Muse Spark Open vs Muse Spark 1.2: Det öppna flaggskeppet är inte uppgraderingen

Instinkten när ett labb öppnar källkoden till sin största modell är att anta att den nedladdningsbara versionen är den bättre, och när det gäller Muse Spark Open mot Muse Spark 1.2 har den instinkten fel på den axel folk kontrollerar först. På Artificial Analysis får den proprietära API-modellen en Intelligence Index på 40 och den nyöppnade modellen med 816 miljarder parametrar får 39 — inom en poäng, och i den riktning som gynnar modellen du hyr. Den öppna är inte den starkare modellen. Det är en annan affär, och affären är hela jämförelsen.

Meningsversionen

Muse Spark 1.2 ger dig en snabb, billig slutpunkt per token som du aldrig behöver driva och vars modaliteter alla är oberoende bekräftade. Muse Spark Open ger dig vikter som du kan hålla i, finjustera, granska och köra utan nätverk, på hårdvara du måste köpa och med en genomströmning som ingen ännu har publicerat. Det är olika produkter som råkar dela ett familjenamn.

Var de faktiskt står

Rad för rad, med den sida som vinner i varje dimension angiven först.

• Intelligens – Muse Spark 1.2 har 40 i Artificial Analysis Intelligence Index, Muse Spark Open har 39. Oberoende uppmätt på båda sidor; en skillnad på en poäng är inte ett skäl att välja någon av modellerna.

• Genomströmning — Muse Spark 1.2, och med god marginal: Artificial Analysis rankar den som etta av 185 modeller i utdatahastighet med 361,4 tokens per sekund. Hastigheten hos Muse Spark Open har inte mätts alls av någon oberoende part. Inget som står på ett skrivbord i oktober 2026 kommer att komma i närheten av 361 tok/s på en 816B mixture-of-experts-modell; frågan är hur långt efter den hamnar, och den siffran finns inte ännu.

• Pris — Muse Spark 1.2 till $1,25 per miljon indatatoken och $4,25 per miljon utdata, med 88 % rabatt på cachad indata och uppmätta $0,97 per uppgift i Intelligence Index. Muse Spark Open har inget pris per token; dess pris är ett hårdvaruköp, och Artificial Analysis har inte publicerat någon kostnadssiffra för det.

• Vikter — Muse Spark Open, helt och hållet. Gated Hugging Face-repositorier under Muse Model License, i BF16 och NVFP4, ungefär 1,5 TB innan körtidsöverhead. Vikterna för Muse Spark 1.2 distribueras inte i någon form.

• Lokal körning – Muse Spark Open, på två M5 Ultra Mac Studios med MLX eller på en enda Blackwell-nod med fyra GPU:er med TensorRT-LLM. Muse Spark 1.2 körs inte någon annanstans än hos en leverantör.

• Finjustering — Muse Spark Open, där Meta släpper TorchTitan-stöd specifikt för den. Muse Spark 1.2 kan inte finjusteras på dina data.

• Modalitet — omstridd, och den avgörs till Muse Spark 1.2:s fördel utifrån tillgängliga bevis. Artificial Analysis listar 1.2 som att den tar emot text, bilder, tal och video, och listar den öppna modellen som att den endast tar emot text och bilder, medan Metas egna material hävdar text, bild, video och ljud för Muse Spark Open. Oberoende mätning har bekräftat det snävare påståendet; leverantören har hävdat det bredare.

• Resonemang – i stort sett samma upplägg på båda. Ingen av dem låter dig stänga av resonemanget. Muse Spark Open erbjuder ansträngningsnivåerna low, medium, high och xhigh, som motsvarar 16, 64, 256 och 512 resonemangstoken, samt en antydan om resonemangsstyrka i systemprompten.

• Kontext — ett äkta dött lopp vid 1 048 576 tokens, med en hake som skiljer dem åt i praktiken. På Muse Spark Open kostar ett fullt kontextfönster på en miljon tokens i BF16 cirka 266 GB KV-cache utöver vikterna. På Muse Spark 1.2 är kontext någon annans kapacitetsproblem.

• Licens — Muse Spark Open under Muse Model License med begränsade kommersiella villkor; Muse Spark 1.2 under vanliga API-villkor. Ingen av dem är Apache 2.0, och den öppna licensen är den man faktiskt måste läsa.

Läs igenom den listan, och beslutets form är redan synlig: den öppna modellen vinner på de saker du gör med en modell, och den hostade modellen vinner på de saker en modell gör mot dig.

Det enda numret som avgör för de flesta team

Muse Spark 1.2:s främsta specifikation är 361,4 tokens per sekund, etta bland 185 uppmätta modeller. Det är inte en marknadsföringssiffra – det är vad som gör modellen användbar i en agentloop, där en kodningsagent skickar dussintals små rundturer per minut och modellens wall-clock-kostnad är uppgiftens wall-clock-kostnad.

Genomströmningen för Muse Spark Open är okänd. Det är det ärliga bevisläget, och det är det enskilt största hålet i varje jämförelse som skrivs den här veckan. Vad som med säkerhet kan sägas är strukturellt: en modell med 816 miljarder parametrar som aktiverar 42 miljarder parametrar per token på konsumentdatorhårdvara begränsas av minnesbandbredd, inte av beräkningskraft. Två M5 Ultra Mac Studios ger dig 1,2 TB/s och en terabyte enhetligt minne, vilket räcker för att hålla modellen och läsa varje tokens andel. Det räcker inte för att få en interaktiv agent att kännas som ett API. Om din arbetsbelastning är interaktiv är detta inte ett svårt val. Om din arbetsbelastning är batch – nattliga genomsökningar av kodförråd, offline-utvärdering, storskalig extraktion där latens är irrelevant och kostnaden per token är allt – inverteras kalkylen helt.

Är den stationära datorn faktiskt billigare?

Det är här den öppna modellen förtjänar sin plats, och också här den naiva versionen av argumentet inte håller. Konfigurationen med två Mac Studio är ett kapitalinköp plus el, kylning och någons uppmärksamhet. Mot detta ställer du tokens du inte längre köper.

Jämförelsen går bara ihop vid stora volymer, och anledningen är att Muse Spark 1.2:s cachediskontering redan gör ett stort jobb på den driftade sidan. Med 88 % rabatt på cachad indata är modellen billig just för det upprepade kontextmönster som agentisk kodning ger upphov till – samma kodförråd, samma systemprompt, samma verktygsdefinitioner, lästa igen vid varje tur. En egen driftad installation får ingen rabatt; den får en fast kostnad, och den fasta kostnaden amorteras bara av användning som är stor, jämn och förutsägbar. Ett team som kör stötvis agenttrafik på en skrivbordsuppsättning med två maskiner har köpt en fast kostnad för att betjäna en variabel belastning, vilket är det klassiska sättet som den här aritmetiken går fel på.

Den ärliga inramningen är att egen hosting av Muse Spark Open är ett kapacitetsbeslut, inte ett kostnadsbeslut. Man köper det för att garantera att modellen är tillgänglig, att den inte kan fasas ut under dig, att dina prompter aldrig lämnar byggnaden och att du kan ändra dess beteende genom finjustering. Det är verkliga och ibland avgörande skäl. "Det blir billigare" är ett skäl som måste härledas på nytt för din trafik, och för en hel del trafik är det helt enkelt inte sant.

Vad var och en verkligen är till för

Muse Spark 1.2 är modellen att bygga en produkt på. Den är snabb, har en uppmätt kostnad per uppgift, dess modalitetsuppsättning är oberoende bekräftad, den säljs per token med en cachediskontering som passar agentiska mönster, och den är routbar idag. Att välja den är att välja att spendera pengar i stället för utvecklingstid, och vid $1.25/$4.25 är det ofta rätt avvägning.

Muse Spark Open är modellen att bygga en förmåga på. Finjustering är anledningen till att den finns: om uppgiften är smal, högvolym och välspecificerad – en kodbasspecifik agent, en dokumentpipeline för ett fast korpus, en klassificerare som måste köras lokalt – då kommer en finjusterad 42B-aktiv modell som du äger att slå en generell endpoint som du hyr, och ingen mängd prompt engineering stänger det gapet. Desktophistorien är samma argument i miniatyr: poängen är inte att den körs på en Mac, utan att den körs där du är.

Modalitetsfrågan, och varför man bör bry sig

Meta säger att Muse Spark Open tar text, bilder, video och ljud. Artificial Analysis, som mätte modellen, listar text och bilder. Den diskrepansen är inte hårklyveri – en nativt multimodal modell med öppna vikter är en fundamentalt annan tillgång än en text- och bildmodell, och skillnaden avgör huruvida modellen överhuvudtaget är en kandidat för ljud- och videopipelines.

De mest sannolika förklaringarna är vardagliga: Artificial Analysis kan ha utvärderat via en slutpunkt eller konfiguration som inte exponerade de extra modaliteterna, eller så kan arkitekturen acceptera indata som den levererade driftsättningen inte utnyttjade. Det som spelar roll för ett beslut är att det breda påståendet är hävdat av leverantören och det snäva är uppmätt. Om ljud eller video är anledningen till att du var intresserad, verifiera det i din egen stack innan du satsar hårdvara på det. Om inte, är frågan akademisk – och notera att Muse Spark 1.2:s stöd för tal och video är bekräftat från oberoende håll, vilket inte är en position som den öppna modellen för närvarande kan hävda.

Kör dem sida vid sida

De flesta team som till slut har båda väljer inte mellan dem alls. Det fungerande mönstret är att behålla den hostade modellen på den interaktiva vägen och den öppna modellen på batch- och on-premises-vägar, och att genomdriva uppdelningen i konfigurationen snarare än i dokumentationen.

Det är vad ett routinglager är till för. OrcaRouter dirigerar Muse Spark 1.2 till Metas listpris med 0 % påslag, så den hostade delen av den uppdelningen kostar exakt vad den kostar på Metas eget API — en leverantörs prissänkning är aktiv på samma nyckel samma dag — och den sätter modellen bakom samma gränssnitt som 200+ andra, med automatisk redundansväxling när en leverantörs prestanda försämras och en routing-DSL för att flytta trafik mellan modeller och leverantörer utan en omskrivning. OrcaRouter hostar inte Muse Spark Open och hävdar inte att den gör det; en modell vars värde är att du kan ladda ner den är en modell du kör själv. Vad routern ger dig är den andra halvan av uppdelningen, så den interaktiva vägen ligger kvar på en snabb endpoint medan batchvägen körs på din egen hårdvara.

Domen

Muse Spark Open vs Muse Spark 1.2 är inte en kamp mellan en bättre och en sämre modell. Det är en kamp mellan att äga en modell och att hyra en, och de två sidorna av den kampen mäts inte i samma enheter — den ena i Intelligence Index-poäng och tokens per sekund, den andra i kapital, kontroll och rätten att ändra vikterna.

Välj Muse Spark 1.2 om du vill ha den starkaste uppmätta förmågan per dollar i ingenjörsinsats, om latens spelar roll, om du vill ha bekräftat stöd för ljud och video, eller om du helt enkelt behöver en Muse-modell på en nyckel idag. Välj Muse Spark Open om du behöver finjustera, om data inte får lämna ditt nätverk, om arbetsbelastningen är tillräckligt stor och förutsägbar för att skriva av hårdvaran, eller om tillgänglighetsgarantin är värd mer för dig än den sista indexpoängen.

Det enda råd som är värt att ge är att stå emot inramningen att öppna vikter automatiskt är det mer kapabla alternativet. Enligt bevisen är de inte det. De är mer dina.

Muse Spark Open går nu att ladda ner under Muse Model License; Muse Spark 1.2 finns per token via Metas API och på OrcaRouter till listpris.