Muse Spark vs Qwen 4 Max: Hälften av den här jämförelsen har ännu ingen slutpunkt

En sida som jämför Muse Spark med Qwen 4 Max har ett problem som inte har något med någon av modellernas kvalitet att göra, och problemet hör hemma i den första meningen snarare än i den sista. Muse Spark är verklig och anropbar: Meta Superintelligence Labs introducerade familjen den 8 april 2026, och den nuvarande checkpointen, Muse Spark 1.3, har varit allmänt tillgänglig sedan den 2 september 2026 till 1,25 USD per miljon indatatoken och 4,25 USD per miljon utdatatoken. Qwen 4 Max är inte anropbar och har aldrig varit det. Den visades på en scen vid Apsara-konferensen i Hangzhou den 22 september 2026 och ingenting har publicerats sedan dess – inget modellkort, ingen API-identifierare, inget kontextfönster, inget pris, inga vikter, ingen benchmark-poäng. Så den enda ärliga versionen av den här matchen är ett svar i två delar: vad den annonserade Qwen 4 Max förväntas vara, och hur Muse Spark står sig mot Qwen-flaggskeppet som du faktiskt kan skicka en förfrågan till idag, vilket är Qwen3.8-Max.

Vad Qwen 4 Max är, exakt

Det är en post i en förteckning. På Apsara visade Qwen LLM-ledaren Liu Da Yiheng upp fyra nivåer – Qwen 4 Max som flaggskepp, Qwen 4 Flash, Qwen 4 Plus och Qwen 4 27B – beskrev familjen som tränad på en arkitektur av ny generation och sade att den skulle komma snart. Det är allt som finns i den offentliga dokumentationen. Det finns inget datum kopplat till någon nivå, och under de sex veckor som gått sedan dess har ingenting publicerats som gör att du kan planera utifrån det.

Ett nummer som cirkulerar i samband med tillkännagivandet hör inte dit. Målet "5 till 10 biljoner parametrar" som förknippas med nyheten om Q​wen 4 är ett framåtblickande uttalande om generationerna efter Q​wen 4 – tidsramen för Q​wen 4.5 och Q​wen 5 – inte en specifikation för Q​wen 4 Max. A​libaba har inte angett något parameterantal för Q​wen 4 Max överhuvudtaget. Om du ser den beskrivas som en modell med flera biljoner parametrar den här månaden, har den siffran förts över från en annan bild, och det är värt att vägra upprepa den.

Det som faktiskt finns är en partiell förhandsvisning av arkitekturen, under ett annat namn. Qwen3.8-Flash-Next släpptes med öppen källkod i slutet av augusti 2026 och dess modellkort betecknar den som en förhandsvisning av Q​wen 4-arkitekturen: en gles modell med 125 miljarder huvudparametrar plus 51 miljarder parametrar för N-gram-inbäddningar, som aktiverar ungefär 6 miljarder per steg, med en inbyggd kontext på 262 000 token och en rapporterad träningskostnad som är omkring 90 procent lägre än Qwen3.7-Plus. Det säger dig formen på det som kommer. Det säger dig inte vad Q​wen 4 Max presterar, kostar eller accepterar.

• Tillgänglighet — Q​wen 4 Max: tillkännagavs 22 september 2026, ingen slutpunkt, inget datum; Muse Spark 1.3: allmänt tillgänglig sedan 2 september 2026

• Publicerade benchmarkresultat — inga för Q​wen 4 Max; M​eta publicerar ett fullständigt agentiskt scorecard för Muse Spark 1.3

• Parameterantal — ej offentliggjort för Q​wen 4 Max; ej heller offentliggjort för Muse Spark 1.3, även om A​libaba har bekräftat 2,4 biljoner totalt med 95 miljarder aktiva för sitt nuvarande flaggskepp

• Pris — inget har annonserats för Qwen 4 Max; 1,25 / 4,25 USD per miljon tokens för Muse Spark 1.3, med en Contributor-nivå på 0,10 / 0,20 USD

• Kontextfönster — inte tillkännagivet; 1 048 576 tokens för Muse Spark 1.3

• Vikter — ingendera är öppen. De öppna vikterna i dessa två familjer tillhör Qwen3.8-2.4T-A95B och, på M​etas sida, Muse Spark Open och M​use Glimmer

Jämförelsen du faktiskt kan köra

Qwen3.8-Max är modellen som Qwen 4-nivåerna kommer att mätas mot, och den hanterar produktionstrafik i dag: allmänt tillgänglig sedan den 3 augusti 2026 för $2.00 per miljon indata och $6.00 per miljon utdata, med samma pris över hela kontextfönstret och utan långpromptstillägg, byggd som en mixture-of-experts med 2,4 biljoner parametrar och 95 miljarder parametrar aktiva per token, och släppt med öppna vikter den 12 augusti 2026 som Qwen3.8-2.4T-A95B i både BF16 och FP8 under en anpassad Qwen-licens. Den sista detaljen spelar roll och är lätt att missa: flaggskeppets vikter har släppts, och det hostade API:et är en bekvämlighet ovanpå dem snarare än den enda vägen.

Den oberoende bilden av paret är ovanligt tydlig, eftersom Artificial Analysis listar båda och de två släpptes tio dagar isär med samma indexrevision som gällde. Allt nedan kommer från dessa listningar, och de två modellerna kördes inte om i en gemensam testrigg — betrakta den som en jämförelse på lika villkor av publicerade mätvärden, inte som en kontrollerad studie.

• Intelligensindex — Muse Spark 1.3 (Max) 48, plats 24 av 217, mot Qwen3.8-Max (0902) 45, plats 33 av 217

• Utmatningshastighet — 121,9 tokens/sekund jämfört med 39,3 tokens/sekund, där Qwen-modellen ligger på plats 181 av 186 och Meta-modellen på plats 43 av 186

• Kostnad per slutförd Index-uppgift — 1,60 $ mot 5,41 $

• Listpris per miljon tokens — 1,25 $ in / 4,25 $ ut mot 2,00 $ in / 6,00 $ ut

• Kontextfönster — 1 048 576 tokens mot 984 000

• Verbositet på indexet — 170M utdatatoken mot 190M

Det intressanta med den uppsättningen är att Qwen-modellen är långsammare och dyrare i alla avseenden samtidigt som den får tre indexpoäng lägre, och gapet är inte marginellt. Med 39,3 tokens per sekund mot 121,9 är Muse Spark 1.3 ungefär tre gånger snabbare, och dess kostnad per slutförd uppgift är ungefär en tredjedel av kostnaden för Qwen3.8-Max – 1,60 dollar mot 5,41 dollar – med priser som bara skiljer sig med omkring 40 procent per token. Skillnaden är hastigheten, inte prislistan: en modell som tar tre gånger så lång tid på sig att producera varje token spenderar pengar medan den väntar. Den som jämför dessa två enbart utifrån listpris kommer att dra fel slutsats om vilken som är billigare att köra.

Två saker dämpar det, för den ärliga versionen av jämförelsen behöver båda. Den första är modalitet. Muse Spark dokumenteras av M​eta som att ta emot text, bild, video, ljud och PDF och returnera text; Qwen3.8-Max tar emot text, bilder och video. I en pipeline som hanterar skannade dokument eller ljud kan Q​wens flaggskepp helt enkelt inte ta emot nyttolasten — och separat från det varnar M​eta för att ljudförståelse i Muse Spark 1.3 inte stöds fullt ut och hänvisar ljudarbetsbelastningar till Muse Spark 1.2. Den andra är storleken på gapet. Tre indexpoäng är inte ett nivåbyte; det är den typen av marginal som vänds med en annan testrigg eller en annan uppgiftsmix. Hastighets- och kostnadsdeltan är de bestående fynden här, och intelligensdeltat är det man bör hålla löst.

Där de två familjerna är genuint olika, bortom poäng

Öppenheten är den skarpaste skiljelinjen. Alibaba har publicerat parameternantalet för Qwen3.8-Max och släppt dess vikter; Meta har inte publicerat något parameternantal för någon version av Muse Spark och inga vikter för någon av dem. Båda flaggskeppslinjerna är i sin nuvarande form endast tillgängliga som värdtjänst – du kan inte hosta Muse Spark 1.3 själv, och även om Qwen3.8-2.4T-A95B:s vikter finns är en modell med 2,4T parametrar ett datacenterobjekt snarare än något man kör på en arbetsstation. Men alternativet finns på ena sidan och inte på den andra, och alternativ som finns är värda något även när man inte utnyttjar dem.

Ansträngningskontroll är den andra uppdelningen, och M​etas är mer fingranulerad på ett sätt som ändrar din kostnad. Muse Sparks resonemangsansträngning har nivåerna minimal, låg, medium, hög, xhigh och max; maxnivån kom den 4 september, två dagar efter lanseringen, efter ytterligare säkerhetstestning, och det är konfigurationen bakom varje uppmärksammad siffra som M​eta publicerade. M​eta säljer också 1.3-checkpointen till ett andra pris: Contributor-nivån till $0.10 / $0.002 för cachade tokens / $0.20 per miljon tokens, ungefär en storleksordning under Standard-priset, i utbyte mot tillåtelse att träna på dina prompter och completions. Den nivån har ingen Q​wen-motsvarighet, och för en icke-känslig arbetsbelastning med hög volym flyttar den kostnadsjämförelsen längre än vad någon indexpunkt gör.

Flanken med öppna vikter är den tredje. Om det du faktiskt vill ha är körbara vikter från endera familjen, ger ingen av flaggskeppsmodellerna dig det. Metas är Muse Spark Open och Muse Glimmer; Alibabas är Qwen3.8-27B och resten av den öppna Qwen 3.8-linjen. Det är andra samtal än det här, och en sökning efter "Muse Spark vs Qwen 4 Max open weights" har besvarat en fråga som ingen av leverantörerna ställde.

Vad skulle ändra den här sidan

Tre saker, och ingen av dem är ett datum som någon har lovat. Ett modellkort skulle avgöra parameterantalet, kontextfönstret, modalitetsraden och priset i ett enda dokument. En benchmarktabell skulle ge de första siffrorna som går att ställa bredvid M​etas. En lanserad endpoint skulle göra den här sidan obsolet, vilket är det utfall man bör hoppas på – i det läget blir jämförelsen den som läsarna kom hit för att få, och det ärligaste är att säga det i stället för att skriva runt frånvaron.

Fram till dess är den användbara signalen den Q​wen-generation som redan släppts. Qwen3.8-Max är baslinjen som Q​wen 4 Max måste överträffa, den har publicerade vikter och ett publicerat pris, och förhandsvisningen av Q​wen 4-arkitekturen i Qwen3.8-Flash-Next tyder på att familjen byggs för att nå jämförbar kvalitet till en bråkdel av träningskostnaden. Den sista punkten är en förutsägelse snarare än ett faktum, men det är anledningen till att följa färdplanen: en familj som är billigare att träna är en familj som kan prissättas aggressivt, och aggressiv prissättning är det enda som A​libaba har levererat pålitligt i två år.

Att köra den hälften av den här jämförelsen som finns

Båda anropbara modellerna här finns i vår katalog, vilket gör den praktiska versionen av denna sida till en routingfråga snarare än en forskningsfråga. OrcaRouter tillhandahåller Qwen 3.8-familjen — Qwen3.8-Max, Qwen3.8-Flash och den öppna viktmodellen Qwen3.8-27B — samt de två Muse Spark-checkpoints vi betjänar, Muse Spark 1.1 och Muse Spark 1.2, bakom en OpenAI-kompatibel endpoint över 200+ modeller, till varje leverantörs listpris med 0 % påslag. Muse Spark 1.3 finns inte i vår katalog, och Q​wen 4 Max finns inte i någon katalog eftersom den inte existerar ännu; när endera lanseras och en leverantör erbjuder den, är samma nyckel där den skulle dyka upp.

Vad det ger dig i den här specifika jämförelsen är möjligheten att avgöra frågan om tre indexpunkter på din egen trafik. Ett routing-DSL flyttar en del av förfrågningarna från Qwen3.8-Max till Muse Spark 1.2 via konfiguration i stället för kod, och automatisk failover gör att ett misslyckat anrop med lång kontext faller tillbaka på den andra modellen i stället för på en felsida. Med tanke på att det oberoende gapet mellan de två familjerna är litet är det experimentet värt mer än någon placering på en leaderboard — och det är det enda sättet att ta reda på om M​etas tre gånger snabbare utdata faktiskt spelar roll för formen på din arbetsbelastning.

Så: Muse Spark vinner jämförelsen per automatik, och det vore ohederligt att presentera det som ett slutomdöme. Det är modellen som har en endpoint, ett pris, ett kontextfönster och ett resultatkort. Q​wen 4 Max har ett tillkännagivande från scenen, en uppsättning i fyra nivåer och en förhandsvisning av sin arkitektur som körs under ett annat namn. Kom tillbaka när modellkortet landar; den intressanta frågan blir då om A​libabas roadmap-ekonomi når prislinjen innan M​etas nästa checkpoint gör det.

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.