Muse Spark Open vs Muse Spark 1.2: Otwarty flagowiec nie jest ulepszeniem

Instynkt podpowiada, że gdy laboratorium udostępnia swój największy model jako open source, należy założyć, że wersja do pobrania jest lepsza, a w przypadku porównania Muse Spark Open z Muse Spark 1.2 ten instynkt jest błędny na osi, którą ludzie sprawdzają najpierw. W Artificial Analysis zastrzeżony model API uzyskuje Intelligence Index na poziomie 40, a nowo udostępniony model o 816 miliardach parametrów uzyskuje 39 — w granicach jednego punktu i w kierunku, który faworyzuje model, który wynajmujesz. Otwarty model nie jest silniejszym modelem. To inny układ, a ten układ to całe porównanie.

Wersja zdaniowa

Muse Spark 1.2 daje ci szybki, tani endpoint rozliczany za token, którego nigdy nie musisz obsługiwać, a którego wszystkie modalności są niezależnie potwierdzone. Muse Spark Open daje ci wagi, które możesz trzymać, dostrajać, audytować i uruchamiać bez sieci, na sprzęcie, który musisz kupić, i z przepustowością, której nikt jeszcze nie opublikował. To różne produkty, które przypadkiem mają wspólną nazwę rodziny.

Gdzie tak naprawdę stoją

Linia po linii, z podaniem najpierw strony, która wygrywa w każdym wymiarze.

• Inteligencja — Muse Spark 1.2 z wynikiem 40 w Artificial Analysis Intelligence Index, Muse Spark Open z 39. Niezależnie zmierzone po obu stronach; różnica jednego punktu nie jest powodem, by wybierać którykolwiek z tych modeli.

• Przepustowość — Muse Spark 1.2, i to z dużą przewagą: Artificial Analysis plasuje go na pierwszym miejscu wśród 185 modeli pod względem szybkości generowania wynoszącej 361,4 tokena na sekundę. Szybkości Muse Spark Open nie zmierzył dotąd nikt niezależny. Nic, co w październiku 2026 roku trafi na biurko, nie zbliży się do 361 tok/s w przypadku 816B mieszaniny ekspertów; pytanie brzmi, jak daleko za nim wyląduje, a ta liczba jeszcze nie istnieje.

• Cena — Muse Spark 1.2 za 1,25 USD za milion tokenów wejściowych i 4,25 USD za milion tokenów wyjściowych, z 88% zniżką na buforowane dane wejściowe i zmierzonym kosztem 0,97 USD na zadanie Intelligence Index. Muse Spark Open nie ma ceny za token; jego cena to zakup sprzętu, a Artificial Analysis nie opublikowało dla niego danych kosztowych.

• Wagi — Muse Spark Open, w całości. Repozytoria Hugging Face z ograniczonym dostępem na licencji Muse Model License, w formatach BF16 i NVFP4, około 1,5 TB przed doliczeniem narzutu środowiska uruchomieniowego. Wagi Muse Spark 1.2 nie są dystrybuowane w żadnej formie.

• Działanie lokalne — Muse Spark Open, na dwóch M5 Ultra Mac Studios z MLX albo na pojedynczym węźle Blackwell z czterema GPU z TensorRT-LLM. Muse Spark 1.2 działa wyłącznie u dostawcy.

• Dostrajanie — Muse Spark Open, a Meta dostarcza wsparcie dla TorchTitan specjalnie z myślą o nim. Muse Spark 1.2 nie da się dostroić na Twoich danych.

• Modalność — sporna, ale na podstawie dostępnych dowodów rozstrzyga się na korzyść Muse Spark 1.2. Artificial Analysis podaje 1.2 jako obsługujący tekst, obrazy, mowę i wideo, a model otwarty jako obsługujący wyłącznie tekst i obrazy, podczas gdy materiały samej Meta twierdzą, że Muse Spark Open obsługuje tekst, obraz, wideo i dźwięk. Niezależny pomiar potwierdził węższe twierdzenie; dostawca utrzymywał szersze.

• Rozumowanie — zasadniczo taki sam układ w obu przypadkach. Żaden z nich nie pozwala wyłączyć rozumowania. Muse Spark Open udostępnia poziomy wysiłku low, medium, high i xhigh, mapowane na 16, 64, 256 i 512 tokenów rozumowania, a także wskazówkę dotyczącą siły rozumowania w prompcie systemowym.

• Kontekst — prawdziwy remis przy 1 048 576 tokenach, z jednym zastrzeżeniem, które w praktyce je różnicuje. W przypadku Muse Spark Open pełny kontekst miliona tokenów w BF16 kosztuje około 266 GB pamięci podręcznej KV ponad wagi. W przypadku Muse Spark 1.2 kontekst jest problemem pojemnościowym kogoś innego.

• Licencja — Muse Spark Open na warunkach Muse Model License z ograniczonymi warunkami komercyjnymi; Muse Spark 1.2 na zwykłych warunkach API. Żadna z nich nie jest Apache 2.0, a otwarta licencja to ta, którą naprawdę trzeba przeczytać.

Przeczytaj tę listę od góry do dołu, a kształt decyzji jest już widoczny: model otwarty wygrywa w tym, co robisz modelowi, a model hostowany wygrywa w tym, co model robi tobie.

Ten jeden wskaźnik, który rozstrzyga sprawę w większości zespołów

Kluczowa specyfikacja Muse Spark 1.2 to 361,4 tokena na sekundę — pierwsze miejsce wśród 185 zmierzonych modeli. To nie jest liczba marketingowa — to właśnie dzięki niej model nadaje się do użycia w pętli agenta, w której agent kodujący wykonuje dziesiątki małych rund komunikacji na minutę, a koszt czasowy modelu jest kosztem czasowym zadania.

Przepustowość Muse Spark Open jest nieznana. Taki jest uczciwy stan dowodów i to największa luka w każdym porównaniu napisanym w tym tygodniu. Z pewnością można powiedzieć tyle o strukturze: model o 816 miliardach parametrów, aktywujący 42 miliardy parametrów na token na sprzęcie konsumenckim klasy desktop, jest ograniczany przez przepustowość pamięci, a nie przez moc obliczeniową. Dwa M5 Ultra Mac Studios dają 1,2 TB/s i terabajt zunifikowanej pamięci, co wystarcza, aby pomieścić model i odczytywać wycinek każdego tokenu. To jednak nie wystarcza, by interaktywny agent sprawiał wrażenie API. Jeśli Twoje obciążenie jest interaktywne, to nie jest nawet bliski wybór. Jeśli Twoje obciążenie jest wsadowe — nocne przeglądy repozytoriów, ewaluacja offline, ekstrakcja na dużą skalę, gdzie opóźnienie nie ma znaczenia, a koszt na token jest wszystkim — rachunek odwraca się całkowicie.

Czy ten desktop jest faktycznie tańszy?

Tutaj model otwarty zasługuje na swoje miejsce, a także tutaj zawodzi naiwna wersja tego argumentu. Konfiguracja z dwoma Mac Studio to zakup kapitałowy, a do tego zasilanie, chłodzenie i czyjaś uwaga. Przeciwko temu stawiasz tokeny, których już nie kupujesz.

Porównanie domyka się dopiero przy dużym wolumenie, a powód jest taki, że zniżka na cache Muse Spark 1.2 już wykonuje dużą część pracy po stronie hostowanej. Przy 88% zniżki na buforowane dane wejściowe model jest tani właśnie w przypadku wzorca powtarzanego kontekstu, który wytwarza programowanie agentowe — to samo repozytorium, ten sam prompt systemowy, te same definicje narzędzi, odczytywane ponownie w każdej turze. Wdrożenie self-hosted nie otrzymuje zniżki; otrzymuje stały koszt, a stały koszt amortyzuje się tylko dzięki użyciu dużemu, stałemu i przewidywalnemu. Zespół prowadzący skokowy ruch agentów na dwumaszynowej konfiguracji desktopowej kupił stały koszt, aby obsłużyć zmienne obciążenie, co jest klasycznym sposobem, w jaki ta arytmetyka się nie zgadza.

Uczciwe ujęcie sprawy jest takie, że samodzielny hosting Muse Spark Open to decyzja o zapewnieniu przepustowości, a nie decyzja kosztowa. Kupujesz go, aby zagwarantować, że model jest dostępny, że nie może zostać wycofany, gdy już na nim polegasz, że twoje prompty nigdy nie opuszczają budynku i że możesz zmienić jego zachowanie poprzez dostrajanie. To są prawdziwe i czasem rozstrzygające powody. „Będzie taniej” to powód, który trzeba na nowo wyprowadzić dla swojego ruchu, a dla wielu wzorców ruchu po prostu nie jest prawdziwy.

Do czego tak naprawdę służy każde z nich

Muse Spark 1.2 to model, na którym warto budować produkt. Jest szybki, ma zmierzony koszt na zadanie, jego zestaw modalności został niezależnie potwierdzony, jest sprzedawany w rozliczeniu za token z rabatem za cache, który pasuje do wzorców agentowych, i już dziś można go używać w routingu. Wybranie go oznacza wydawanie pieniędzy zamiast czasu inżynierskiego, a przy $1.25/$4.25 często jest to właściwy wybór.

Muse Spark Open to model, na którym warto budować własne możliwości. Dostrajanie jest powodem, dla którego istnieje: jeśli zadanie jest wąskie, masowe i dobrze sprecyzowane — agent dedykowany dla konkretnej bazy kodu, potok dokumentów dla stałego korpusu, klasyfikator, który musi działać lokalnie — to dostrojony model o 42B aktywnych parametrach, który posiadasz, pobije ogólnego przeznaczenia endpoint, który wynajmujesz, a żadna ilość inżynierii promptów nie zniweluje tej luki. Historia z desktopem to ten sam argument w miniaturze: nie chodzi o to, że działa na Macu, ale o to, że działa tam, gdzie jesteś.

Kwestia modalności i dlaczego warto się nią interesować

Meta twierdzi, że Muse Spark Open obsługuje tekst, obrazy, wideo i dźwięk. Artificial Analysis, które zmierzyło ten model, wymienia tekst i obrazy. Ta rozbieżność nie jest przejawem pedanterii — natywnie multimodalny model o otwartych wagach to zasadniczo inny zasób niż model tekstowo-obrazowy, a ta różnica przesądza o tym, czy model w ogóle kwalifikuje się do potoków audio i wideo.

Najbardziej prawdopodobne wyjaśnienia są przyziemne: Artificial Analysis mogło przeprowadzić ocenę przez punkt końcowy lub konfigurację, które nie udostępniały dodatkowych modalności, albo architektura może przyjmować dane wejściowe, których wydane wdrożenie nie wykorzystywało. Przy podejmowaniu decyzji liczy się to, że szerokie twierdzenie jest deklarowane przez dostawcę, a wąskie zostało zmierzone. Jeśli dźwięk lub wideo to powód, dla którego się tym interesujesz, zweryfikuj to na własnym stacku, zanim przeznaczysz na to sprzęt. Jeśli nie, pytanie jest akademickie — i zauważ, że obsługa mowy i wideo w Muse Spark 1.2 została potwierdzona niezależnie, czego otwarty model obecnie nie może o sobie powiedzieć.

Uruchamianie ich obok siebie

Większość zespołów, które ostatecznie mają obydwa, wcale nie wybiera między nimi. Działający wzorzec polega na utrzymywaniu modelu hostowanego na ścieżce interaktywnej, a modelu otwartego na ścieżkach wsadowych i lokalnych, oraz na egzekwowaniu tego podziału w konfiguracji, a nie w dokumentacji.

Po to właśnie jest warstwa routingu. OrcaRouter kieruje Muse Spark 1.2 w cenie katalogowej Meta z 0% marży, więc hostowana strona tego podziału kosztuje dokładnie tyle, ile kosztuje w API samej Meta — obniżka ceny dostawcy obowiązuje na tym samym kluczu tego samego dnia — i umieszcza model za tym samym interfejsem co ponad 200 innych, z automatycznym przełączaniem awaryjnym, gdy dostawca zawodzi oraz DSL routingu do przenoszenia ruchu między modelami i dostawcami bez przepisywania. OrcaRouter nie hostuje Muse Spark Open i nie twierdzi, że to robi; model, którego wartość polega na tym, że możesz go pobrać, to model, który uruchamiasz sam. Router daje ci drugą połowę tego podziału, dzięki czemu ścieżka interaktywna pozostaje na szybkim punkcie końcowym, a ścieżka wsadowa działa na twoim własnym sprzęcie.

Werdykt

Muse Spark Open kontra Muse Spark 1.2 to nie pojedynek między lepszym i gorszym modelem. To pojedynek między posiadaniem modelu a wynajmowaniem go, a obie strony tego pojedynku nie są mierzone w tych samych jednostkach — jedna w punktach Intelligence Index i tokenach na sekundę, druga w kapitale, kontroli i prawie do zmiany wag.

Wybierz Muse Spark 1.2, jeśli chcesz największej zmierzonej wydajności na dolara nakładu pracy inżynierskiej, jeśli opóźnienie ma znaczenie, jeśli potrzebujesz potwierdzonego dźwięku i wideo albo jeśli po prostu potrzebujesz dziś modelu Muse na jednym kluczu. Wybierz Muse Spark Open, jeśli potrzebujesz dostrajania, jeśli dane nie mogą opuścić Twojej sieci, jeśli obciążenie jest wystarczająco duże i przewidywalne, by zamortyzować sprzęt, albo jeśli gwarancja dostępności jest dla Ciebie warta więcej niż ostatni punkt wyniku indeksu.

Jedyna rada, jakiej warto udzielić, to oprzeć się narracji, że otwarte wagi są automatycznie bardziej zdolną opcją. Jak pokazują dowody, nie są. Są w większym stopniu twoje.

Muse Spark Open jest już dostępny do pobrania na licencji Muse Model License; Muse Spark 1.2 jest dostępny za token przez API Meta oraz w OrcaRouter w cenie katalogowej.