Muse Spark Open vs Muse Spark: Do que você abre mão quando a Meta lhe entrega os pesos

A comparação que as pessoas realmente têm em mente quando digitam "Muse Spark Open vs Muse Spark" não é uma comparação entre dois modelos — é entre dois modelos de distribuição usando o mesmo nome de família. Muse Spark Open é o modelo de pesos abertos com 816B de parâmetros, de mistura de especialistas esparsa, que a Meta publicou em 15 de outubro de 2026, disponível para download sob a Muse Model License, recebendo texto, imagem, vídeo e áudio e gerando texto. Muse Spark é a linha hospedada fechada da mesma família — o modelo original de abril de 2026, depois Muse Spark 1.1, 1.2 e 1.3, em sequência — vendida por token por meio da Model API da Meta e acessível de nenhuma outra forma. Um chega como um arquivo e uma licença; o outro chega como um endpoint e uma tabela de preços. Quase todas as diferenças práticas entre eles decorrem dessa única bifurcação.

Primeiro, um problema de nomenclatura que vale a pena esclarecer

“Muse Spark” sem um número de versão é genuinamente ambíguo, e a ambiguidade piora agora que existe um irmão aberto.

• Muse Spark, sem versão — o modelo original, lançado em abril de 2026, contexto de 262K tokens na listagem da Artificial Analysis, com entrada de texto, imagem e fala.

• Muse Spark 1.1 e 1.2 — julho e agosto de 2026, respectivamente, ambos com a janela de contexto de 1M tokens da família.

• Muse Spark 1.3 — setembro de 2026, a versão que a Meta designa como atual e recomenda para novos trabalhos.

• Muse Spark Open — um lançamento separado de pesos abertos, não uma versão da linha fechada, e não um sucessor do 1.3.

E uma quarta coisa que costuma ser confundida com tudo o que foi dito acima: Muse Glimmer, um modelo aberto denso de 30B sob a licença Apache 2.0 do mesmo grupo de pesquisa. Quem procura por "modelo Muse aberto da Meta" e acaba chegando ao Glimmer encontrou um modelo de pesos abertos de verdade — e o errado. O Muse Spark Open é o modelo de 816B; o Glimmer é o pequeno, local.

O que são os dois lados, no papel

Seis dimensões, ambos os lados, usando os valores declarados pelo fornecedor e as listagens independentes da Artificial Analysis, quando existirem.

• Pesos — Muse Spark Open: disponíveis para download, 816B no total / 42B ativos, repositório com acesso restrito, checkpoints BF16 e NVFP4. Muse Spark (linha fechada): sem pesos, sem licença, sem download para nenhuma versão, incluindo a 1.3.

• Entradas — Open: texto, imagem, vídeo e áudio segundo a Meta, e texto, imagem, fala e vídeo segundo a listagem da Artificial Analysis. Closed 1.2: texto, imagem, fala e vídeo segundo a Artificial Analysis. As duas fontes concordam quanto à lista de modalidades do modelo Open; o que nenhuma das duas publicou é uma medição do caminho de áudio ou vídeo.

• Saída — apenas texto, ambos os lados. Nenhum dos dois gera imagens, áudio ou vídeo.

• Contexto — 1.048.576 tokens para o Open e para 1.1, 1.2 e 1.3. O Muse Spark original sem versão fica mais abaixo, em 262K.

• Licença e termos — Aberto: Muse Model License com um requisito de atribuição e uma cláusula de modelo como serviço que se aplica acima de US$ 20 milhões em receita anual de afiliados. Fechado: termos de API comercial, com um nível "Contributor" com desconto que oferece um preço mais baixo em troca de permissão para treinar com seus prompts e completions.

• Preço — Open: a Meta não define nenhum, porque a Meta não o disponibiliza. O que você paga é o seu próprio hardware ou o que uma plataforma de inferência cobrar. Closed 1.3: US$ 1,25 por milhão de tokens de entrada, US$ 4,25 por milhão de saída, US$ 0,15 por milhão de entrada em cache, com uma variante Contributor a US$ 0,10 / US$ 0,20 / US$ 0,002.

Os números independentes, e a ressalva honesta sobre eles

Artificial Analysis é a única parte independente com listagens públicas para ambos os lados desta comparação, o que faz dela o único lugar onde uma leitura de igual para igual é sequer possível — com um asterisco que não esconde: ela compara modelos de pesos abertos com outros modelos de pesos abertos da mesma classe de tamanho, e modelos proprietários com modelos proprietários e abertos na mesma faixa de preço. Observe também que os números da linha fechada abaixo são medições do próprio Artificial Analysis de endpoints hospedados, enquanto o Index e a velocidade do modelo aberto vêm da listagem hospedada do mesmo analista de um modelo que ninguém é obrigado a hospedar. As pontuações são, portanto, comparáveis em termos de direção, não equivalentes auditados.

• Muse Spark Open (xhigh) — Índice de Inteligência 39, entrada de texto, imagem, fala e vídeo, velocidade de saída de 103,4 tokens por segundo, preço hospedado listado $1,25 entrada / $4,25 saída, $0,84 por tarefa de índice.

• Muse Spark 1.2 (xhigh) — Índice de Inteligência 40, com entrada de texto, imagem, fala e vídeo, 361,4 tokens por segundo, $1,25 de entrada / $4,25 de saída, $0,97 por tarefa de índice. Sua página agora traz um aviso de descontinuação apontando para a 1.3.

• Muse Spark 1.3 (max) — Índice de Inteligência 48, entrada de texto, imagem e vídeo, 121,9 tokens por segundo, $1,25 de entrada / $4,25 de saída, $1,60 por tarefa do índice.

• Original Muse Spark — Índice de Inteligência 31, contexto de 262K, velocidade e custo não medidos, marcado como obsoleto.

O formato dessa lista é a parte interessante. O modelo aberto não supera a linha fechada. Ele fica um ponto abaixo do 1.2 descontinuado e nove pontos abaixo do 1.3 em sua configuração máxima de raciocínio — e faz isso sendo cerca de três vezes e meia mais lento que o 1.2. O que ele de fato ganha é o custo por tarefa: US$ 0,84 contra US$ 1,60 do 1.3 no mesmo índice, que é o valor por tarefa mais barato da família. Então, a troca não é capacidade, e não é realmente preço por token, já que toda listagem hospedada nesta tabela apresenta o mesmo US$ 1,25 / US$ 4,25. É controle.

Um número naquela tabela merece ceticismo em vez de citação. O preço de hospedagem listado do Muse Spark Open é idêntico ao preço de tabela da Meta para o modelo fechado Muse Spark 1.3, ao centavo, nas três colunas. Isso pode ser um preço de equilíbrio de mercado genuíno, ou pode ser um analista preenchendo o campo com a tabela de preços do modelo irmão enquanto o preço do próprio modelo se estabiliza. Até que uma fatura real de um provedor confirme isso, trate os números de custo do Open como provisórios e os do 1.3 como publicados pelo fornecedor.

O que a licença aberta te custa que a API nunca custaria

A licença é onde os dois caminhos divergem de forma mais acentuada, e é a seção que a maioria dos leitores lê superficialmente.

O que você obtém, em termos simples: liberdade para usar, copiar, modificar, fazer ajustes finos, destilar, mesclar, publicar, sublicenciar e vender derivados, sem que a Meta reivindique qualquer propriedade sobre os resultados. Duas condições se somam a isso.

• Atribuição — a licença exige que "Built with Muse Spark Open" seja exibido de forma destacada na interface de qualquer produto que utilize o modelo ou um derivado, ou na sua documentação, site ou menu de configurações.

• O gatilho do modelo como serviço — se você ou suas afiliadas oferecerem a terceiros acesso ao modelo como um produto ou serviço por meio de uma API, e a receita bruta agregada exceder US$ 20 milhões em qualquer período de doze meses consecutivos, você deverá notificar a Meta e assinar um acordo separado antes. Uso interno, pesquisa e distribuição do modelo dentro do seu próprio produto que não seja de API estão excluídos.

• Acesso restrito — o próprio download é controlado por acesso, com um formulário de pedido que solicita nome legal completo, data de nascimento e organização com identificadores corporativos, e não pode ser editado após o envio.

Compare isso com os termos da linha fechada e a comparação se inverte. A rota da API não exige nada sobre atribuição, não impõe limite de receita e não envolve burocracia além de uma chave. O que ela pede é a questão dos dados: no nível Contributor, a Meta pode treinar com seus prompts e conclusões, o que é precisamente o que a torna cerca de dez vezes mais barata na entrada e mais de vinte vezes mais barata na saída. A promessa do nível Standard fechado é o oposto — seus dados não são usados para treinamento.

Quanto custa realmente executar cada caminho

A comparação de manchete de "$0 por token versus $1,25 por milhão" está errada em ambas as direções, por isso vale a pena precificar com honestidade.

• Datacenter BF16 — a receita da própria Meta executa o checkpoint completo em quatro nós, cada um com oito GPUs H200, com paralelismo tensorial 32. Os pesos abertos não eliminaram a fatura de hardware; transferiram-na para o seu balanço.

• Datacentre NVFP4 — a compilação de 4 bits está documentada em um único nó B200, com a configuração de referência do SGLang da Meta abrangendo quatro GPUs GB300.

• Desktop — a opção genuinamente nova. Duas máquinas Mac Studio com chips M5 Ultra armazenam um checkpoint BF16 completo, porque cada uma expõe até 512GB de memória unificada a 1,2TB/s de largura de banda. Uma quantização de 2 bits testada pelas equipes do Hugging Face e do llama.cpp rodou em um único M3 Ultra de 512GB a 18 tokens por segundo, usando 304GB, com espaço restante para cache.

• A armadilha do contexto, em ambos os caminhos — na janela completa de 1M tokens em BF16, só o cache KV chega a cerca de 266GB. Comprar os pesos não lhe compra a janela; em um endpoint hospedado, o mesmo teto fica por trás de um preço por token que cresce da mesma forma.

A linha fechada não tem equivalente à linha de desktop. Não existe configuração em que o Muse Spark 1.3 rode no hardware que você possui, em qualquer quantização, em qualquer velocidade.

Qual escolher, dependendo da situação

A regra de decisão é mais restrita do que o marketing de ambos os lados sugere.

• Se a sua carga de trabalho for crítica em termos de capacidade e você precisar da melhor resposta que a família pode produzir hoje, a linha fechada vence — e não é por pouco: o 1.3 com raciocínio máximo marca nove pontos de índice acima do modelo aberto, e o modelo aberto é mais lento.

• Se a sua restrição for que os prompts não podem sair da infraestrutura que você controla, ou que você precisa fazer ajuste fino, mesclar ou destilar, os pesos abertos são a única opção da família. Nenhuma das duas se aplica a qualquer versão do Muse Spark.

• Se você quer o resultado mais barato por tarefa nesta família, a tarefa de índice de US$ 0,84 do modelo aberto é o menor valor da tabela — mas também é o número menos verificado da tabela, e depende da plataforma em que você o executa.

• Se quiser avaliar qualquer um deles em tráfego real antes de se comprometer, a própria divisão é o argumento para um único endpoint: Muse Spark 1.2 é um dos dois modelos Muse que o OrcaRouter roteia, pelo preço de tabela da Meta com 0% de markup, então uma alteração de preço publicada chega à sua chave sem renegociação. O Muse Spark Open não está no nosso catálogo e não afirmamos que está — é um modelo que você baixa, não um que você chama. Também não roteamos o Muse Spark 1.3; as duas versões que servimos são 1.2 e 1.1.

O que a camada de roteamento oferece neste caso específico não é um desconto, é uma saída. Uma única API para mais de 200 modelos, failover automático quando um provedor degrada e uma DSL de roteamento que desloca tráfego entre modelos por configuração significam que a escolha entre aberto e fechado deixa de ser uma migração. Um modelo lançado há um dia, com um único índice de analista e nenhuma reprodução, é exatamente o caso em que você quer a opção de redirecionar o tráfego sem uma alteração de código por trás.

A parte que nenhum dos lados resolveu

Duas questões em aberto pairam sobre esta comparação, e nenhuma delas se resolve a favor de um veredicto inequívoco.

O primeiro é a medição. O próprio quadro de avaliação da Meta para o Muse Spark Open é relatado pelo fornecedor e relativo ao harness, e o relatório de segurança ao qual seu post de lançamento aponta é descrito como em breve, em vez de publicado. O quadro independente é um índice de analista, um valor de velocidade e uma listagem de modalidades — e essa listagem concorda com o fornecedor quanto à especificação, mas não diz nada sobre qual desses quatro caminhos de entrada foi de fato medido. Nove pontos de índice representam uma grande lacuna, e atualmente é uma lacuna medida em classes de modelos diferentes por uma única entidade.

O segundo é se os pesos abertos mudam mesmo a direção da família. A Meta agora publicou um modelo nessa escala enquanto mantém todas as versões da linha fechada proprietárias, e o lançamento aberto fica abaixo do principal modelo fechado em capacidade, em vez de no mesmo nível. Essa é uma estratégia coerente — a fronteira permanece hospedada, a forma da geração anterior vira um download — e é uma que a Meta não declarou. Se um futuro Muse Spark Open igualar a linha fechada no lançamento, esta comparação deixa de existir. Até lá, a leitura honesta é que os pesos abertos compraram para você a arquitetura da família e sua janela de contexto com um desconto na capacidade, e não compraram para você a fronteira.

Também é em comparações como esta que os modos de falha aparecem: os incidentes de IA documentados e as falhas de agentes por trás de modelos nesta classe são coletados no OrcaRouter AI Incident Archive, onde cada entrada carrega suas próprias fontes, gravidade, grau de confiança e sinalização de disputa.