geen van beide vlaggenschepen je dat. Die van M​eta zijn Muse Spark Open en M​use Glimmer; die van A​libaba is Qwen3.8-27B en de rest van de open Q​wen 3.8-lijn. Dat zijn andere gesprekken dan dit, en een zoekopdracht naar "Muse Spark vs Q​wen 4 Max open weights" heeft een vraag beantwoord die geen van beide leveranciers heeft gesteld.

Wat zou deze pagina veranderen

Drie dingen, en geen daarvan is een datum die iemand heeft beloofd. Een modelkaart zou in één document uitsluitsel geven over het aantal parameters, het contextvenster, de modaliteitsrij en de prijs. Een benchmarktabel zou de eerste cijfers geven die naast die van Meta kunnen worden gelegd. Een uitgebracht endpoint zou deze pagina overbodig maken, en dat is de uitkomst waarop je hoopt — op dat moment wordt de vergelijking degene die lezers hier kwamen verwachten, en het eerlijke is om dat te zeggen in plaats van om de afwezigheid heen te schrijven.

Tot die tijd is het nuttige signaal de Qwen-generatie die nu wordt uitgebracht. Qwen3.8-Max is de baseline die Qwen 4 Max moet verslaan; het heeft gepubliceerde gewichten en een gepubliceerde prijs, en de architectuurpreview van Qwen 4 in Qwen3.8-Flash-Next suggereert dat de familie wordt gebouwd om vergelijkbare kwaliteit te bereiken tegen een fractie van de trainingskosten. Dat laatste punt is eerder een voorspelling dan een feit, maar het is de reden om de roadmap te volgen: een familie die goedkoper te trainen is, is een familie die agressief geprijsd kan worden, en agressieve prijsstelling is het enige dat Alibaba twee jaar lang betrouwbaar heeft geleverd.

Het uitvoeren van de helft van deze vergelijking die bestaat

Beide aanroepbare modellen hier staan in onze catalogus, waardoor de praktische versie van deze pagina een routeringsvraagstuk is in plaats van een onderzoeksvraagstuk. OrcaRouter biedt het Qwen 3.8-assortiment — Qwen3.8-Max, Qwen3.8-Flash en het open-weight Qwen3.8-27B — en de twee Muse Spark-checkpoints die wij leveren, Muse Spark 1.1 en Muse Spark 1.2, achter één OpenAI-compatibel endpoint voor meer dan 200 modellen, tegen de listprijs van elke aanbieder met 0% markup doorberekend. Muse Spark 1.3 staat niet in onze catalogus, en Qwen 4 Max staat in geen enkele catalogus omdat het nog niet bestaat; wanneer een van beide uitkomt en een aanbieder het aanbiedt, is dezelfde sleutel waar het zou verschijnen.

Wat dat je in deze specifieke vergelijking oplevert, is de mogelijkheid om de kwestie van de drie indexpunten op je eigen verkeer te beslechten. Een routing-DSL verplaatst een deel van de aanvragen van Qwen3.8-Max naar Muse Spark 1.2 via configuratie in plaats van via code, en automatische failover betekent dat een mislukte aanroep met lange context terugvalt op het andere model in plaats van op een foutpagina. Aangezien de onafhankelijke kloof tussen de twee families klein is, is dat experiment meer waard dan welke leaderboardpositie dan ook — en het is de enige manier om erachter te komen of M​eta's drie keer zo snelle output echt van belang is voor de vorm van je workload.

Dus: Muse Spark wint de vergelijking bij verstek, en het zou oneerlijk zijn om dat als een eindoordeel te presenteren. Het is het model met een endpoint, een prijs, een contextvenster en een scorekaart. Q​wen 4 Max heeft een aankondiging op het podium, een line-up met vier niveaus en een voorproefje van de architectuur ervan, die onder een andere naam draait. Kom terug wanneer de modelkaart verschijnt; de interessante vraag is dan of de roadmap-economie van A​libaba de prijslijn bereikt voordat M​eta's volgende checkpoint dat doet.

Vergelijkingen zoals deze zijn ook waar de faalmodi naar voren komen: de gedocumenteerde AI-incidenten en agent-fouten achter modellen in deze klasse zijn verzameld in het OrcaRouter AI Incident Archive, waar elke vermelding zijn eigen bronnen, ernst, betrouwbaarheidsgraad en betwistingsmarkering bevat.