Muse Spark Open vs Muse Wonder: um você pode baixar, o outro só pode alugar

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.

Três dias de diferença, e não na mesma categoria

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.

Tudo o que vem depois decorre disso. O preço de um modelo fechado é o que o fornecedor disser que é, e sua capacidade pode ser revisada pelo fornecedor a qualquer momento. O preço de um modelo aberto é um valor de capital — as GPUs, a energia, o engenheiro —, e sua capacidade é o que sua stack de serving consegue extrair dele. Assim, a comparação útil não é "qual tem pontuação mais alta", que não é nem de longe uma disputa acirrada, mas "qual destes dois custa menos para você alcançar a capacidade de que precisa", o que depende inteiramente do que você já possui e do que você tem permissão para fazer com os pesos.

Os dois modelos recebem texto, imagens, fala e vídeo e produzem texto, e ambos anunciam uma janela de contexto de 1.048.576 tokens. É aí que termina a semelhança.

O placar como está hoje, não como você se lembra dele.

A Artificial Analysis reformulou seu Intelligence Index, e a versão atual é a v5.0.1, que incorpora nove avaliações: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 em seu subconjunto difícil e Terminal-Bench-Science 0.1. Isso importa para esta comparação porque qualquer número que você tenha lido sobre qualquer um dos modelos antes desta revisão não está na mesma escala que os números abaixo. Ambas as entradas foram reavaliadas dentro do mesmo conjunto de testes, portanto, a diferença entre elas é comparável, embora seus valores absolutos não sejam comparáveis aos números mais antigos que você possa ter visto para qualquer um dos dois.

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.

As linhas por avaliação dizem a mesma coisa com mais resolução. Cada linha abaixo traz ambos os lados na mesma dimensão, na mesma ordem, de modo que podem ser lidas como um par, e não como duas afirmações separadas.

• 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.

Uma ressalva sobre tudo isso. Estes são números de avaliadores, não de fornecedores, o que os torna o mais forte dos dois tipos de evidência disponíveis. Ainda assim, são o harness de um único laboratório sobre uma suíte que foi ela própria revisada neste ciclo, e várias dessas avaliações são novas o suficiente para que sua pontuação continue mudando. Considere a direção sólida e a terceira casa decimal como ruído.

Contagens de parâmetros e onde o registro simplesmente termina

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.

Para o Muse Wonder, o número correspondente não está no registro que podemos verificar. O Artificial Analysis o marca como proprietário, e seu painel de especificações técnicas lista raciocínio, modalidade de entrada, modalidade de saída e contexto — sem nenhuma linha de parâmetros totais ou ativos. Não vamos inferir uma contagem de parâmetros a partir de um preço ou de um benchmark, e não vamos repetir uma que não possamos apontar. O que pode ser dito é direcional: um modelo fechado de índice 44 em uma tabela de preços de US$ 4/US$ 20 está servindo algo substancialmente maior que um modelo aberto de 42 bilhões de parâmetros ativos, e todo custo de serviço que ele carrega é capital de outra pessoa, não seu.

O modelo barato também é o rápido, o que é a surpresa.

Preço e velocidade normalmente atuam em sentidos opostos. Aqui, eles seguem na mesma direção, e essa é a constatação mais relevante para a decisão em qualquer uma das páginas.

• 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.

A consequência prática é que a diferença de preço é maior do que a tabela de preços sugere, porque você paga por token e o Muse Wonder emite mais tokens por tarefa. O que nos leva ao único número que compara dois modelos honestamente entre preços diferentes e níveis de verbosidade diferentes: custo por tarefa.

Quanto uma tarefa realmente custa em cada

A Artificial Analysis calcula o custo de executar toda a sua suíte de avaliação e divide pela contagem de tarefas, ponderando cada avaliação pela sua contribuição para o Index. Isso resulta em um valor comparável em bases equivalentes que já absorve a diferença de verbosidade.

• 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.

A licença é uma linha de custo que a tabela de preços esconde.

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.

A primeira é a cláusula de modelo como serviço. Se você conceder a terceiros acesso ao modelo como produto ou serviço por meio de uma API e sua receita bruta agregada decorrente disso exceder vinte milhões de dólares americanos em qualquer período consecutivo de doze meses, você deverá notificar a Meta e celebrar um acordo escrito separado antes de continuar. A incorporação do modelo ao seu próprio produto está ressalvada; a revenda não está. Uma equipe que pretende se tornar provedora de inferência sobre esses pesos deve ler essa cláusula antes de escrever o documento de arquitetura, não depois.

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.

O que a licença concede de forma clara é justamente a parte que justifica o download: ajuste fino, destilação, fusão, publicação, sublicenciamento e venda de derivados, com a Meta alegando não ter propriedade sobre os resultados. O Muse Wonder não oferece nada disso. Você não pode fazer ajuste fino de um checkpoint hospedado, não pode fundi-lo a um modelo de domínio, não pode executá-lo em ambiente isolado (airside) e não pode corrigir um comportamento retreinando-o. O prêmio que você paga pelo Muse Wonder compra capacidade e o livra da carga operacional; também o livra de toda opção que exija tocar nos pesos.

Um ponto mecânico que pega muita gente: o próprio download é restrito. O repositório tem acesso controlado, o formulário de solicitação exige nome oficial, data de nascimento e organização com identificadores corporativos, e não pode ser editado após o envio. Preveja uma fila, não um clique.

Onde o megakernel altera a aritmética

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.

Coloque isso ao lado dos números dos serviços hospedados e o formato desta decisão muda. Um endpoint alugado responde a 169 tokens por segundo; uma pilha de oito GPUs montada à mão, executando kernels de pesquisa, responde a 1.109. O segundo número é com tamanho de lote um, em uma única requisição GSM8K, mediana de 20 etapas, e ninguém fora dos autores o reproduziu — portanto, é um teto que você pode alcançar, não um número de throughput que você pode colocar em um plano de capacidade. Mas ele estabelece a assimetria que define este par: a eficiência de serving do modelo fechado é da Meta melhorar e sua de esperar, enquanto a eficiência de serving do modelo aberto é uma função que você pode atacar com seus próprios engenheiros.

Para uma equipe que já pagou pelas GPUs, essa assimetria vale mais do que dezenove pontos de índice nas cargas de trabalho em que o modelo aberto está próximo. Para uma equipe sem elas, não vale nada, porque o número 1.109 vem atrelado a um nó de oito GPUs que você teria de comprar.

Quatro situações, quatro respostas diferentes

A comparação se resolve de forma clara assim que você nomeia a restrição, e a restrição quase nunca é o benchmark.

Se você está lançando um produto neste trimestre e o trabalho é raciocínio difícil, tarefas agênticas de longo horizonte, ou qualquer coisa em que uma diferença de benchmark de terminal de 0,081 contra 0,520 seja o formato do seu problema, a resposta é Muse Wonder e não é nem perto. Você está pagando US$ 6,95 por tarefa por um modelo que conclui a tarefa, e a alternativa é pagar US$ 2,02 por tarefa por um que frequentemente não conclui.

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.

Se você já possui um cluster de treinamento com nós da classe GB300, a economia do modelo aberto não é de jeito nenhum a tabela de preços — é o custo marginal das GPUs que você já amortizou. É esse o caso em que 1,109 tokens por segundo importa, em que o trabalho com megakernel é diretamente acionável e em que a cláusula de modelo como serviço de vinte milhões de dólares é a única papelada que separa um projeto paralelo de um negócio.

O caso que não se resolve é o que as pessoas mais perguntam: uma equipe pequena que quer capacidade de ponta e também quer baixo custo. Ela não pode ter as duas coisas deste par. O que ela pode ter é uma cascata — um modelo barato para a maior parte do tráfego e o caro para o resíduo — e isso é uma decisão de roteamento, não uma decisão de modelo.

O que encaminhamos, e o que não encaminhamos

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.

Para a metade da comparação referente aos pesos abertos, a versão honesta é que nenhum roteador ajuda. Os pesos são seus, as GPUs são suas, o kernel é seu, e a única rota para o número 1.109 é um engenheiro com um profiler.

Quando esta comparação fica desatualizada

• Muse Wonder Full chegando a uma API. O checkpoint de maior pontuação está atualmente isolado dentro de uma assinatura, então o Muse Wonder nesta comparação é o modelo de API com 44, não o checkpoint Full que a Meta relata separadamente. Se o Full abrir um endpoint, a lacuna de capacidade aumenta e o argumento da cascata fica mais difícil.

• Uma reprodução independente dos números do megakernel. O 2,1× de uma equipe com tamanho de lote um é um teto; uma segunda equipe igualando isso com um tamanho de lote real transforma o caso em um cenário de auto-hospedagem com números incluídos.

• 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.