Muse Spark Open против Muse Wonder: один можно скачать, другой — только арендовать

Meta выпустилаMuse Wonderна рынок 12 октября 2026 года и через три дня, 15 октября, выложилаM​use Spark Open на Hugging Face. Это не две версии одного и того же продукта. Muse Wonder — это закрытая фронтирная модель, доступ к которой получают через API или по подписке; M​use Spark Open — это загрузка с ограниченным доступом, которая поставляется в виде 816 млрд параметров весов смеси экспертов, лицензии и решения по аппаратному обеспечению. Поэтому сравнивать их в таблице лидеров — неправильный первый шаг: таблица лидеров измеряет возможности, а разделяет их то, кому принадлежит машина. В этом материале разбираются оба варианта — измеренные расхождения, сколько они стоят за единицу работы и четыре ситуации, в которых ответ меняется на противоположный, — на основе фактически опубликованных чисел, с пометкой везде, где число является заявлением поставщика, а не измерением.

С разницей в три дня, и не в одной категории

Порядок выпусков важнее дат выпуска. Muse Wonder вышел первым в виде двух контрольных точек: muse-wonder-1.0, доступной через Model API от Meta и внутри Muse Code, и muse-wonder-full-1.0, которую Meta продаёт только по подписке Muse Code и не предоставляет как модель API. Затем Muse Spark Open вышел как единый артефакт: контрольная точка BF16 и сборка NVFP4 в репозитории с контролем доступа, карточка модели, технический отчёт и лицензия Muse Model License. Один из них — сервис. Другой — файл.

Всё последующее вытекает из этого. Цена закрытой модели — ровно та, которую назначит поставщик, а её возможности поставщик может пересмотреть в любой момент. Цена открытой модели — это сумма капитальных затрат: GPU, электроэнергия, инженер, — а её возможности определяются тем, что сможет выжать из неё ваш стек инференса. Поэтому полезно сравнивать не «у кого выше оценки» — здесь разрыв очевиден, — а «какая из этих двух моделей обойдётся вам дешевле для достижения нужного уровня возможностей», что целиком зависит от того, что у вас уже есть и что вам разрешено делать с весами.

Обе модели принимают на вход текст, изображения, речь и видео, а на выходе выдают текст, и обе заявляют контекстное окно в 1,048,576 токенов. На этом сходство заканчивается.

Табло в его сегодняшнем виде, а не таким, каким вы его помните.

Artificial Analysis переработала свой Intelligence Index, и текущая версия — v5.0.1, которая включает девять оценок: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 на его сложном подмножестве и Terminal-Bench-Science 0.1. Это важно для данного сравнения, поскольку любые показатели, которые вы видели для любой из этих моделей до этой ревизии, не находятся в той же шкале, что и приведённые ниже цифры. Обе записи были повторно оценены в рамках одного и того же набора тестов, поэтому разрыв между ними сопоставим, хотя их абсолютные значения несопоставимы со старыми числами, которые вы могли видеть для любой из них.

На этом варианте {{1}}M​use Spark Open (Xhigh){{/1}} набирает 25 баллов против медианы 23 среди других открытых моделей сопоставимого размера — выше среднего, но ненамного. Muse Wonder (Max) набирает 44 балла против медианы 40 среди моделей в аналогичном ценовом сегменте. Девятнадцать баллов — это не разница из-за округления, но это и не вся картина, потому что эти две медианы описывают два разных набора для сравнения: один — небольшой класс открытых моделей того же размера, другой — более широкий и более дорогой сегмент. Что эта пара действительно чётко показывает, так это то, что каждая модель выше своей собственной группы сверстников, а это более полезное утверждение, чем рейтинг, и его гораздо труднее подтасовать.

Строки по каждому оцениванию говорят то же самое, но с большей детализацией. Каждая строка ниже содержит обе стороны по одному и тому же измерению и в одном и том же порядке, поэтому их можно читать как пару, а не как два отдельных утверждения.

• Index, v5.0.1 — Muse Spark Open 25 при усилии Xhigh против медианы класса 23; Muse Wonder 44 при усилии Max против медианы класса 40

• AA-Briefcase v1.1 (агентная работа со знаниями, Elo) — 1 278,7 для M​use Spark Open; 1 658,7 для Muse Wonder

• AutomationBench-AA (агентные SaaS-воркфлоу) — 0,497 для Muse Spark Open; 0,681 для Muse Wonder

• Terminal-Bench 4.0 — 0,081 у Muse Spark Open; 0,520 у Muse Wonder

• FrontierCode-AA 2.0 — 0.076 для M​use Spark Open; 0.240 для Muse Wonder

• HLE-Diamond — 0.263 для M​use Spark Open; 0.390 для Muse Wonder

• CritPt v2, сложное подмножество — 0,295 для M​use Spark Open; 0,505 для Muse Wonder

• GDP.pdf, all-pass — 0,186 для Muse Spark Open; 0,306 для Muse Wonder

• Terminal-Bench-Science 0.1 — 0,019 для M​use Spark Open; 0,257 для Muse Wonder

Точность AA-Omniscience v1.1 — {{1}}25.8{{/1}} у M​use Spark Open; {{2}}25.1{{/2}} у Muse Wonder, а частота галлюцинаций ведёт себя противоположным образом: {{3}}28.0%{{/3}} у M​use Spark Open против {{4}}20.9%{{/4}} у Muse Wonder

Две строки заслуживают по отдельному предложению. Terminal-Bench-Science с 0,019 против 0,257 — это самый широкий пропорциональный разрыв в таблице, а Terminal-Bench 4.0 с 0,081 против 0,520 — самый широкий для той рабочей нагрузки, на которую обе модели на самом деле ориентированы, то есть для агента, выполняющего команды. Если это ваш сценарий использования, то это почти весь аргумент. Пара Omniscience — единственное место, где более дешёвая модель удерживает позиции: по точности знаний они отличаются менее чем на пункт, а отличие между ними не в том, сколько они знают, а в том, насколько охотно они выдумывают ответ, когда не знают его, — примерно один из 3,6 ответов у M​use Spark Open против одного из 4,8 у Muse Wonder.

Одна оговорка ко всему этому. Это цифры оценщиков, а не поставщиков, что делает их более сильным из двух доступных видов доказательств. Это всё же стенд одной лаборатории на наборе тестов, который сам был пересмотрен в этом цикле, и некоторые из этих оценок настолько новые, что их баллы будут продолжать меняться. Считайте направление надёжным, а третий знак после запятой — шумом.

Количество параметров и где запись просто обрывается

Muse Spark Open раскрывает свой размер в рамках открытости: 816 млрд общих параметров, из которых примерно 42 млрд активны на токен, 62 слоя декодера, 256 экспертов на слой смеси экспертов при 8 выбранных на токен, а эксперты хранятся в 4-битном NVFP4 в поставляемой квантованной сборке, при этом некоторые слои оставлены в bf16. Именно показатель в 42 млрд активных параметров важен для обслуживания, поскольку он определяет, сколько весов нужно прочитать для каждого сгенерированного токена, и именно поэтому модель вообще можно обслуживать на восьми GPU.

Для Muse Wonder соответствующее число отсутствует в данных, которые мы можем проверить. Artificial Analysis помечает её как проприетарную, а панель её технических характеристик перечисляет рассуждение, входную модальность, выходную модальность и контекст — и при этом вообще не содержит строки с общим или активным числом параметров. Мы не собираемся выводить число параметров из цены или из бенчмарка и не собираемся повторять цифру, на которую не можем указать. Можно сказать лишь в направленном смысле: закрытая модель с индексом 44 при тарифе $4/$20 обслуживает нечто существенно большее, чем открытая модель с 42 млрд активных параметров, а все расходы на обслуживание, которые она несёт, — это чужой капитал, а не ваш.

Дешёвая модель ещё и быстрая, что удивляет.

Цена и скорость обычно находятся в обратной зависимости. Здесь они движутся в одном направлении, и это самый значимый для принятия решения вывод на обеих страницах.

• Скорость вывода — 169 токенов в секунду для Muse Spark Open; 118 токенов в секунду для Muse Wonder

• Время до первого токена ответа — 13,81 секунды для M​use Spark Open; 25,19 секунды для Muse Wonder

• Время на задачу индексации — 6,6 минуты для Muse Spark Open; 13,6 минуты для Muse Wonder

• Выходные токены, использованные в прогоне Index, — 90,6 млн для M​use Spark Open; 113 млн для Muse Wonder при медиане 72,8 млн для сопоставимых моделей.

Прочитайте две последние строки вместе — и механизм станет очевиден. Muse Wonder — это модель рассуждения в строгом смысле: она работает дольше, генерирует больше токенов и тратит примерно вдвое больше реального времени на задачу. M​use Spark Open при уровне усилий Xhigh более экономна — она сгенерировала меньше выходных токенов, чем медианная сопоставимая модель, что необычно для конфигурации рассуждения и является реальным аргументом против предположения, что больше размышлений всегда означает больше возможностей. Показатель 169 против 118 — это измерение на хостируемой конечной точке, включающее время до первого токена, поэтому это утверждение о развёрнутых конечных точках, а не о кремнии, лежащем в основе той или иной модели.

Практическое следствие состоит в том, что разрыв в ценах шире, чем следует из тарифной сетки, поскольку оплата идёт за токен, а Muse Wonder генерирует больше токенов на задачу. Это подводит нас к единственному показателю, который честно сравнивает две модели при разных ценах и разной многословности: стоимости за задачу.

Сколько на самом деле стоит задача на каждом

Artificial Analysis вычисляет стоимость запуска всего своего набора оценок и делит её на количество задач, взвешивая каждую оценку по её вкладу в Index. Это даёт сопоставимый показатель, который уже учитывает разницу в многословности.

• Стоимость одной задачи Index — $2.02 для M​use Spark Open; $6.95 для Muse Wonder

• Смешанная прейскурантная цена при соотношении вход/выход 3:1 — 2,00 долл. США за миллион токенов для M​use Spark Open; 8,00 долл. США за миллион для Muse Wonder

• Чтение кэша — $0,15 за миллион токенов для Muse Spark Open, скидка 88%; $0,20 за миллион для Muse Wonder, скидка 95%

Заявленная тарифная сетка — $1.25 за вход и $4.25 за выход против $4.00 за вход и $20.00 за выход, поэтому цена выхода различается в 4,7 раза, а цена входа — в 3,2 раза. Фактическая стоимость одной задачи различается в 3,4 раза, а не в 4,7 раза, и это результат эффектов многословности и кэширования: скидка за кэш в 95% у Muse Wonder больше, чем 88% у M​use Spark Open, а активное кэширование приближает его эффективную стоимость к показателю более дешёвой модели. Если ваша нагрузка хорошо подходит для кэширования — длинные общие системные промпты, повторяющиеся документы — тарифная сетка преувеличивает разрыв. Если нет, ориентироваться при планировании стоит на стоимость одной задачи, и тарифная сетка ничего не занижает.

Разделите стоимость каждой задачи на её балл по индексу, и вы получите третье число, которое принадлежит мне, а не оценщику: около восьми центов за балл индекса для Muse Spark Open против примерно шестнадцати центов для Muse Wonder. Это самое ясное выражение компромисса. Вы платите примерно вдвое больше за единицу измеренной способности за закрытую модель, а за эту надбавку получаете девятнадцать баллов индекса и более низкую частоту галлюцинаций.

Лицензия — это статья расходов, которую скрывает тарифная карта.

Условия M​use Spark Open — это лицензия Muse Model License, и два её пункта меняют смысл выражения «свободные веса» в бизнес-плане.

Первый — пункт об услуге «модель как сервис». Если вы предоставляете третьим лицам доступ к модели как к продукту или услуге через API и ваш совокупный валовой доход от этого превышает двадцать миллионов долларов США в течение любого последовательного двенадцатимесячного периода, вы обязаны уведомить Meta и заключить отдельное письменное соглашение, прежде чем продолжать. Встраивание модели в собственный продукт под это не подпадает; перепродажа — подпадает. Команде, которая намеревается стать провайдером инференса на основе этих весов, следует прочитать этот пункт до написания архитектурного документа, а не после.

Второе — указание авторства: лицензия требует, чтобы «Built with M​use Spark Open» заметно отображалось в интерфейсе любого продукта, использующего модель или производную от неё, либо в его документации, на сайте или в настройках. Это небольшая плата, причём безусловная, и она возникает ровно там, где принимается решение о продукте, — на экране «О программе».

То, что лицензия явно даёт, — это та часть, которая оправдывает скачивание: дообучение, дистилляция, объединение, публикация, сублицензирование и продажа производных, причём Meta заявляет об отсутствии прав собственности на результаты. Muse Wonder ничего из этого не предлагает. Вы не можете дообучить размещённый на хостинге чекпойнт, не можете объединить его в доменную модель, не можете запускать его в изолированном контуре и не можете исправить поведение путём переобучения. Премия, которую вы платите за Muse Wonder, покупает возможности и избавляет вас от операционной нагрузки; она также отсекает все варианты, требующие доступа к весам.

Один технический момент, который застаёт многих врасплох: сама загрузка закрыта. Доступ к репозиторию контролируется, в форме запроса требуется указать официальное имя, дату рождения и организацию с корпоративными идентификаторами, а после отправки её нельзя изменить. Рассчитывайте на очередь, а не на один клик.

Где мегаядро меняет арифметику

В этом сравнении есть третье число, которого нет ни в одной из тарифных карт, и вчера оно пришло из-за пределов Meta. 11 ноября 2026 года команда SGLang опубликовала мегаядро для Muse Spark Open — одно резидентное ядро на слой вместо примерно 1 450 запусков на шаг декодирования — и измерила, что декодирование выросло с 517 до 1 109 токенов в секунду на восьми GB300. Это улучшение в 2,1× на тех же весах, с той же точностью и той же численной арифметикой, достигнутое исключительно программными средствами.

Поставьте это рядом с цифрами хостинговых решений — и характер этого выбора меняется. Арендованный эндпоинт отвечает со скоростью 169 токенов в секунду; собранный вручную стек из восьми GPU, работающий на исследовательских ядрах, — 1 109. Второе число получено при размере батча один, на одном запросе GSM8K, медиана по 20 шагам, и никто за пределами авторов его не воспроизвёл — так что это потолок, до которого вы, возможно, дотянетесь, а не показатель пропускной способности, который можно заложить в план по мощностям. Но оно устанавливает асимметрию, определяющую эту пару: эффективность обслуживания закрытой модели — это то, что улучшать Meta, а вам остаётся ждать; тогда как эффективность обслуживания открытой модели — это функция, которую можно атаковать силами собственных инженеров.

Для команды, у которой GPU уже оплачены, эта асимметрия стоит больше девятнадцати пунктов индекса в тех рабочих нагрузках, где открытая модель близка. Для команды без них она не стоит ничего, потому что цифра 1,109 идёт в комплекте с узлом на восемь GPU, который пришлось бы покупать.

Четыре ситуации, четыре разных ответа

Сравнение становится однозначным, как только вы называете ограничение, и этим ограничением почти никогда не является сам бенчмарк.

Если вы выпускаете продукт в этом квартале, и работа связана со сложными рассуждениями, долгосрочными агентными задачами или чем угодно, где разрыв в бенчмарке для терминала — 0,081 против 0,520 — и есть суть вашей проблемы, ответ — Muse Wonder, и это даже не близко. Вы платите $6,95 за задачу за модель, которая доводит задачу до конца, а альтернатива — платить $2,02 за задачу за модель, которая часто этого не делает.

Если вы выполняете высоконагруженную работу, чувствительную к задержкам, где приемлем ответ со скоростью 169 токенов в секунду и временем до первого токена 13,8 секунды, а ответ со скоростью 118 токенов в секунду и временем до первого токена 25,2 секунды — нет, то выбор — M​use Spark Open, даже прежде чем вы учтёте цену, — а с учётом цены он становится вариантом в 3,4 раза дешевле. Уровень галлюцинаций в 28% — это то, что нужно учитывать при проектировании: привязывайте ответы к источникам, цитируйте их или проверяйте результат на последующих этапах.

Если у вас есть данные, которые не могут покинуть вашу инфраструктуру, или регулятор, который хочет увидеть веса, или предметная область, где дообучение на собственном корпусе — это всё ценностное предложение, сравнение окончено. Muse Wonder не может быть таким, и никакое количество баллов в индексе этого не изменит. M​use Spark Open может, и лицензия явно разрешает дообучение, слияние и распространение.

Если у вас уже есть кластер для обучения с узлами класса GB300, экономика открытой модели — это вовсе не тарифная сетка: это предельная стоимость GPU, которые вы уже амортизировали. Именно в этом случае 1 109 токенов в секунду имеют значение, работа над мегаядром напрямую применима, а пункт о «модели как услуге» на двадцать миллионов долларов — та единственная бумажная формальность, что стоит между побочным проектом и бизнесом.

Случай, который не имеет решения, — это тот, о котором спрашивают чаще всего: небольшая команда, которая хочет и передовых возможностей, и дёшево. От этой пары она не может получить и то и другое. Что она может получить — это каскад: дешёвая модель для большей части трафика и дорогая для остатка, — а это решение о маршрутизации, а не решение о модели.

Что мы маршрутизируем, а что — нет

Ни одна из этих двух моделей не представлена на OrcaRouter. В каталоге нет ни записи meta/muse-wonder, ни записи meta/muse-spark-open, и мы не собираемся описывать ни одну из них как доступную через нас. Muse Spark Open — это загрузка и лицензия; Muse Wonder — собственный эндпоинт Meta и подписка.

Что мы действительно поставляем из той же лаборатории — это линейка Muse Spark: Muse Spark 1.2 и Muse Spark 1.1. Это имеет значение ровно для одной из четырёх ситуаций выше — каскада. Слой маршрутизации — это то место, где решение «дешёвая модель для большей части трафика, дорогая модель для остатка» перестаёт быть схемой архитектуры и становится конфигурацией: один API для 200+ моделей, где цена провайдера по прайс-листу передаётся с наценкой 0%, поэтому снижение цен Meta отражается в вашем счёте в тот же день, а не при следующем продлении контракта, и автоматическое переключение при сбоях плюс DSL маршрутизации, который перемещает трафик между моделями через конфигурацию, а не через изменение кода и развёртывание.

Для половины сравнения, посвящённой открытым весам, честный ответ таков: ни один роутер не помогает. Веса принадлежат вам, GPU принадлежат вам, ядро принадлежит вам, и единственный путь к числу 1,109 — это инженер с профайлером.

Когда это сравнение устареет

• Muse Wonder Full получает доступ к API. Чекпоинт с более высоким рейтингом сейчас заперт внутри подписки, поэтому Muse Wonder в этом сравнении — это API-модель с показателем 44, а не Full-чекпоинт, который Meta указывает отдельно. Если Full откроет эндпоинт, разрыв в возможностях увеличится, и аргумент в пользу каскада станет менее убедительным.

• Независимое воспроизведение показателей мегаядра. Показатель 2,1×, полученный одной командой при размере батча, равном единице, — это потолок; если вторая команда повторит его при реальном размере батча, это превратит результат в кейс self-hosting с приложенными цифрами.

• Изменение цены с любой из сторон. Тариф Muse Spark Open на хостинг составляет $1.25/$4.25, а Muse Wonder — $4.00/$20.00, и одно-единственное объявление поставщика может сократить или обратить вспять разрыв в 3,4× на задачу. Это самый дешёвый для изменения пункт в списке и самый вероятный.

• Дообучение, которое закрывает разрыв. Девятнадцать пунктов индекса — серьёзный дефицит, который производной модели нужно отыграть, и именно лицензия открытой модели делает такую попытку законной. Если дообучение на доменных данных для M​use Spark Open выводит её близко к медиане класса M​use Wonder по тем конкретным оценкам, которые важны для вашего продукта, то для этого продукта надбавка за премиум-версию перестаёт быть оправданной.

Пока один из этих шагов не сделан, итог короткий. Muse Wonder — более мощная модель, и вы арендуете её с оплатой за токены. Muse Spark Open — менее мощная модель, и она полностью ваша, вместе с GPU, пунктами лицензии, уровнем галлюцинаций и — начиная с этого месяца — публичным рецептом, позволяющим сделать её вдвое быстрее.