Muse Spark 1.2 vs GLM 5.2: นักเขียนโค้ดแบบปิด ปะทะ ผู้เชี่ยวชาญรอบด้านแบบเปิด

โมเดลสองตัวที่มีบริบท 1,000,000 โทเคน ราคาต่อล้านโทเคนต่างกันไม่เกินสิบห้าเซนต์ ทั้งคู่ถูกออกแบบมาสำหรับงานเอเจนต์ที่เน้นการเขียนโค้ด — และแทบไม่มีอะไรเหมือนกันเลย Muse Spark 1.2 ซึ่ง Meta เปิดตัวเมื่อวันที่ 5 สิงหาคม 2026 พร้อมกับเอเจนต์เทอร์มินัลที่ฝึกมาด้วยกันชื่อ Muse Code เป็นโมเดลแบบปิด ราคาต่อโทเคนถูกกว่า ได้คะแนน 57 ในดัชนี Artificial Analysis Intelligence Index ณ ปัจจุบัน และไม่สามารถตอบได้โดยไม่มีการให้เหตุผลก่อน GLM 5.2 โมเดลโอเพนเวตเรือธงของ Z.ai จากกลางเดือนมิถุนายน มีใบอนุญาตแบบ MIT โฮสต์เองได้ เร็วกว่าในการสร้างโทเคนแรกประมาณห้าเท่า และยังคงมีทราฟฟิกจริงผ่านเกตเวย์ของเรามากกว่าถึงสี่เท่าครึ่ง — 213 ล้านโทเคนในช่วงเจ็ดวันที่ผ่านมา เทียบกับ 46 ล้านของ Muse Spark 1.2 โดยโมเดลที่ได้คะแนนสูงกว่าและราคาต่อโทเคนถูกกว่ากลับมีทราฟฟิกน้อยกว่า ส่วนโมเดลแบบเปิดต่างหากที่ผู้คนเลือกใช้งานจริง

สิ่งที่บทความนี้กล่าวถึงคือข้อเท็จจริงในเวอร์ชันที่ตรงไปตรงมา คะแนนและราคามีความสำคัญน้อยกว่าความเหมาะสมของโมเดลกับไปป์ไลน์ของคุณ และทั้งสองสิ่งนี้เลือกทางตรงข้ามกันในทุกแกนที่กำหนดความเหมาะสม ในส่วนที่มีตัวเลขจากแหล่งอิสระ ตัวเลขเหล่านั้นมาจาก Artificial Analysis; ในส่วนที่มาจาก Meta หรือ Z.ai จะถูกระบุว่าเป็นข้อมูลที่รายงานโดยผู้ขาย; ส่วนตัวเลขเวลาแฝงและปริมาณทราฟฟิกเป็นเทเลเมทรีการผลิตเจ็ดวันของ OrcaRouter เอง

ความแตกต่างของสเปก ทีละมิติ

• ราคา — Muse Spark 1.2 ที่ $1.25 ต่อล้านโทเค็นสำหรับอินพุต / $4.25 สำหรับเอาต์พุต, $0.15 เมื่อแคชฮิต; GLM 5.2 ที่ $1.40 อินพุต / $4.40 เอาต์พุต, $0.26 เมื่อแคช. Meta ถูกกว่าในทุกแถว

• บริบท — ทั้งคู่มี 1,048,576 โทเคน เอาต์พุตสูงสุด: Meta ระบุเพดานไว้ที่ 131,072 โทเคนสำหรับ Muse Spark 1.2; GLM 5.2 ประกาศไว้ที่ 128,000.

• การให้เหตุผล — การให้เหตุผลเป็นสิ่งจำเป็นบน Muse Spark 1.2 ในห้าระดับความพยายาม (minimal ถึง xhigh, ค่าเริ่มต้นคือ medium); GLM 5.2 ใช้การให้เหตุผลแบบไฮบริดซึ่งควบคุมโดย reasoning_effort ที่ระดับ high หรือ max โดยเปิดใช้การให้เหตุผลเชิงลึกเป็นค่าเริ่มต้น

• อินพุต — Muse Spark 1.2 รองรับอินพุตแบบข้อความ รูปภาพ วิดีโอ เสียง และ PDF; GLM 5.2 เป็นแบบข้อความเข้าและข้อความออก

• น้ำหนัก — Muse Spark 1.2 เป็นระบบปิด ไม่มีที่เก็บโค้ดและไม่มีเส้นทางสำหรับโฮสต์ด้วยตนเอง; GLM 5.2 มาพร้อมน้ำหนักแบบเปิดภายใต้สัญญาอนุญาต MIT เป็นโมเดล Mixture-of-Experts ที่มีพารามิเตอร์ 753B และใช้งานประมาณ 40B ต่อโทเคน

• อายุ — Muse Spark 1.2 มีอายุเพียงสามวันนับจากเวลาที่เขียนข้อความนี้; GLM 5.2 ถูกใช้งานในระบบโปรดักชันตั้งแต่วันที่ 13 มิถุนายน โดยมีประสบการณ์ภาคสนามแปดสัปดาห์และระบบนิเวศทั้งหมดของโฮสต์และเครื่องมือที่สร้างขึ้นมารองรับ

ช่องว่างของดัชนีอยู่ที่สี่จุด กับดักเวอร์ชันมีอยู่จริง

Intelligence Index (v4.1.1) ปัจจุบันของ Artificial Analysis ให้คะแนน Muse Spark 1.2 อยู่ที่ 57 อยู่ในอันดับที่ 12 จาก 185 และ GLM 5.2 ได้ 53 ซึ่งเป็นคะแนนสูงสุดในบรรดาโมเดลเปิดน้ำหนัก แต่ยังตามหลังอยู่ 4 คะแนน สื่อส่วนใหญ่ยังคงอ้างอิงคะแนน 54 สำหรับ Muse Spark 1.2 เนื่องจากเป็นคะแนนที่รายงานในการประเมินวันเปิดตัว; การปรับคะแนนใหม่ใน v4.1.1 เพิ่มขึ้น 2.7 จุด ซึ่งเป็นการเพิ่มขึ้นที่มากที่สุดของโมเดลใดๆ ในการอัปเดตครั้งนั้น หากคุณเห็น "54 vs 51" หรือ "54 vs 53" ที่ไหน โปรดตรวจสอบว่าแต่ละตัวเลขมาจาก index เวอร์ชันใดก่อนที่จะถือว่าช่องว่างนั้นเป็นจริง

สมควรกล่าวว่าช่องว่างสี่จุดนั้นหมายถึงอะไรและไม่ได้หมายถึงอะไร มันหมายความว่าในชุดเกณฑ์วัดรวมเก้ารายการ โมเดลปิดของ Meta นำหน้าโมเดลเปิดของ Z.ai ด้วยความพยายามที่เทียบเคียงกัน มันไม่ได้หมายความว่า Muse Spark 1.2 ชนะ GLM 5.2 ในทุกด้าน เพราะทั้งสองโมเดลไปถึงคะแนนด้วยเส้นทางที่ต่างกัน GLM 5.2 โดดเด่นเป็นพิเศษด้านคณิตศาสตร์และการให้เหตุผล — AIME 2026 ที่ 99.2 — แต่มันขึ้นชื่อเรื่องความเยิ่นเย้อ และจุดอ่อนของมันคืองานเชิงลึกระดับคลังโค้ดขนาดใหญ่ Muse Spark 1.2 มีลักษณะตรงกันข้าม: แข็งแกร่งในงานเขียนโค้ดเทอร์มินัลและงานหลายไฟล์ และถูกกว่าอย่างมากต่องานในการประเมิน เพราะมันใช้โทเค็นน้อยกว่ามากในขณะคิด

จุดที่เกณฑ์มาตรฐานแตกต่างกันจริง

บน Terminal-Bench 2.1 ทั้งสองรุ่นใกล้กันมากกว่าที่ช่องว่างดัชนีบ่งชี้ และแหล่งที่มาของข้อมูลสำคัญกว่าปกติ บนชุดทดสอบ Artificial Analysis ชุดเดียวกัน Muse Spark 1.2 ได้คะแนน 80.1 และ GLM 5.2 ได้ 77.9 Meta อ้างว่า Muse Spark 1.2 ได้ 82.9 บนชุดทดสอบของตัวเอง ส่วนตัวเลขที่ดีที่สุดที่ Z.ai รายงานสำหรับ GLM 5.2 คือ 82.7 ซึ่งทำให้มันเป็นโมเดล open-weight รุ่นแรกที่ทำคะแนนเกิน 80 บนเกณฑ์ชี้วัดนั้น เกณฑ์ชี้วัดเดียวกัน แต่ตัวเลขต่างกันสี่ค่า — การจับคู่ชุดทดสอบทำให้คะแนนเหล่านี้เคลื่อนไปหลายจุดในทั้งสองทิศทาง ดังนั้นควรถือว่าคำกล่าวอ้างใดๆ ที่อ้างอิงผลจาก Terminal-Bench เพียงครั้งเดียวเป็นช่วงค่า

ความแตกต่างที่ต้องให้ความสนใจคือ DeepSWE 1.1 ซึ่งเป็นเกณฑ์มาตรฐานที่เน้นการให้เหตุผลเชิงลึก ข้ามหลายไฟล์ ในระดับ repository ผ่านการวนรอบการทำงานของ agent ที่ยาวนาน Meta รายงานตัวเลข 59.3 สำหรับ Muse Spark 1.2 — เป็นตัวเลขที่มาจากผู้ผลิตเอง ยังไม่มีบุคคลที่สามทำซ้ำผลลัพธ์ได้ GLM 5.2 เผยแพร่คะแนน DeepSWE ไว้ที่ 46.2 ขณะที่ GLM-5.1 รุ่นก่อนหน้าอยู่ที่ 18.0 ดังนั้นนี่คือมิติที่ Z.ai ปรับปรุงดีขึ้นมากที่สุดและยังคงตามหลังอยู่ หากปริมาณงานของคุณคือ "การแก้ไขห้าสิบไฟล์ให้สอดคล้องกัน" ช่องว่างนั้นคือเรื่องราวทั้งหมด แต่หากปริมาณงานของคุณคือคำสั่งเทอร์มินัลและการสร้าง scaffolding มันแทบไม่มีความสำคัญเลย

อีกหนึ่งข้อค้นพบที่พลิกกรอบความเข้าใจที่ดูเหมือนชัดเจน ชุดทดสอบอิสระ Vals AI ซึ่งรันงานด้านเอเจนต์ตามแต่ละโดเมน จัดอันดับให้ Muse Spark 1.2 อยู่ในอันดับที่ห้าโดยรวมที่ 71.88% — และเป็นอันดับหนึ่งใน Finance Agent, อันดับหนึ่งใน TaxEval และอันดับหนึ่งในเกณฑ์ชี้วัด Legal Agent ของ Harvey — เทียบกับโมเดล 44, 136 และ 31 ตัวตามลำดับ — ในขณะที่ Terminal-Bench 2.1 เป็นเพียงโดเมนที่ดีที่สุดอันดับที่สิบสี่จากห้าสิบโดเมน Meta ขายโมเดลนี้ในฐานะโมเดลสำหรับเขียนโค้ด แต่ผู้ประเมินอิสระกลับพบว่าโมเดลนี้เก่งที่สุดในด้านเอเจนต์เอกสารการเงิน ภาษี และกฎหมาย หากทีมของคุณเขียนสัญญาหรือปรับยอดบัญชีคุมยอด นี่คือตัวเลขที่มีประโยชน์ที่สุดเพียงหนึ่งเดียวในบทความนี้

คำถามเกี่ยวกับ open-weights คือทางแยกที่แท้จริง

ทุกสิ่งที่กล่าวมาข้างต้นเป็นเรื่องของความสามารถ ส่วนการตัดสินใจส่วนใหญ่เป็นเรื่องของความเป็นเจ้าของ และในจุดนี้ทั้งสองแตกต่างกันอย่างสิ้นเชิง

GLM 5.2 เป็นโอเพนเวตส์ที่ใช้สัญญาอนุญาต MIT นี่คือสิ่งที่เปลี่ยนการต่อรอง ไม่ใช่แค่ค่าใช้จ่าย: คุณสามารถโฮสต์เองได้หากงานนั้นมีความละเอียดอ่อนหรือมีปริมาณมาก คุณสามารถย้ายไปมาระหว่างผู้ให้บริการได้โดยไม่ต้องปรับการเชื่อมต่อใหม่ เพราะค่าน้ำหนักเป็นของคุณ และผู้ให้บริการใดก็ตามที่ให้บริการโมเดลนี้ต้องแข่งขันกันเรื่องราคาและความหน่วง ซึ่งเป็นเหตุผลที่โมเดลโอเพนเวตส์มีราคาถูกลงเรื่อยๆ เมื่อเวลาผ่านไป โมเดล 753B MoE ไม่ใช่โมเดลสำหรับแล็ปท็อป — ทีมส่วนใหญ่ยังต้องเช่ามันมากกว่าจะรันเอง — แต่ทางเลือกที่จะย้ายออกไป หรือรันค่าน้ำหนักชุดเดียวกันภายในองค์กรด้วยต้นทุนคงที่ ทำให้ไม่มีใครสามารถเรียกเก็บเงินจากคุณเกินกว่านั้นได้

Muse Spark 1.2 เลือกใช้แพ็กเกจที่ตรงกันข้าม ค่าน้ำหนักของโมเดลถูกปิด และเส้นทางตรงจากผู้พัฒนาเพียงหนึ่งเดียวคือ Meta's Model API ซึ่งตอนนี้เราก็จัดเส้นทางผ่านมันด้วยเช่นกัน ในการแลกเปลี่ยน คุณจะได้ผลิตภัณฑ์ที่เทรนร่วมกัน: Muse Code เอเจนต์เทอร์มินัลที่มาพร้อมกับโมเดล ถูกปรับแต่งบนเส้นทาง harness ที่ได้จากการสุ่มตัวอย่างแบบปฏิเสธ และรันซับเอเจนต์แบบถาวรที่ปลอดภัยต่อการรีสตาร์ตบนรันไทม์ event-log ที่เล่นซ้ำได้เที่ยงตรง พร้อมกับ /plan, /grill และ /goal ซึ่งเป็นทักษะที่รวมมาให้. นั่นคือสิ่งที่แตกต่างอย่างแท้จริงจาก "โมเดลดี ๆ ที่คุณนำไปต่อเข้ากับแฮร์เนสของคุณเอง" — มันคือเอเจนต์ที่ทำงานได้ทันทีที่มาถึง ข้อแลกเปลี่ยนคือมันทำงานได้เฉพาะในแบบของ Meta ในเครื่องมือของ Meta บน macOS หรือ Linux โดยยังไม่มีไคลเอนต์สำหรับ Windows ไม่มี MCP และไม่มีปลั๊กอิน IDE เลย.

ราคาต่อโทเคน ราคาต่องาน

ในแง่ของราคาต่อโทเคน Muse Spark 1.2 ถูกกว่าทั้งฝั่งอินพุตและเอาต์พุต และยังคงถูกกว่าต่องาน เพราะเป็นโมเดลที่ให้ผลลัพธ์สั้นกระชับกว่าอีกด้วย Artificial Analysis วัดได้ว่า GLM 5.2 ใช้โทเคนเอาต์พุตไป 141 ล้านโทเคน โดย 95% เป็นโทเคนสำหรับการให้เหตุผล เพียงเพื่อรัน Intelligence Index ตอนเปิดตัว — ถือเป็นโมเดลชั้นนำที่ให้ผลลัพธ์ยืดยาวที่สุดในกลุ่ม Muse Spark 1.2 ใช้ 95 ล้านโทเคนในแบบทดสอบเดียวกันที่ราคา $0.40 ต่องาน การมีโทเคนมากขึ้นในอัตราที่สูงขึ้น หมายความว่าต้นทุนต่องานของ GLM 5.2 ทบต้นในแบบที่ราคาที่ระบุไว้ซ่อนเอาไว้ และนี่คือวิธีที่ถูกต้องในการเปรียบเทียบโมเดลเพื่อการให้เหตุผล: ตั้งราคาจากงานที่ทำเสร็จสมบูรณ์ ไม่ใช่ตั้งราคาจากอัตราต่อล้านโทเคน

มีราคาที่สามซึ่งมีเพียงหนึ่งในโมเดลเหล่านี้เท่านั้นที่มี Muse Spark 1.2 มาพร้อมระดับ contributor ที่ $0.10 ต่ออินพุต / $0.20 ต่อเอาต์พุต — ต่ำกว่าระดับมาตรฐานหนึ่งลำดับขนาด และต่ำกว่าราคาป้ายของ GLM 5.2 ในสัดส่วนที่ใกล้เคียงกัน ค่าเข้าใช้คือการอนุญาตให้ Meta นำข้อมูลการใช้งานของคุณไปฝึกโมเดลในอนาคต บวกกับขีดจำกัด 60 คำขอต่อนาทีซึ่งตัดความเป็นไปได้ของการกระจายงานในระดับโปรดักชัน มองมันเป็นการตรวจสอบทางกฎหมายที่มีส่วนลดแถมมา ไม่ใช่ SKU ที่ราคาถูกกว่า สำหรับทีมที่มีคุณสมบัติและทำงานภายใต้ขีดจำกัดนี้ การเปรียบเทียบราคาจะไม่สูสีกันอีกต่อไป

ความหน่วง: โมเดลทั้งสองกลับด้าน

หากช่องว่างของดัชนีเอื้อต่อ Meta โปรไฟล์ความหน่วงคือจุดที่ GLM 5.2 ชนะอย่างเด็ดขาดในด้านความรู้สึก ตลอดเจ็ดวันสุดท้ายของการจราจรจริงบน OrcaRouter Muse Spark 1.2 แสดงค่า p50 เวลาถึงโทเค็นแรกที่ 8.13 วินาที และ p95 ที่ 10.00 วินาที จากนั้นก็พุ่งทะยานที่ 576 โทเค็นเอาต์พุตต่อวินาทีด้วยอัตราข้อผิดพลาดเป็นศูนย์ GLM 5.2 แสดงค่า p50 ที่ 1.55 วินาที — เร็วกว่าถึงโทเค็นแรกมากกว่าห้าเท่า — แต่กลับไหลเอื่อยที่ 78.5 โทเค็นเอาต์พุตต่อวินาทีด้วยอัตราข้อผิดพลาด 0.16% ในห้องแล็บที่ความพยายามสูงสุด ช่องว่างยิ่งกว้างขึ้น: Artificial Analysis วัดเวลาถึงโทเค็นแรกของ Muse Spark 1.2 ได้ที่ 26 วินาทีที่ระดับ xhigh ซึ่งเป็นการตั้งค่าการใช้เหตุผลที่แพงที่สุด

ดังนั้น โมเดลหนึ่งทำให้คุณต้องรอคอย แล้วจึงส่งผลลัพธ์ที่รวดเร็ว อีกโมเดลหนึ่งเริ่มต้นทันทีและใช้เวลาของมันเอง สำหรับสิ่งที่มนุษย์เฝ้าดูอยู่ เช่น การสนทนาแบบเทิร์นต่อเทิร์น หรือเซสชันเทอร์มินัลแบบโต้ตอบ GLM 5.2 ให้ความรู้สึกที่ดีกว่า และนั่นคือเหตุผลที่มันครองปริมาณการรับส่งข้อมูลแบบโต้ตอบผ่านเกตเวย์ของเรา สำหรับการสร้างเนื้อหายาวๆ แพตช์ใหญ่ หรือร่างเอกสาร Muse Spark 1.2 จะเสร็จก่อนเมื่อมันเริ่มทำงาน เนื่องจากอัตราการส่งออกของมันสูงกว่า GLM 5.2 ถึงเจ็ดเท่า หากวัดตัวเลขผิด คุณก็จะเลือกโมเดลผิดด้วยเหตุผลที่ผิด

ลองทั้งสองแบบโดยไม่มีสัญญาที่สอง

ทั้งสองรุ่นอยู่ในแคตตาล็อก OrcaRouter ที่ราคารายการของผู้ให้บริการ — Muse Spark 1.2 ที่ $1.25 และ $4.25, GLM 5.2 ที่ $1.40 และ $4.40 — เนื่องจาก OrcaRouter ส่งผ่านอัตราของผู้ให้บริการโดยไม่บวกกำไร (0% markup) ทำให้ราคาที่กล่าวข้างต้นเป็นราคาในใบแจ้งหนี้ ไม่ใช่ราคาป้าย และหมายความว่าการสลับระหว่างสองรุ่นนี้คือการเปลี่ยนเพียงหนึ่งบรรทัดในสตริงโมเดลโดยใช้คีย์เดียวกัน ไม่ใช่การผสานรวมใหม่ หากผู้ขายลดราคา ส่วนลดนั้นจะมาถึงฝั่งเราในวันเดียวกัน

เลเยอร์การกำหนดเส้นทางคุ้มค่ากับบทบาทของมันตรงนี้พอดี เพราะโมเดลทั้งสองเป็นส่วนเสริมซึ่งกันและกัน จุดอ่อนของ Muse Spark 1.2 คือโทเคนแรกที่ช้าและราคาที่สูงเมื่อขยายขนาด ในขณะที่จุดอ่อนของ GLM 5.2 คือความเยิ่นเย้อและการให้เหตุผลเชิงลึกในคลังรีโพ กฎการกำหนดเส้นทางที่ส่งงานวางแผนไปยัง Muse Spark 1.2 และกระจายงานขนานไปยัง GLM 5.2 — หรือสลับไปใช้ GLM 5.2 เมื่อเอนด์พอยต์ของ Muse Code ทำงานช้า — ไม่มีค่าใช้จ่ายเพิ่มเติมในการสร้าง เพราะทั้งคู่อยู่เบื้องหลังเอนด์พอยต์เดียวกัน และสำหรับโมเดลที่เพิ่งอายุสามวัน การเฟลโอเวอร์อัตโนมัติคือวิธีที่คุณจะลองใช้งานโดยไม่ต้องผูกเส้นทางการผลิตเข้ากับมัน

ใครควรเลือกอันไหน

เลือก Muse Spark 1.2 เมื่อหน่วยของงานเป็นสิ่งประดิษฐ์ขนาดใหญ่และสอดคล้องกัน และคนสามารถรอได้ไม่กี่วินาทีเพื่อให้มันเริ่มทำงาน: การรีแฟคเตอร์หลายไฟล์ การสร้างทั้งรีพอซิทอรี การวนลูปของเอเจนต์ที่ยาว และ — ตาม Vals AI — งานเอกสารด้านการเงิน ภาษี และกฎหมาย. ตำแหน่งผู้นำของ DeepSWE อัตราการสร้างผลลัพธ์ที่สูง และระดับผู้มีส่วนร่วมต่างชี้ไปในทางเดียวกัน. คุณกำลังยอมรับน้ำหนักแบบปิด เครื่องมือของ Meta และโทเค็นแรกที่ช้าลง และคุณควรอ่าน 82.9 และ 59.3 ของ Meta ว่าเป็นข้อกล่าวอ้าง ไม่ใช่ข้อเท็จจริง

เลือก GLM 5.2เมื่อความเป็นเจ้าของและความรู้สึกสำคัญกว่าคะแนนรวม: น้ำหนักแบบเปิดที่คุณโฮสต์เองหรือย้ายไปใช้ที่อื่นได้ โทเคนแรกที่รวดเร็วสำหรับงานแบบโต้ตอบ ระบบนิเวศของแฮร์เนสและเครื่องมือที่ใช้งานร่วมกับมันได้อยู่แล้ว และความสามารถทั่วไปแบบน้ำหนักเปิดที่แข็งแกร่งที่สุดที่มีอยู่ ยอมรับความเยิ่นเย้อ คะแนน DeepSWE 46.2 และราคาปลีกที่สูงกว่าต่อโทเคนแม้ก่อนความแตกต่างของจำนวนโทเคน

ทีมส่วนใหญ่จะพบว่าคำตอบที่ตรงไปตรงมาคือไม่ใช่เพียงอย่างใดอย่างหนึ่ง แบบเปิดคือตัวทำงานหลักที่คุณส่งทราฟฟิกส่วนใหญ่ผ่าน ส่วนแบบปิดคือผู้เชี่ยวชาญที่คุณใช้จัดการงานลึกและเอกสารอ่อนไหว ห่างกันสี่จุดดัชนีบนคอมโพสิต แต่ห่างกันคนละโลกในเรื่องผู้ถือครองน้ำหนัก — นั่นคือทางเลือก และมันชัดเจนกว่าคะแนนมาก