Förhandsvisning av steg 5 vs Muse Glimmer: Frontier-API:et och laptopmodellen

På en topplista, Step 5 Preview och Muse Glimmer är inte nära: 44 mot 17 på Artificial Analysis Intelligence Index — en skillnad på tjugosju punkter på en skala där den nuvarande ledaren ligger i de höga femtiotalen — som ingen mängd finjustering kan överbrygga. I frågan ett team faktiskt måste besvara — var körs mina tokens — är de direkta konkurrenter. Step 5 Preview är StepFuns flaggskepp, tillkännagivet den 20 september 2026, med ungefär 600 miljarder parametrar totalt, varav 27 miljarder aktiva, en kontext på 1M tokens, prissatt till 1,00 USD per miljon indatatokens och 2,70 USD per miljon utdatatokens, och endast nåbar över ett nätverk. Muse Glimmer är Meta Superintelligence Labs agentmodell med öppna vikter och 30 miljarder parametrar, släppt den 10 augusti 2026 under Apache 2.0, levererad kvantiserad till 4 bitar så att den ryms inom 20 GB minne och kan köras på ett enda konsumentgrafikkort med nätverket urkopplat. Det rätta sättet att läsa det här paret är inte "vilken som är smartare". Det är "vilken av de två begränsningarna — kapacitet eller perimeter — som är den som din arbetsbelastning inte kan rubba."

Jämförelsen är också en användbar korrigering av en vana som den här marknaden har lagt sig till med: att behandla en sammansatt indexpoäng som hela en modells värde. Gapet på tjugosju punkter är verkligt, och det är inte den enda siffran i filen. Vid hämtning i långa kontexter placerar samma oberoende panel Muse Glimmer inom en halv poäng från öppna modeller i en mycket större viktklass. Samtidigt är den mest citerade svagheten hos Step 5 Preview inte förmåga alls utan mångordighet, och den är stängd tills dess utlovade vikter anländer den 15 oktober.

Två modeller, två helt olika objekt

Steg 5 Preview är ett mixture-of-experts-system som körs från StepFuns infrastruktur: cirka 600B parametrar totalt, 27B aktiva per token, text- och bildinmatning, ett kontextfönster på 1M token och en oberoende Intelligence Index-poäng på 44 jämfört med medianen 26 för jämförbara modeller. Dess utdata körs i 87 token per sekund jämfört med ett snitt på 78 i samma mätning, och den genererade omkring 160 miljoner utdatatoken i indexets uppgiftssvit, där medianmodellen producerar omkring 82 miljoner – ungefär dubbelt så mycket text per arbetsenhet, fakturerat till $2.70 per miljon. BF16-vikterna utlovades till den 15 oktober 2026 och finns ännu inte i repositoriet, så i dag finns modellen för dig endast som ett API.

Muse Glimmer är det motsatta objektet. Det är en modell med 30B parametrar som tränats genom logit-distillation från Metas större lärare Muse Spark och sedan finjusterats på långkontextuell agentdata och förstärkningsinlärts för verktygsanvändning. Meta levererar den kvantiserad till 4 bitar, vilket tar minnet från över 55 GB vid full precision till under 20 GB – inom en VRAM-ram på 24 GB eller 32 GB – och den testades av Meta på en Nvidia RTX 5090 och på Apples M4 Max- och M5 Max-kisel. Den tar emot text- och bildinmatning på över hundra språk, stöder en kontext på 131 072 token som kan utökas till 262 144 och är byggd för att ta ett mål, dela upp det i steg, anropa verktyg och försöka igen vid ett misslyckat anrop i stället för att stanna. Den är Apache 2.0 och körs offline.

• Oberoende poäng — Step 5 Preview: 44 mot ett medianvärde på 26 i sin klass vs Muse Glimmer: 17 på samma index i sin höga konfiguration.

• Skala — Step 5 Preview: cirka 600B totalt, 27B aktiva per StepFun jämfört med Muse Glimmer: 30B totalt, kvantiserat till 4-bitars under 20 GB.

• Kontextfönster — Step 5 Preview: 1M tokens mot Muse Glimmer: 131 072, kan utökas till 262 144, enligt Meta.

• Pris — Step 5 Preview: $1.00 in / $2.70 ut per miljon tokens, publicerat pris jämfört med Muse Glimmer: ingen avgift per token; du står för GPU:n.

• Var den körs — Förhandsvisning av steg 5: leverantörens servrar, över HTTP jämfört med Muse Glimmer: din egen hårdvara, offline.

• Licens — Step 5 Preview: stängd förhandsvisning, vikter utlovade till 15 oktober 2026 vs Muse Glimmer: Apache 2.0, nedladdningsbar nu.

• Långkontextsökning — Muse Glimmer får 80,0 i index boards utvärdering av långkontextresonemang, inom en halv poäng från modeller i en prisklass flera gånger dess egen och tillräckligt nära Step 5 Previews mätvärde för att skillnaden inte är beslutsrelevant för arbete med att hitta fakta.

De tjugosju punkterna, och vad de inte mäter

En 30B-modell destillerad för att köras i 20 GB minne kommer att förlora mot en 600B-flaggskeppsmodell på ett allmänt intelligensindex, och Metas eget material påstår inte något annat – en av deras formuleringar är tydlig med att Glimmer inte är utformat för att matcha den råa resonemangskraften hos molnmodeller i full skala. Så poängen 17 är inte en dom över ingenjörskonsten; det är det förväntade resultatet av att väga ett annat mål. Den rätta frågan är vilka av dina uppgifter gapet faktiskt täcker.

Långkontextläsningen är där de två kommer närmast varandra och där intuitionen fallerar. Muse Glimmer får 80,0 i leaderboardens utvärdering av långkontextresonemang – en poäng som skulle vara oanmärkningsvärd för en frontmodell och är anmärkningsvärd för en som körs på en konsument-GPU. Om din arbetsbelastning är retrieval, sammanfattning eller extraktion över långa dokument är en lokal modell på den nivån inte uppenbart fel verktyg, och det faktum att förfrågan aldrig lämnar din maskin är en egenskap du inte kan köpa från ett API till något pris.

Sedan finns den del av jämförelsen som Metas siffror inte visar. En referentgranskad studie av multiagentorkestrering testade Muse-Glimmer-30B i en kontrollerad uppsättning – samma uppgift, samma ramverk, samma konsulter – och fann att den inte återställde någon av de kandidater som större frontiermodeller producerade, och misslyckades med alla tre försöken i varje inställning. Det är en enda studie av en enda konfiguration, och det är den typ av bevis som en modellsida aldrig lyfter fram. För agentiska pipelines där en svagare orkestrerare måste återhämta sig från en starkare modells misslyckande är det det mest beslutsrelevanta resultatet i den här artikeln, och det är värt att läsa före några av Metas leverantörsrapporterade benchmarks.

Dessa benchmarks är, för fullständighetens skull, Metas egna och inte reproducerade: 76,0 % på SWE-Bench Verified, 51,2 % på SWE-Bench Pro, 51,7 % på TerminalBench 2.1, 65,9 % på OSWorld-Verified, 83,5 % på GPQA Diamond, 22 % på Humanity's Last Exam och 75,5 på MCP-Atlas. De mäts mot modeller i samma storleksklass, och de beskriver en kapabel lokal agent snarare än en resonemangsmodell i framkanten.

Var gränsen egentligen går

Steg 5 Previews strukturella fördel är att den gör det arbete du inte kan göra lokalt. En kontext på 1M tokens, bildinmatning, en uppmätt poäng nära frontlinjen och 87 utdatatokens per sekund utan hårdvara att köpa: för utkast, planering, kodgranskning i ett stort arkiv, eller vad som helst där modellens tak är flaskhalsen, vinner API:et och de tjugosju poängen är hela argumentet. Kostnaden för det är motsatsen till Muse Glimmers: prompter lämnar din perimeter, priset tillämpas på nytt för varje token, och modellens mångordighet gör arbetsbelastningar med långa utdata dyrare än vad priset på $2.70 antyder.

Muse Glimmers fördel är att den utför det arbete som inte kan lämna. Om data är reglerad, om latensbudgeten är några millisekunder, om maskinen är offline, eller om marginalkostnaden för den miljonte begäran måste vara noll, då är inget API en kandidat – inte detta, inte något. Priset för det är kapacitet: du väljer en 17 där en 44 finns, och inom agentisk orkestrering väljer du kanske en koordinator som inte kan återhämta sig från en starkare modells misstag.

För de flesta team är svaret inte ett val utan en uppdelning. OrcaRouter routar över 200 modeller bakom en enda API-nyckel och en enda faktura med 0 % påslag och leverantörens listpris förmedlat, plus automatisk failover och ett routing-DSL för att skicka trafik efter uppgift, kostnad eller latens. Varken Step 5 Preview eller Muse Glimmer finns i den katalogen – StepFuns flaggskepp routas inte av oss och Glimmer är en lokal nedladdning – så värdet som erbjuds är inte åtkomst till någon av modellerna. Det är den uppsättning du skulle benchmarka dem mot, anropbar med en nyckel idag, så att beslutet lokalt kontra fjärr avgörs av din egen uppgiftsfördelning snarare än av vilken leverantörs sida du läste senast.

Hur man bestämmer

Välj Step 5 Preview när taket är begränsningen. Om dina uppgifter är öppna, multimodala, långkontextiga eller agentiska i bemärkelsen att de behöver en kapabel planerare, är API-modellen den enda av de två som kan utföra dem, och dess pris är tillräckligt lågt för sin klass för att en pilot med den ska vara en budgetpost snarare än ett projekt. Budgetera för utförlighet, planera för att viktdatumet den 15 oktober skjuts upp, och håll arbetsbelastningar som inte får lämna byggnaden utanför det.

Välj Muse Glimmer när perimetern är begränsningen. Om dina data inte kan skickas, om du behöver köra på ett flygplan eller i en fabrik, eller om dina volymer gör prissättning per token absurd, är en 30B Apache-2.0-modell som får plats i 20 GB det praktiska valet, och dess resultat för långkontextsökning är tillräckligt bra för att förmågegapet inte ska synas i varje arbetsbelastning. Testa den i orkestrering innan du litar på den där, för det är där de oberoende bevisen är svagast.

Om båda begränsningarna gäller samtidigt, kör båda: lokalt för data som inte kan flyttas, API för uppgifter som behöver en större modell, och låt routningsbeslutet vara en konfigurationsändring snarare än en migrering. Jämförelsen som spelar roll är inte 44 mot 17. Det är vilka av dina förfrågningar som har råd att lämna maskinen, och det är en fråga som bara din egen trafik kan svara på.