Muse Spark Open vs Muse Wonder: Den ena kan du ladda ner, den andra kan du bara hyra

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.

Tre dagar isär, och inte i samma kategori

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.

Allt som följer därav beror på det. Priset för en sluten modell är vad leverantören säger att det är, och leverantören kan när som helst revidera dess kapacitet. Priset för en öppen modell är en kapitalkostnad – GPU:erna, strömmen, ingenjören – och dess kapacitet är vad din serveringsstack kan få ut av den. Så den användbara jämförelsen är inte "vilken som får högre poäng", där skillnaden inte är liten, utan "vilken av dessa två som kostar dig mindre för att nå den kapacitet du behöver", vilket helt beror på vad du redan äger och vad du får göra med vikterna.

Båda modellerna tar in text, bilder, tal och video och producerar text som utdata, och båda uppger ett kontextfönster på 1 048 576 token. Där slutar likheterna.

Resultattavlan som den ser ut i dag, inte som du minns den

Artificial Analysis har gjort om sitt Intelligence Index, och den aktuella versionen är v5.0.1, som omfattar nio utvärderingar: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 på dess svåra delmängd samt Terminal-Bench-Science 0.1. Det spelar roll för den här jämförelsen eftersom alla siffror du läser om endera modellen före denna revidering inte är på samma skala som siffrorna nedan. Båda posterna poängsattes om inom samma svit, så skillnaden mellan dem är jämförbar även om deras absoluta värden inte är jämförbara med äldre siffror som du kan ha sett för någon av dem.

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.

Raderna per utvärdering säger samma sak med högre upplösning. Varje rad nedan innehåller båda sidorna i samma dimension, i samma ordning, så att de kan läsas som ett par i stället för som två separata påståenden.

• 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.

Ett förbehåll för allt detta: det här är utvärderarnas siffror, inte leverantörernas, vilket gör dem till den starkare av de två typer av bevis som finns tillgängliga. De är fortfarande en enda labbs testrigg på en svit som i sig själv reviderades under den här cykeln, och flera av dessa utvärderingar är så pass nya att deras poängsättning kommer att fortsätta röra sig. Betrakta riktningen som sund och tredje decimalen som brus.

Parameterantal, och där rekordet helt enkelt tar slut

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.

För Muse Wonder finns motsvarande siffra inte i det underlag vi kan verifiera. Artificial Analysis märker det som proprietärt, och dess panel för tekniska specifikationer listar resonemang, indatamodalitet, utdatamodalitet och kontext – utan någon rad för totalt antal parametrar eller antal aktiva parametrar över huvud taget. Vi kommer inte att härleda ett parameterantal från ett pris eller från ett riktmärke, och vi kommer inte att upprepa ett som vi inte kan peka på. Vad som kan sägas är riktningsvis: en sluten modell med index 44 på ett prislistekort på $4/$20 betjänar något väsentligt större än en öppen modell med 42 miljarder aktiva parametrar, och varje kostnad för att betjäna den är någon annans kapital snarare än ditt.

Den billiga modellen är också den snabba, vilket är överraskningen.

Pris och hastighet går vanligtvis på bekostnad av varandra. Här går de i samma riktning, och det är det mest beslutsrelevanta fyndet på endera sidan.

• 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.

Den praktiska konsekvensen är att prisskillnaden är större än prislistan antyder, eftersom du betalar per token och Muse Wonder ger fler tokens per uppgift. Vilket för oss till det enda tal som jämför två modeller ärligt över olika priser och olika ordrikedom: kostnad per uppgift.

Vad en uppgift faktiskt kostar per styck

Artificial Analysis beräknar kostnaden för att köra hela sin utvärderingssvit och dividerar med antalet uppgifter, där varje utvärdering viktas efter sitt bidrag till Index. Det ger en jämförbar siffra som redan inbegriper skillnaden i ordrikedom.

• 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.

Licensen är en kostnadspost som prislistan döljer

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.

Den första är klausulen om modell-som-tjänst. Om du ger tredje parter åtkomst till modellen som en produkt eller tjänst via ett API och dina sammanlagda bruttointäkter från detta överstiger tjugo miljoner amerikanska dollar under någon period om tolv sammanhängande månader, måste du meddela Meta och ingå ett separat skriftligt avtal innan du fortsätter. Att bädda in modellen i din egen produkt är undantaget; att sälja vidare den är det inte. Ett team som avser att bli en inferensleverantör ovanpå dessa modellvikter bör läsa den klausulen innan det skriver arkitekturdokumentet, inte efter.

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.

Det licensen uttryckligen ger är den del som motiverar nedladdningen: finjustering, destillation, sammanslagning, publicering, underlicensiering och försäljning av derivat, där Meta inte gör anspråk på äganderätt till utdata. Muse Wonder erbjuder inget av detta. Du kan inte finjustera en checkpunkt som ligger hos en leverantör, du kan inte foga in den i en domänmodell, du kan inte köra den i en luftgapad miljö och du kan inte åtgärda ett beteende genom att träna om den. Premien du betalar för Muse Wonder köper kapacitet och befriar dig från den operativa bördan; den befriar dig också från varje alternativ som kräver att du rör vikterna.

En praktisk detalj som överraskar många: själva nedladdningen är spärrad. Repositoriet är åtkomstkontrollerat, ansökningsformuläret kräver juridiskt namn, födelsedatum och organisation med företagsidentifikatorer, och kan inte ändras efter att det skickats in. Räkna med en kö, inte ett klick.

Där megakärnan ändrar aritmetiken

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.

Sätt det bredvid de hostade siffrorna, så förändras formen på detta beslut. En hyrd slutpunkt svarar med 169 tokens per sekund; en handbyggd stack med åtta GPU:er som kör forskningskernlar svarar med 1 109. Det andra talet är batchstorlek ett, på en enda GSM8K-förfrågan, median över 20 steg, och ingen utanför författarna har reproducerat det – så det är ett tak du kan nå, inte en genomströmningssiffra du kan sätta i en kapacitetsplan. Men det fastställer den asymmetri som definierar detta par: den slutna modellens serveringseffektivitet är Metas att förbättra och din att vänta på, medan den öppna modellens serveringseffektivitet är en funktion du kan attackera med dina egna ingenjörer.

För ett team som redan har betalat för GPU:erna är den asymmetrin värd mer än nitton indexpoäng i de arbetsbelastningar där den öppna modellen ligger nära. För ett team utan dem är den värd ingenting, eftersom siffran 1 109 kommer tillsammans med en nod med åtta GPU:er som du skulle behöva köpa.

Fyra situationer, fyra olika svar

Jämförelsen löser sig rent så snart du namnger begränsningen, och begränsningen är nästan aldrig benchmarken.

Om du lanserar en produkt det här kvartalet och arbetet består av krävande resonemang, långsiktiga agentiska uppgifter eller något där ett gap i terminalbenchmark på 0,081 mot 0,520 är formen på ditt problem, så är svaret Muse Wonder – och det är inte ens nära. Du betalar $6.95 per uppgift för en modell som slutför uppgiften, och alternativet är att betala $2.02 per uppgift för en som ofta inte gör det.

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.

Om du redan äger ett träningskluster med noder i GB300-klass är ekonomin för den öppna modellen inte alls prislistan – den är marginalkostnaden för de GPU:er du redan har skrivit av. Det är fallet där 1 109 tokens per sekund spelar roll, där megakernel-arbetet är direkt användbart och där klausulen om model-as-a-service på tjugo miljoner dollar är den enda pappershandling som står mellan ett sidoprojekt och ett företag.

Det fall som inte går att lösa är det som folk frågar om mest: ett litet team som vill ha kapacitet i framkant och samtidigt vill ha lågt pris. Det kan inte få båda från det här paret. Det det kan få är en kaskad – en billig modell för merparten av trafiken och den dyra för resten – och det är ett routningsbeslut snarare än ett modellbeslut.

Vad vi dirigerar, och vad vi inte dirigerar

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.

För halvan med öppna vikter av jämförelsen är den ärliga versionen att ingen router hjälper. Vikterna är dina, GPU:erna är dina, kärnan är din, och den enda vägen till siffran 1 109 är en ingenjör med en profilerare.

När den här jämförelsen blir inaktuell

• Muse Wonder Full når ett API. Den högre poängsatta checkpointen är för närvarande inlåst bakom en prenumeration, så Muse Wonder i den här jämförelsen är API-modellen på 44, inte den Full-checkpoint som Meta rapporterar separat. Om Full öppnar en endpoint breddas förmågegapet och kaskadargumentet blir svårare.

• En oberoende reproduktion av megakernel-siffrorna. Ett lags 2,1× vid batchstorlek ett är ett tak; när ett andra lag matchar det vid en verklig batchstorlek förvandlas det till ett self-hosting-fall med siffror bifogade.

• 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.