Muse Spark 1.2 vs GLM 5.2: O Codificador Fechado vs o Generalista Aberto

Dois modelos com contexto de 1.000.000 de tokens, com preços a quinze centavos de diferença um do outro por milhão de tokens, ambos voltados para o trabalho intensivo de agentes de codificação — e não compartilham quase nada mais. Muse Spark 1.2, que a Meta lançou em 5 de agosto de 2026, juntamente com um agente de terminal co-treinado chamado Muse Code, é de pesos fechados, mais barato por token, obtém 57 no atual Índice de Inteligência da Artificial Analysis, e não consegue responder sem raciocinar primeiro. GLM 5.2, o principal modelo de pesos abertos da Z.ai, de meados de junho, é licenciado sob MIT, auto-hospedável, cerca de cinco vezes mais rápido até o primeiro token, e ainda carrega quatro vezes e meia mais tráfego real através do nosso gateway — 213 milhões de tokens nos últimos sete dias contra os 46 milhões do Muse Spark 1.2. O modelo com maior pontuação e mais barato por token é o que tem menos tráfego. O aberto é o que as pessoas realmente roteiam.

A versão honesta desse fato é o que este artigo aborda. A pontuação e a precificação determinam menos do que como um modelo se encaixa no seu pipeline, e esses dois fazem escolhas opostas em todos os eixos que definem o encaixe. Onde existem números independentes, eles vêm da Artificial Analysis; onde vêm da Meta ou da Z.ai, são rotulados como informados pelo fornecedor; os números de latência e tráfego são da própria telemetria de produção de sete dias da OrcaRouter.

O contraste especular, uma dimensão de cada vez.

• Preço — Muse Spark 1.2 a $1.25 de entrada / $4.25 de saída por milhão de tokens, $0.15 com acerto de cache; GLM 5.2 a $1.40 de entrada / $4.40 de saída, $0.26 com cache. A Meta é mais barata em todas as linhas.

• Contexto — ambos 1.048.576 tokens. Saída máxima: a Meta documenta um teto de 131.072 tokens para o Muse Spark 1.2; o GLM 5.2 declara 128.000.

• Raciocínio — o raciocínio é obrigatório no Muse Spark 1.2 em cinco níveis de esforço (minimal a xhigh, padrão medium); o GLM 5.2 executa raciocínio híbrido controlado por reasoning_effort em high ou max, com raciocínio profundo ativado por padrão.

• Entradas — Muse Spark 1.2 oferece entrada de texto, imagem, vídeo, áudio e PDF; GLM 5.2 tem entrada e saída de texto.

• Pesos — Muse Spark 1.2 é de código fechado, sem repositório e sem caminho de auto-hospedagem; GLM 5.2 disponibiliza pesos abertos licenciados sob MIT, um Mixture-of-Experts de 753B parâmetros com cerca de 40B ativos por token.

• Idade — O Muse Spark 1.2 tem três dias de existência no momento em que isto é escrito; o GLM 5.2 está em produção desde 13 de junho, com oito semanas de experiência de campo e todo um ecossistema de hospedeiros e ferramentas construído em torno dele.

A lacuna do índice é de quatro pontos. A armadilha da versão é real.

O atual Intelligence Index da Artificial Analysis (v4.1.1) atribui 57 pontos ao Muse Spark 1.2, classificado em 12º lugar entre 185 modelos, e 53 pontos ao GLM 5.2 — a maior pontuação de pesos abertos do ranking, mas quatro pontos atrás. A maior parte da cobertura ainda cita 54 para o Muse Spark 1.2 porque esse foi o valor reportado pela avaliação do dia do lançamento; a reavaliação v4.1.1 adicionou 2,7 pontos a ele, o maior aumento de qualquer modelo nessa atualização. Se você vir "54 vs 51" ou "54 vs 53" em qualquer lugar, verifique em qual versão do índice cada número está antes de tratar a diferença como real.

Vale a pena dizer o que a diferença de quatro pontos significa e o que não significa. Significa que, no composto de nove benchmarks, o modelo fechado da Meta fica à frente do modelo aberto da Z.ai com esforço comparável. Não significa que o Muse Spark 1.2 supera o GLM 5.2 em tudo, porque os dois modelos alcançam suas pontuações por caminhos diferentes. O GLM 5.2 é um caso atípico em matemática e raciocínio — AIME 2026 com 99,2 — mas é notoriamente verboso e seu ponto fraco é o trabalho profundo em escala de repositório. O Muse Spark 1.2 tem o formato oposto: forte em codificação de terminal e tarefas de múltiplos arquivos, e drasticamente mais barato por tarefa de avaliação, porque consome muito menos tokens durante o raciocínio.

Onde os benchmarks realmente divergem

No Terminal-Bench 2.1, os dois estão mais próximos do que a diferença de índice sugere, e a fonte importa mais do que o normal. No mesmo harness da Artificial Analysis, o Muse Spark 1.2 pontua 80,1 e o GLM 5.2 pontua 77,9. A Meta afirma 82,9 para o Muse Spark 1.2 em seu próprio harness; o melhor número reportado pela Z.ai para o GLM 5.2 é 82,7, o que fez dele o primeiro modelo de pesos abertos acima de 80 nesse benchmark. Mesmo benchmark, quatro números diferentes — a combinação de harness move essas pontuações em vários pontos em ambas as direções; portanto, trate qualquer afirmação de um único Terminal-Bench como um intervalo.

A divergência a que se deve prestar atenção é o DeepSWE 1.1, o benchmark que exige raciocínio profundo, multi-arquivo e em escala de repositório ao longo de um longo loop de agente. A Meta reporta 59,3 para o Muse Spark 1.2 — um número do fornecedor, ainda não reproduzido por terceiros. O DeepSWE publicado do GLM 5.2 é 46,2, e seu predecessor GLM-5.1 estava em 18,0; esta é a dimensão em que a Z.ai mais evoluiu e na qual ainda fica atrás. Se sua carga de trabalho é "mudar cinquenta arquivos de forma coerente", essa lacuna diz tudo; se sua carga de trabalho é comandos de terminal e scaffolding, isso mal se nota.

Mais uma descoberta que derruba o enquadramento óbvio. A suíte independente Vals AI, que executa cargas de trabalho de agentes por domínio, coloca o Muse Spark 1.2 em quinto lugar geral com 71,88% — e primeiro no Finance Agent, primeiro no TaxEval e primeiro no benchmark Legal Agent da Harvey, contra 44, 136 e 31 modelos, respectivamente — enquanto o Terminal-Bench 2.1 é apenas o seu décimo quarto melhor domínio entre cinquenta. A Meta vendeu este modelo como um codificador, e um avaliador independente descobriu que ele é mais forte em agentes de documentos financeiros, fiscais e jurídicos. Se a sua equipe redige contratos ou concilia livros contábeis, esse é o número mais útil deste artigo.

A questão dos pesos abertos é a verdadeira bifurcação.

Tudo o que foi dito acima é sobre capacidade. A decisão é principalmente sobre propriedade, e aqui os dois não poderiam estar mais distantes.

GLM 5.2 é um modelo de pesos abertos com licença MIT. Isso muda a negociação, não apenas a conta: você pode hospedá-lo você mesmo se a carga de trabalho for sensível ou o volume for alto; pode movê-lo entre provedores sem precisar de reintegração, porque os pesos são seus; e qualquer host que o roteie precisa competir em preço e latência, e é por isso que a linha de pesos abertos fica mais barata com o tempo. O MoE de 753B não é um modelo de notebook — a maioria das equipes ainda vai alugá-lo em vez de rodá-lo — mas a opção de sair, ou de rodar os mesmos pesos internamente por um custo fixo, limita o que qualquer um pode cobrar de você.

Muse Spark 1.2 compra o pacote oposto. Os pesos são fechados e a única rota de primeira parte é a Model API da Meta, que agora também roteamos. Em troca, você obtém um produto co-treinado: o Muse Code, o agente de terminal que veio junto com o modelo, foi ajustado com trajetórias de harness amostradas por rejeição e executa subagentes persistentes e à prova de reinicializações em um runtime de log de eventos com reprodução exata, incluindo /plan, /grill e /goal habilidades. Isso é algo genuinamente diferente de "um bom modelo que você conecta ao seu próprio harness" — é um agente que já chega funcionando. A contrapartida é que ele só funciona do jeito da Meta, na ferramenta da Meta, em macOS ou Linux, sem cliente Windows, sem MCP e sem plugins de IDE por enquanto.

Preço por token, preço por tarefa.

Por token, o Muse Spark 1.2 é mais barato na entrada e na saída, e continua mais barato por tarefa porque também é o modelo menos verboso. A Artificial Analysis mediu o GLM 5.2 queimando 141 milhões de tokens de saída, 95% deles tokens de raciocínio, apenas para rodar o Intelligence Index no lançamento — o modelo líder mais verboso do quadro. O Muse Spark 1.2 queimou 95 milhões no mesmo exercício a US$ 0,40 por tarefa. Mais tokens a uma taxa mais alta significa que o custo por tarefa do GLM 5.2 se acumula de uma forma que seu preço de tabela esconde, e esta é a maneira correta de comparar modelos de raciocínio: precifique a tarefa concluída, não a taxa por milhão de tokens.

Há um terceiro preço que apenas um desses modelos possui. O Muse Spark 1.2 oferece um nível de contribuidor a $0.10 de entrada / $0.20 de saída — uma ordem de grandeza abaixo do nível padrão, e abaixo do preço de tabela do GLM 5.2 por uma margem semelhante. O custo de admissão é a permissão para a Meta treinar futuros modelos com seu tráfego, além de um limite de 60 requisições por minuto que inviabiliza o fan-out em produção. Trate-o como uma revisão legal com um desconto atrelado, não como um SKU mais barato; para uma equipe que se qualifica e opera dentro do limite, a comparação de preços deixa de ser apertada.

Latência: os dois modelos se invertem

Se a diferença no índice favorece a Meta, é no perfil de latência que o GLM 5.2 vence de forma decisiva na sensação de uso. Nos últimos sete dias de tráfego real no OrcaRouter, o Muse Spark 1.2 mostra um p50 de tempo até o primeiro token de 8,13 segundos e um p95 de 10,00 segundos, e então dispara a 576 tokens de saída por segundo, com taxa de erro zero. O GLM 5.2 mostra um p50 de 1,55 segundo — mais de cinco vezes mais rápido até o primeiro token — mas goteja a 78,5 tokens de saída por segundo, com uma taxa de erro de 0,16%. No laboratório, sob esforço máximo, a diferença aumenta: a Artificial Analysis mediu o tempo até o primeiro token do Muse Spark 1.2 em 26 segundos no xhigh, sua configuração de raciocínio mais cara.

Então, um modelo faz você esperar e depois entrega rápido; o outro começa imediatamente e leva seu tempo. Para qualquer coisa que um humano esteja observando — uma rodada de chat, uma sessão de terminal interativa — o GLM 5.2 parece melhor, e é por isso que ele domina o tráfego interativo pelo nosso gateway. Para uma geração longa, um patch grande ou um rascunho de documento, o Muse Spark 1.2 terminará primeiro assim que começar, porque sua taxa de saída é sete vezes a do GLM 5.2. Meça o número errado e você escolherá o modelo errado pelo motivo errado.

Experimentar ambos sem um segundo contrato.

Ambos os modelos estão no catálogo do OrcaRouter pelo preço de lista do provedor — Muse Spark 1.2 a $1,25 e $4,25, GLM 5.2 a $1,40 e $4,40 — porque o OrcaRouter repassa as tarifas do provedor com margem de 0%. Isso faz com que os preços acima venham da fatura, não da etiqueta, e significa que alternar entre os dois é uma mudança de uma linha na string do modelo com a mesma chave, em vez de uma nova integração. Se um fornecedor corta um preço, o corte chega ao nosso lado no mesmo dia.

A camada de roteamento mostra seu valor aqui precisamente porque os dois modelos são complementares. A fraqueza do Muse Spark 1.2 é um primeiro token lento e um preço alto em escala; a fraqueza do GLM 5.2 é a verbosidade e o raciocínio em repositórios profundos. Uma regra de roteamento que envia a etapa de planejamento para o Muse Spark 1.2 e o fan-out de workers paralelos para o GLM 5.2 — ou faz failover para o GLM 5.2 quando o endpoint do Muse Code está lento — não custa nada extra para construir, porque ambos estão atrás de um único endpoint. E, para um modelo lançado há três dias, o failover automático é como você o experimenta sem apostar um caminho de produção nele.

Quem deve escolher qual

Escolha o Muse Spark 1.2 quando a unidade de trabalho for um artefato grande e coerente e alguém puder esperar alguns segundos para que ele comece: refatorações de vários arquivos, geração de repositório inteiro, loops de agente longos e — segundo a Vals AI — trabalho com documentos financeiros, fiscais e jurídicos. A liderança do DeepSWE, a alta taxa de saída e o nível de contribuidor apontam todos na mesma direção. Você está aceitando pesos fechados, as ferramentas da Meta e um primeiro token mais lento, e deve ler os 82.9 e 59.3 da Meta como alegações, não fatos.

Escolha GLM 5.2quando a propriedade e a sensação importam mais do que a pontuação composta: pesos abertos que você pode auto-hospedar ou mover, um primeiro token rápido para trabalho interativo, um ecossistema de harnesses e ferramentas que já funciona com ele, e a capacidade geral de pesos abertos mais forte disponível. Aceite a verbosidade, o DeepSWE 46.2 e um preço de tabela mais alto por token, mesmo antes da diferença na contagem de tokens.

A maioria das equipes descobrirá que a resposta honesta não é nenhum dos dois isoladamente. O aberto é o cavalo de batalha pelo qual você roteia a maior parte do tráfego; o fechado é o especialista que você direciona para as tarefas profundas e os documentos sensíveis. Quatro pontos de índice de diferença em um composto, um mundo de diferença sobre quem detém os pesos — essa é a escolha, e é muito mais clara do que as pontuações.