Muse Spark Open vs Muse Wonder: jeden do pobrania, drugi tylko do wynajęcia

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.

Trzy dni różnicy i nie w tej samej kategorii.

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.

Wszystko, co następuje dalej, wynika z tego. Cena modelu zamkniętego jest taka, jaką poda dostawca, a jego możliwości dostawca może w dowolnym momencie zweryfikować. Cena modelu otwartego to koszt kapitałowy — GPU, energia, inżynier — a jego możliwości to to, co twój stos serwowania zdoła z niego wydobyć. Tak więc użyteczne porównanie to nie „który wypada wyżej w wynikach”, co nie jest nawet bliskie, lecz „który z tych dwóch kosztuje cię mniej, by osiągnąć potrzebne ci możliwości”, co zależy całkowicie od tego, co już masz, i od tego, co wolno ci robić z wagami.

Oba modele przyjmują tekst, obrazy, mowę i wideo, a na wyjściu zwracają tekst, i oba reklamują okno kontekstowe o rozmiarze 1,048,576 tokenów. I na tym podobieństwa się kończą.

Tabela wyników w dzisiejszym stanie, a nie taka, jak ją pamiętasz.

Artificial Analysis przebudował swój Intelligence Index, a obecna wersja to v5.0.1, która obejmuje dziewięć ewaluacji: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 na jego trudnym podzbiorze oraz Terminal-Bench-Science 0.1. Ma to znaczenie dla tego porównania, ponieważ wszelkie wartości, jakie mogłeś przeczytać o którymkolwiek z modeli przed tą rewizją, nie są w tej samej skali co wartości poniżej. Oba wpisy zostały ponownie ocenione w ramach tego samego zestawu, więc różnica między nimi jest porównywalna, mimo że ich wartości bezwzględne nie są porównywalne ze starszymi liczbami, które mogłeś widzieć dla któregokolwiek z nich.

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.

Wiersze dla poszczególnych ocen mówią to samo, tylko bardziej szczegółowo. Każda poniższa linia przedstawia obie strony w tym samym wymiarze i w tej samej kolejności, dzięki czemu można je czytać jako parę, a nie jako dwa odrębne twierdzenia.

• 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.

Jedno zastrzeżenie do tego wszystkiego. To są liczby od ewaluatorów, a nie od dostawców, co czyni je silniejszym z dwóch dostępnych rodzajów dowodów. To nadal stanowisko testowe jednego laboratorium na zestawie testów, który sam został zrewidowany w tym cyklu, a kilka z tych ewaluacji jest tak nowych, że ich punktacja będzie się jeszcze zmieniać. Kierunek należy uznać za wiarygodny, a trzecie miejsce po przecinku za szum.

Liczba parametrów i gdzie zapis po prostu się kończy

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.

Dla Muse Wonder odpowiednia liczba nie znajduje się w dokumentacji, którą możemy zweryfikować. Artificial Analysis oznacza go jako zastrzeżony, a jego panel specyfikacji technicznej wymienia wnioskowanie, modalność wejściową, modalność wyjściową i kontekst — bez żadnego wiersza dotyczącego całkowitej lub aktywnej liczby parametrów. Nie zamierzamy wnioskować liczby parametrów z ceny ani z benchmarku i nie zamierzamy powtarzać liczby, na którą nie możemy wskazać. Można to ująć jedynie kierunkowo: zamknięty model o indeksie 44 w cenniku $4/$20 obsługuje coś istotnie większego niż otwarty model z 42 miliardami aktywnych parametrów, a każdy ponoszony przez niego koszt obsługi to czyjś kapitał, a nie Twój.

Tani model jest również tym szybkim, co jest niespodzianką.

Cena i szybkość zwykle wymagają kompromisu. Tutaj idą w tym samym kierunku, a to jest najistotniejsze z punktu widzenia decyzji odkrycie na którejkolwiek z tych stron.

• 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.

Praktyczna konsekwencja jest taka, że różnica w cenie jest większa, niż sugeruje cennik, ponieważ płacisz za token, a Muse Wonder generuje więcej tokenów na zadanie. Co prowadzi nas do jedynej liczby, która uczciwie porównuje dwa modele przy różnych cenach i różnej gadatliwości: koszt na zadanie.

Ile faktycznie kosztuje zadanie na każdym

Artificial Analysis oblicza koszt uruchomienia całego swojego zestawu ewaluacji i dzieli go przez liczbę zadań, ważąc każdą ewaluację według jej wkładu w Index. Daje to porównywalną wartość, która już uwzględnia różnicę w rozwlekłości.

• 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.

Licencja to pozycja kosztowa, którą cennik ukrywa.

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.

Pierwsza to klauzula dotycząca modelu jako usługi. Jeśli udostępniasz stronom trzecim model jako produkt lub usługę przez API, a Twoje łączne przychody brutto z tego tytułu przekraczają dwadzieścia milionów dolarów amerykańskich w dowolnym następującym po sobie okresie dwunastu miesięcy, musisz powiadomić Meta i zawrzeć odrębną pisemną umowę przed kontynuowaniem. Osadzenie modelu we własnym produkcie jest wyłączone spod tego wymogu; odsprzedaż już nie. Zespół, który zamierza stać się dostawcą usług inferencji na bazie tych wag, powinien przeczytać tę klauzulę przed napisaniem dokumentu architektury, a nie po.

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.

To, co licencja daje wprost, to część, która uzasadnia pobranie: dostrajanie, destylacja, łączenie, publikowanie, sublicencjonowanie i sprzedaż pochodnych, przy czym Meta nie rości sobie prawa własności do wyników. Muse Wonder nie oferuje niczego z tego. Nie można dostroić hostowanego checkpointu, nie można połączyć go z modelem domenowym, nie można uruchomić go w środowisku odizolowanym ani naprawić zachowania przez ponowne trenowanie. Premia, którą płacisz za Muse Wonder, kupuje możliwości i uwalnia cię od obciążenia operacyjnego; uwalnia cię także od każdej opcji wymagającej ingerencji w wagi.

Jeden mechaniczny szczegół, który zaskakuje ludzi: samo pobranie jest ograniczone. Repozytorium ma kontrolę dostępu, formularz wniosku wymaga podania imienia i nazwiska, daty urodzenia oraz organizacji wraz z identyfikatorami korporacyjnymi, a po wysłaniu nie można go już edytować. Zaplanuj kolejkę, nie jedno kliknięcie.

Gdzie megakernel zmienia arytmetykę

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.

Zestaw to z liczbami dotyczącymi usług hostowanych, a kształt tej decyzji się zmieni. Wynajęty endpoint odpowiada z szybkością 169 tokenów na sekundę; ręcznie zbudowany stos ośmiu GPU uruchamiający jądra badawcze odpowiada z szybkością 1109. Druga liczba dotyczy rozmiaru partii równego jeden, jednego żądania GSM8K i mediany z 20 kroków, a nikt spoza autorów jej nie odtworzył — więc to pułap, który możesz osiągnąć, a nie wskaźnik przepustowości, który możesz wpisać do planu pojemności. Ale ustala ona asymetrię, która definiuje tę parę: wydajność serwowania modelu zamkniętego jest po stronie Meta do poprawienia, a po twojej stronie pozostaje czekanie, podczas gdy wydajność serwowania modelu otwartego jest funkcją, którą możesz atakować własnymi inżynierami.

Dla zespołu, który ma już opłacone GPU, ta asymetria jest warta więcej niż dziewiętnaście punktów indeksu w obciążeniach, w których model otwarty jest blisko. Dla zespołu, który ich nie ma, nie jest warta nic, ponieważ liczba 1,109 przychodzi w zestawie z węzłem z ośmioma GPU, który trzeba by kupić.

Cztery sytuacje, cztery różne odpowiedzi

Porównanie układa się klarownie, gdy tylko nazwiesz ograniczenie — a ograniczeniem prawie nigdy nie jest sam benchmark.

Jeśli w tym kwartale wprowadzasz produkt na rynek, a praca polega na trudnym rozumowaniu, długohoryzontowych zadaniach agentowych lub czymkolwiek, gdzie różnica w benchmarku terminala wynosząca 0.081 wobec 0.520 określa charakter Twojego problemu, odpowiedzią jest Muse Wonder i nie ma nawet porównania. Płacisz $6.95 za zadanie za model, który kończy zadanie, a alternatywą jest płacenie $2.02 za zadanie za model, który często go nie kończy.

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.

Jeśli masz już klaster treningowy z węzłami klasy GB300, ekonomika otwartego modelu wcale nie opiera się na cenniku — opiera się na koszcie krańcowym GPU, które już zamortyzowałeś. To właśnie w tym przypadku 1 109 tokenów na sekundę ma znaczenie, prace nad megakernel są bezpośrednio wykonalne, a klauzula dotycząca model-as-a-service o wartości dwudziestu milionów dolarów jest tym jedynym dokumentem, który stoi między projektem pobocznym a biznesem.

Przypadek, którego nie da się rozwiązać, jest tym, o który ludzie pytają najczęściej: mały zespół, który chce możliwości klasy frontier, a jednocześnie chce tanio. Nie może mieć obu rzeczy z tej pary. Może natomiast mieć kaskadę — tani model dla większości ruchu i drogi dla reszty — a to jest decyzja o routingu, a nie decyzja o modelu.

Co routujemy, a czego nie

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.

W przypadku połowy porównania dotyczącej otwartych wag uczciwa wersja jest taka, że żaden router nie pomaga. Wagi są twoje, GPU są twoje, kernel jest twój, a jedyna droga do liczby 1,109 prowadzi przez inżyniera z profilerem.

Gdy to porównanie stanie się nieaktualne

• Muse Wonder Full docierający do API. Wyżej oceniany checkpoint jest obecnie zamknięty za subskrypcją, więc Muse Wonder w tym porównaniu to model API z wynikiem 44, a nie checkpoint Full, który Meta raportuje osobno. Jeśli Full udostępni endpoint, luka w możliwościach się powiększy, a argument za kaskadą stanie się trudniejszy.

• Niezależne odtworzenie wyników megakernela. Wynik {{1}}2,1×{{/1}} jednego zespołu przy rozmiarze partii równym jeden to górna granica; dopasowanie go przez drugi zespół przy rzeczywistym rozmiarze partii zamienia to w przypadek self-hostingu z dołączonymi liczbami.

• 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.