Muse Spark Open vs Muse Spark: Vad du ger upp när Meta ger dig vikterna

Jämförelsen folk egentligen menar när de skriver ”Muse Spark Open vs Muse Spark” är inte två modeller – det är två distributionsmodeller som bär samma familjenamn. Muse Spark Open är den öppenviktade sparse mixture-of-experts-modellen med 816B parametrar som Meta publicerade den 15 oktober 2026, nedladdningsbar under Muse Model License, med text, bild, video och ljud in och text ut. Muse Spark är den slutna, hostade linjen i samma familj – den ursprungliga modellen från april 2026, sedan Muse Spark 1.1, 1.2 och 1.3 i tur och ordning – som säljs per token via Metas Model API och inte går att nå på något annat sätt. Den ena kommer som en fil och en licens; den andra kommer som en slutpunkt och en prislista. Nästan varje praktisk skillnad mellan dem följer av den enda förgreningen.

Först, ett namngivningsproblem som är värt att reda ut

"Muse Spark" utan versionsnummer är genuint tvetydigt, och tvetydigheten blir ännu värre nu när det finns ett öppet syskon.

• Muse Spark, utan versionsbeteckning – den ursprungliga modellen, släppt i april 2026, 262K-tokenkontext i listningen hos Artificial Analysis, text, bild och tal som indata.

• Muse Spark 1.1 och 1.2 – juli respektive augusti 2026, båda med familjens kontextfönster på 1 miljon token.

• Muse Spark 1.3 — september 2026, den version som Meta betecknar som aktuell och rekommenderar för nytt arbete.

• Muse Spark Open — ett separat släpp med öppna vikter, inte en version av den slutna linjen och inte en efterträdare till 1.3.

Och en fjärde sak som ofta blandas ihop med allt ovanstående: Muse Glimmer, en öppen 30B dense-modell under Apache 2.0 från samma forskargrupp. Den som söker efter "open Meta Muse model" och hamnar på Glimmer har hittat en riktig open-weight-modell, men fel modell. Muse Spark Open är 816B-modellen; Glimmer är den lilla lokala varianten.

Vad de två sidorna är, på papperet

Sex dimensioner, båda sidor, med hjälp av leverantörens angivna siffror och Artificial Analysis oberoende listningar där sådana finns.

• Vikter — Muse Spark Open: nedladdningsbar, 816B totalt / 42B aktiva, åtkomstbegränsat arkiv, BF16- och NVFP4-checkpoints. Muse Spark (stängd linje): inga vikter, ingen licens, ingen nedladdning för någon version, inklusive 1.3.

• Indata — Öppen: text, bild, video och ljud enligt Meta, samt text, bild, tal och video enligt Artificial Analysis lista. Sluten 1.2: text, bild, tal och video enligt Artificial Analysis. De två källorna är överens om den öppna modellens modalitetslista; det som ingen av dem har publicerat är en mätning av ljud- eller videovägen.

• Utdata — endast text, båda sidor. Ingen av dem genererar bilder, ljud eller video.

• Kontext — 1 048 576 tokens för Open och för 1.1, 1.2 och 1.3. Den ursprungliga Muse Spark utan versionsbeteckning ligger lägre, på 262K.

• Licens och villkor — Öppen: Muse Model License med ett attributionskrav och en klausul om modell-som-tjänst som gäller över 20 miljoner USD i årliga intäkter från närstående bolag. Stängd: kommersiella API-villkor, med en rabatterad "Contributor"-nivå som byter ett lägre pris mot tillstånd att träna på dina prompter och kompletteringar.

• Pris — Öppen: Meta sätter inget pris, eftersom Meta inte tillhandahåller den. Det du betalar är antingen din egen hårdvara eller vad en inferensplattform tar betalt. Closed 1.3: 1,25 $ per miljon indatatokens, 4,25 $ per miljon utdatatokens, 0,15 $ per miljon cachade indatatokens, med en Contributor-variant till 0,10 $ / 0,20 $ / 0,002 $.

De oberoende siffrorna, och det ärliga förbehållet om dem

Artificial Analysis är den enda tredje parten med offentliga listningar för båda sidor av denna jämförelse, vilket gör det till den enda platsen där en likvärdig avläsning ens är möjlig — med en asterisk som den inte döljer: den benchmarkar öppenviktsmodeller mot andra öppenviktsmodeller i samma storleksklass, och proprietära modeller mot proprietära och öppna modeller i samma prisklass. Observera också att siffrorna nedan för den slutna linjen är Artificial Analysiss egna mätningar av hostade slutpunkter, medan den öppna modellens Index och hastighet kommer från samma analysföretags hostade listning av en modell som ingen är skyldig att hosta. Poängen är därför jämförbara till sin riktning, inte granskade motsvarigheter.

• Muse Spark Open (xhigh) — Intelligensindex 39, text, bild, tal och video som indata, utdatahastighet 103,4 tokens per sekund, listat pris för hosting $1,25 in / $4,25 ut, $0,84 per indexuppgift.

• Muse Spark 1.2 (xhigh) — Intelligensindex 40, text, bild, tal och video som indata, 361,4 tokens per sekund, 1,25 $ in / 4,25 $ ut, 0,97 $ per indexuppgift. Dess sida har nu ett utfasningsmeddelande som hänvisar till 1.3.

• Muse Spark 1.3 (max) — Intelligence Index 48, text, bild och video in, 121,9 tokens per sekund, $1,25 in / $4,25 ut, $1,60 per indexuppgift.

• Original Muse Spark — Intelligensindex 31, 262K kontext, hastighet och kostnad ej uppmätta, markerad som föråldrad.

Formen på den listan är det intressanta. Den öppna modellen slår inte den slutna serien. Den hamnar en poäng under den utfasade 1.2 och nio poäng under 1.3 vid sin högsta resonemangsinställning – och det gör den samtidigt som den är ungefär tre och en halv gånger långsammare än 1.2. Det den däremot vinner är kostnad per uppgift: $0.84 mot 1.3:s $1.60 på samma index, vilket är den lägsta kostnaden per uppgift i familjen. Så avvägningen handlar inte om förmåga, och egentligen inte om pris per token, eftersom varje hostad listning i den här tabellen anger samma $1.25 / $4.25. Det handlar om kontroll.

Ett tal i den tabellen förtjänar skepsis snarare än att citeras. Det listade hostade priset för Muse Spark Open är identiskt med Metas listpris för den stängda Muse Spark 1.3, på öret, i alla tre kolumnerna. Det kan vara ett verkligt marknadsrensningspris, eller så kan det vara en analytiker som fyller fältet med syskonmodellens prislista medan modellens egen prissättning sätter sig. Tills en faktisk leverantörsfaktura bekräftar det, behandla Muse Spark Opens kostnadssiffror som preliminära och 1.3:s som leverantörspublicerade.

Vad den öppna licensen kostar dig som API:et aldrig skulle göra

Licensen är där de två vägarna skiljer sig mest markant, och det är avsnittet som de flesta läsare skummar.

Vad du får, helt enkelt: frihet att använda, kopiera, ändra, finjustera, destillera, slå samman, publicera, vidarelicensiera och sälja derivat, medan Meta inte gör anspråk på äganderätt till utdata. Två villkor tillkommer ovanpå det.

• Tillskrivning — licensen kräver att "Built with Muse Spark Open" visas framträdande i gränssnittet hos alla produkter som använder modellen eller ett derivat, eller i deras dokumentation, webbplats eller inställningsmeny.

• Utlösaren för modell-som-tjänst – om du eller dina närstående bolag erbjuder tredje parter tillgång till modellen som en produkt eller tjänst via ett API, och de sammanlagda bruttointäkterna överstiger 20 miljoner USD under någon sammanhängande tolvmånadersperiod, måste du först meddela Meta och underteckna ett separat avtal. Intern användning, forskning och distribution av modellen i din egen produkt som inte är ett API undantas.

• Begränsad åtkomst – själva nedladdningen är åtkomstskyddad, med ett begäranformulär som efterfrågar fullständigt juridiskt namn, födelsedatum och organisation med företagsidentifierare, och som inte kan ändras när det väl har skickats in.

Ställ det mot den slutna linjens villkor och jämförelsen vänds. API-vägen ställer inga krav på tillskrivning, inför ingen intäktströskel och innebär ingen pappersexercis utöver en nyckel. Det den däremot kräver är datafrågan: på Contributor-nivån får Meta träna på dina prompter och completioner, vilket är precis vad som gör den ungefär tio gånger billigare på indata och mer än tjugo gånger billigare på utdata. Den slutna Standardnivåns löfte är det motsatta – dina data används inte för träning.

Vad varje väg faktiskt kostar att driva

Jämförelsen i rubriken av "$0 per token mot $1,25 per miljon" är fel åt båda hållen, så det är värt att prissätta ärligt.

• Datacenter BF16 — Metas eget recept kör hela checkpointen över fyra noder med åtta H200-GPU:er vid tensor-parallellism 32. Öppna vikter tog inte bort hårdvarukostnaden; de flyttade över den till din balansräkning.

• Datacenter NVFP4 – 4-bitversionen är dokumenterad på en enda B200-nod, med Metas SGLang-referenskonfiguration som spänner över fyra GB300-GPU:er.

• Desktop — det genuint nya alternativet. Två Mac Studio-maskiner med M5 Ultra-chipar rymmer en full BF16-checkpoint, eftersom var och en erbjuder upp till 512 GB enhetligt minne med en bandbredd på 1,2 TB/s. En 2-bitars kvantisering som testats av Hugging Face- och llama.cpp-teamen kördes på en enda 512 GB M3 Ultra vid 18 tokens per sekund med 304 GB, med utrymme kvar för cache.

• Kontextfällan, på båda vägarna – vid det fulla 1M-tokenfönstret i BF16 uppgår enbart KV-cachen till ungefär 266 GB. Att köpa vikterna ger dig inte fönstret; på en hostad slutpunkt ligger samma tak bakom ett pris per token som växer på samma sätt.

Den slutna linjen har ingen motsvarighet till desktopraden. Det finns ingen konfiguration där Muse Spark 1.3 körs på hårdvara du äger, vid någon kvantisering, i någon hastighet.

Vilken man ska välja, beroende på situation

Beslutsregeln är snävare än vad marknadsföringen från endera sidan antyder.

• Om din arbetsbelastning är kapacitetskritisk och du behöver det bästa svar som familjen kan producera idag, vinner den slutna linjen – och det är inte ens nära – 1.3 vid maximalt resonemang ligger nio indexpoäng över den öppna modellen, och den öppna modellen är långsammare.

• Om ditt krav är att promptar inte får lämna infrastruktur som du kontrollerar, eller att du behöver finjustera, slå samman eller destillera, är de öppna vikterna det enda alternativet i familjen. Inget av detta gäller för någon version av Muse Spark.

• Om du vill ha det billigaste resultatet per uppgift i den här familjen är den öppna modellens indexuppgift på 0,84 dollar den lägsta siffran på bordet – men det är också det minst verifierade talet på bordet, och det beror på vilken plattform du kör den på.

• Om du vill utvärdera någon av dem på verklig trafik innan du binder dig, är själva delningen argumentet för en enda slutpunkt: Muse Spark 1.2 är en av de två Muse-modeller som OrcaRouter dirigerar, till Metas listpris med 0 % påslag, så en publicerad prisändring når din nyckel utan en omförhandling. Muse Spark Open finns inte i vår katalog och vi påstår inte att den gör det — det är en modell du laddar ner, inte en du anropar. Vi dirigerar inte heller Muse Spark 1.3; de två versioner vi tillhandahåller är 1.2 och 1.1.

Vad routningslagret ger i det här specifika fallet är inte en rabatt, utan en utväg. Ett API över 200+ modeller, automatisk failover när en leverantör försämras, och en routing-DSL som flyttar trafik mellan modeller via konfiguration innebär sammantaget att valet mellan öppet och stängt slutar vara en migrering. En modell som släpptes för en dag sedan med ett enda analytikerindex och ingen reproduktion är precis det fall där du vill ha möjligheten att flytta trafik utan att det ligger en kodändring bakom.

Den del som ingen av sidorna har avgjort

Två öppna frågor vilar över den här jämförelsen, och ingen av dem utfaller till förmån för ett entydigt utslag.

Det första är mätning. Metas egen resultattavla för Muse Spark Open är leverantörsrapporterad och relativ till testramverket, och säkerhetsrapporten som dess lanseringsinlägg hänvisar till beskrivs som kommande snarare än publicerad. Den oberoende bilden är ett analytikerindex, en hastighetssiffra och en modalitetslista – och den listan stämmer överens med leverantören om specifikationen men säger ingenting om vilken av dessa fyra indatavägar som faktiskt har mätts. Nio indexpoäng är en stor skillnad, och det är för närvarande en skillnad som mäts i olika modellklasser av en enda part.

Det andra är huruvida öppna vikter överhuvudtaget förändrar familjens riktning. Meta har nu publicerat en modell i den här skalan samtidigt som man har behållit varje version av den stängda linjen som proprietär, och den öppna utgåvan ligger under det stängda flaggskeppet i kapacitet i stället för i nivå med det. Det är en sammanhängande strategi – frontlinjen förblir hostad, föregående generations form blir en nedladdning – och det är en som Meta inte har uttalat. Om en framtida Muse Spark Open matchar den stängda linjen vid lansering upphör den här jämförelsen att existera. Fram till dess är den ärliga tolkningen att öppna vikter gav dig familjens arkitektur och dess kontextfönster med rabatt på kapaciteten, och att de inte gav dig frontlinjen.

Jämförelser som den här är också där fellägena visar sig: de dokumenterade AI-incidenterna och agentfelen bakom modeller i den här klassen samlas i OrcaRouter AI Incident Archive, där varje post har sina egna källor, allvarlighetsgrad, konfidensgrad och flagga för omstridd status.