Muse Spark Open vs Muse Spark: สิ่งที่คุณต้องแลกเมื่อ Meta มอบน้ำหนักโมเดลให้คุณ

การเปรียบเทียบที่ผู้คนหมายถึงจริง ๆ เมื่อพิมพ์ "Muse Spark Open vs Muse Spark" ไม่ใช่โมเดลสองตัว — แต่เป็นรูปแบบการจัดจำหน่ายสองแบบที่สวมชื่อตระกูลเดียวกัน Muse Spark Open คือโมเดล sparse mixture-of-experts แบบเปิดน้ำหนัก 816B พารามิเตอร์ที่ Meta เผยแพร่เมื่อวันที่ 15 ตุลาคม 2026 ดาวน์โหลดได้ภายใต้ Muse Model License รับข้อความ รูปภาพ วิดีโอ และเสียงเข้า และส่งออกเป็นข้อความ Muse Spark คือสายโฮสต์แบบปิดของตระกูลเดียวกัน — โมเดลต้นฉบับจากเดือนเมษายน 2026 จากนั้นเป็น Muse Spark 1.1, 1.2 และ 1.3 ตามลำดับ — ขายแบบต่อโทเคนผ่าน Model API ของ Meta และเข้าถึงได้ด้วยวิธีอื่นไม่ได้เลย แบบหนึ่งมาในรูปไฟล์กับสัญญาอนุญาต ส่วนอีกแบบมาในรูปเอนด์พอยต์กับตารางราคา ความแตกต่างในทางปฏิบัติแทบทั้งหมดระหว่างสองสิ่งนี้ล้วนเป็นผลตามมาจากทางแยกเพียงจุดเดียวนี้

ก่อนอื่น ปัญหาเรื่องการเรียกชื่อที่ควรค่าแก่การทำความเข้าใจให้กระจ่าง

"Muse Spark" ที่ไม่มีหมายเลขเวอร์ชันกำกับนั้นกำกวมอย่างแท้จริง และความกำกวมนี้ยิ่งทวีความรุนแรงขึ้นในตอนนี้ที่มีผลิตภัณฑ์พี่น้องแบบโอเพนซอร์สอยู่ด้วย

• Muse Spark, ไม่ระบุเวอร์ชัน — โมเดลต้นฉบับ เปิดตัวเดือนเมษายน 2026, บริบท 262K โทเคนในรายการของ Artificial Analysis, รองรับอินพุตข้อความ รูปภาพ และเสียง

• Muse Spark 1.1 และ 1.2 — กรกฎาคมและสิงหาคม 2026 ตามลำดับ โดยทั้งคู่ใช้หน้าต่างบริบทขนาด 1M โทเคนของตระกูล

• Muse Spark 1.3 — กันยายน 2026 เวอร์ชันที่ Meta ระบุว่าเป็นเวอร์ชันปัจจุบันและแนะนำสำหรับงานใหม่

• Muse Spark Open — การเปิดตัวแบบเปิดน้ำหนักแยกต่างหาก ไม่ใช่เวอร์ชันของสายclosed และไม่ใช่ผู้สืบทอดของ 1.3

และสิ่งที่สี่ที่มักถูกสับสนกับทั้งหมดข้างต้น: Muse Glimmer ซึ่งเป็นโมเดลเปิดแบบ dense ขนาด 30B ภายใต้ Apache 2.0 จากกลุ่มวิจัยเดียวกัน ใครที่ค้นหา "open Meta Muse model" แล้วไปเจอ Glimmer ก็ได้พบโมเดลแบบเปิดเผยน้ำหนักของจริง แต่เป็นตัวที่ผิด Muse Spark Open คือโมเดลขนาด 816B ส่วน Glimmer คือตัวเล็กที่ใช้ในเครื่อง

ทั้งสองฝ่ายคืออะไรในทางทฤษฎี

หกมิติ ทั้งสองฝ่าย โดยใช้ตัวเลขที่ผู้ขายระบุ และข้อมูลการจัดอันดับอิสระของ Artificial Analysis ในกรณีที่มีอยู่

• น้ำหนักโมเดล — Muse Spark Open: ดาวน์โหลดได้, รวม 816B / ใช้งาน 42B, รีโพซิทอรีแบบมีเงื่อนไขการเข้าถึง, เช็กพอยต์ BF16 และ NVFP4 Muse Spark (สายปิด): ไม่มีน้ำหนักโมเดล, ไม่มีใบอนุญาต, ไม่มีให้ดาวน์โหลดสำหรับทุกเวอร์ชัน รวมถึง 1.3

• อินพุต — Open: ข้อความ, รูปภาพ, วิดีโอ และเสียง ตาม Meta และข้อความ, รูปภาพ, เสียงพูด และวิดีโอ ตามรายการของ Artificial Analysis. Closed 1.2: ข้อความ, รูปภาพ, เสียงพูด และวิดีโอ ตาม Artificial Analysis. แหล่งข้อมูลทั้งสองเห็นตรงกันในรายการโมดาลิตีของโมเดลแบบเปิด; สิ่งที่ทั้งสองยังไม่ได้เผยแพร่คือการวัดเส้นทางเสียงหรือวิดีโอ

• เอาต์พุต — ข้อความเท่านั้น ทั้งสองฝ่าย โดยไม่มีฝ่ายใดสร้างภาพ เสียง หรือวิดีโอ

• บริบท — 1,048,576 โทเคนสำหรับ Open และสำหรับ 1.1, 1.2 และ 1.3 ส่วน Muse Spark ต้นฉบับที่ไม่มีเวอร์ชันอยู่ต่ำกว่า ที่ 262K

• ใบอนุญาตและข้อกำหนด — แบบเปิด: Muse Model License พร้อมข้อกำหนดการให้เครดิต และข้อกำหนด model-as-a-service ที่ใช้บังคับเมื่อรายได้จากบริษัทในเครือต่อปีเกิน $20M แบบปิด: ข้อกำหนด API เชิงพาณิชย์ พร้อมระดับ "Contributor" ที่ลดราคา โดยแลกกับสิทธิ์ในการนำพรอมป์และผลลัพธ์ของคุณไปฝึกโมเดล

• ราคา — Open: Meta ไม่ตั้งราคา เพราะ Meta ไม่ได้ให้บริการ สิ่งที่คุณจ่ายคือฮาร์ดแวร์ของคุณเอง หรือค่าใช้จ่ายใดก็ตามที่แพลตฟอร์ม inference เรียกเก็บ Closed 1.3: $1.25 ต่ออินพุต 1 ล้านโทเคน, $4.25 ต่อเอาต์พุต 1 ล้านโทเคน, $0.15 ต่อแคชอินพุต 1 ล้านโทเคน โดยมีตัวแปร Contributor ที่ $0.10 / $0.20 / $0.002

ตัวเลขที่เป็นอิสระ และข้อแม้ที่ตรงไปตรงมาเกี่ยวกับตัวเลขเหล่านั้น

Artificial Analysis เป็นบุคคลที่สามเพียงรายเดียวที่มีรายการสาธารณะสำหรับทั้งสองฝ่ายของการเปรียบเทียบนี้ ซึ่งทำให้เป็นที่เดียวที่การอ่านแบบเทียบกันตรง ๆ จะเป็นไปได้ — โดยมีข้อแม้หนึ่งข้อที่ไม่ได้ปิดบังไว้: มันวัดประสิทธิภาพโมเดล open-weight เทียบกับโมเดล open-weight อื่นในระดับขนาดเดียวกัน และโมเดล proprietary เทียบกับโมเดล proprietary และ open ในช่วงราคาเดียวกัน โปรดทราบด้วยว่าตัวเลขของเส้นแบบปิดด้านล่างเป็นผลการวัดของ Artificial Analysis เองจาก hosted endpoints ขณะที่ Index และความเร็วของโมเดล open มาจาก hosted listing ของนักวิเคราะห์รายเดียวกันสำหรับโมเดลที่ไม่มีใครถูกบังคับให้โฮสต์ คะแนนจึงเทียบกันได้ในเชิงทิศทาง ไม่ใช่ค่าที่เทียบเท่ากันซึ่งผ่านการตรวจสอบ

• Muse Spark Open (xhigh) — ดัชนีความฉลาด 39, รับข้อความ รูปภาพ เสียง และวิดีโอ, ความเร็วเอาต์พุต 103.4 โทเค็นต่อวินาที, ราคาโฮสต์ที่ระบุ $1.25 ขาเข้า / $4.25 ขาออก, $0.84 ต่องานดัชนี

• Muse Spark 1.2 (xhigh) — Intelligence Index 40, อินพุตข้อความ รูปภาพ เสียงพูด และวิดีโอ, 361.4 โทเคนต่อวินาที, $1.25 ขาเข้า / $4.25 ขาออก, $0.97 ต่องานดัชนี ตอนนี้หน้าเพจของมันมีประกาศเลิกใช้งานที่ชี้ไปที่ 1.3

• Muse Spark 1.3 (max) — ดัชนีความฉลาด 48, รองรับอินพุตข้อความ รูปภาพ และวิดีโอ, 121.9 โทเคนต่อวินาที, $1.25 ขาเข้า / $4.25 ขาออก, $1.60 ต่องานดัชนี

• Original Muse Spark — Intelligence Index 31, บริบท 262K, ความเร็วและค่าใช้จ่ายยังไม่ได้วัด, ถูกทำเครื่องหมายว่าเลิกใช้แล้ว

ส่วนที่น่าสนใจคือรูปแบบของรายการนั้น โมเดลแบบเปิดไม่ได้เอาชนะสายแบบปิด มันไปอยู่ต่ำกว่า 1.2 ที่เลิกใช้แล้วหนึ่งจุด และต่ำกว่า 1.3 เก้าจุด เมื่อใช้การตั้งค่าการให้เหตุผลสูงสุดของมัน — และมันทำแบบนั้นขณะที่ช้ากว่า 1.2 ราวสามเท่าครึ่ง สิ่งที่มันชนะได้คือต้นทุนต่องาน: $0.84 เทียบกับ $1.60 ของ 1.3 บนดัชนีเดียวกัน ซึ่งเป็นตัวเลขต้นทุนต่องานที่ถูกที่สุดในตระกูล ดังนั้นสิ่งที่แลกมาจึงไม่ใช่ความสามารถ และไม่ใช่ราคาต่อโทเค็นจริง ๆ เนื่องจากทุกรายการโฮสติ้งในตารางนี้ระบุราคาเดียวกันที่ $1.25 / $4.25 มันคือการควบคุม

ตัวเลขหนึ่งตัวในตารางนั้นควรถูกมองด้วยความสงสัยมากกว่าจะถูกนำมาอ้างอิง ราคาโฮสต์ที่ระบุไว้ของ Muse Spark Open เท่ากันกับราคาตามประกาศของ Meta สำหรับ Muse Spark 1.3 แบบปิด ถึงระดับสตางค์ ในทั้งสามคอลัมน์ นั่นอาจเป็นราคาที่ทำให้ตลาดเคลียร์จริง หรืออาจเป็นนักวิเคราะห์ที่เติมช่องนั้นด้วยการ์ดราคาของรุ่นพี่น้อง ระหว่างที่ราคาของโมเดลเองยังเข้าที่ จนกว่าใบแจ้งหนี้จริงจากผู้ให้บริการจะยืนยัน ให้ถือว่าตัวเลขต้นทุนของ Open เป็นตัวเลขชั่วคราว และของ 1.3 เป็นตัวเลขที่ผู้ขายเผยแพร่

สิ่งที่สัญญาอนุญาตแบบเปิดทำให้คุณต้องเสียไป ซึ่ง API ไม่มีทางทำเช่นนั้น

สัญญาอนุญาตคือจุดที่เส้นทางทั้งสองแยกจากกันอย่างชัดเจนที่สุด และเป็นส่วนที่ผู้อ่านส่วนใหญ่มักอ่านผ่าน ๆ

สิ่งที่คุณได้อย่างชัดเจนคือ อิสระในการใช้ คัดลอก ดัดแปลง ไฟน์จูน ดิสทิล รวม ผสาน เผยแพร่ ให้สิทธิ์ช่วง และขายงานดัดแปลง โดยที่ Meta ไม่อ้างความเป็นเจ้าของผลลัพธ์ใด ๆ และมีเงื่อนไขสองข้อเพิ่มเติมทับอยู่บนนั้น

• การระบุแหล่งที่มา — ใบอนุญาตกำหนดให้ต้องแสดง "Built with Muse Spark Open" อย่างเด่นชัดในอินเทอร์เฟซของผลิตภัณฑ์ใด ๆ ที่ใช้โมเดลนี้หรือสิ่งที่ต่อยอด therefrom หรือในเอกสาร เว็บไซต์ หรือเมนูการตั้งค่าของผลิตภัณฑ์นั้น

• เงื่อนไขทริกเกอร์ของการให้บริการโมเดลในรูปแบบบริการ (model-as-a-service) — หากคุณหรือบริษัทในเครือของคุณให้บุคคลภายนอกเข้าถึงโมเดลในฐานะผลิตภัณฑ์หรือบริการผ่าน API และรายได้รวมขั้นต้นเกิน $20M ตลอดช่วงสิบสองเดือนติดต่อกันใด ๆ คุณต้องแจ้ง Meta และลงนามในข้อตกลงแยกต่างหากก่อน การใช้งานภายใน การวิจัย และการส่งมอบโมเดลภายในผลิตภัณฑ์ที่ไม่ใช่ API ของคุณเอง ได้รับการยกเว้น

• การเข้าถึงแบบต้องอนุญาต — ตัวดาวน์โหลดเองถูกควบคุมการเข้าถึง โดยมีแบบฟอร์มคำขอที่ให้กรอกชื่อเต็มตามกฎหมาย วันเดือนปีเกิด และองค์กรพร้อมตัวระบุทางองค์กร และไม่สามารถแก้ไขได้เมื่อส่งแล้ว

เมื่อนำไปเทียบกับข้อกำหนดของไลน์แบบปิด การเปรียบเทียบก็กลับตาลปัตร เส้นทาง API ไม่ได้ถามอะไรเกี่ยวกับการระบุแหล่งที่มา ไม่กำหนดเกณฑ์รายได้ และไม่ต้องมีเอกสารใด ๆ นอกเหนือจากคีย์ สิ่งที่มันถามคือคำถามเรื่องข้อมูล: ในระดับ Contributor นั้น Meta อาจนำพรอมป์และคำตอบของคุณไปฝึกโมเดล ซึ่งนั่นแหละคือสิ่งที่ทำให้มันถูกกว่าประมาณสิบเท่าในส่วนอินพุต และถูกกว่ามากกว่ายี่สิบเท่าในส่วนเอาต์พุต คำสัญญาของระดับ Standard แบบปิดนั้นตรงกันข้าม — ข้อมูลของคุณจะไม่ถูกนำไปใช้ในการฝึก

แต่ละเส้นทางมีค่าใช้จ่ายในการดำเนินการจริงเท่าไร

การเปรียบเทียบในพาดหัวข่าวที่ว่า "$0 ต่อโทเคน เทียบกับ $1.25 ต่อล้าน" นั้นผิดทั้งสองทาง ดังนั้นจึงควรคิดราคาอย่างซื่อตรง

• ดาต้าเซ็นเตอร์ BF16 — สูตรของ Meta เองรันเช็กพอยต์แบบเต็มข้ามสี่โหนดที่มี H200 GPU โหนดละแปดตัว ด้วย tensor parallelism 32 การเปิดน้ำหนักโมเดลไม่ได้ขจัดค่าใช้จ่ายด้านฮาร์ดแวร์ แต่ย้ายมันมาลงในงบดุลของคุณ

• NVFP4 สำหรับศูนย์ข้อมูล — บิลด์ 4 บิตมีเอกสารประกอบบนโหนด B200 เพียงโหนดเดียว โดยมีการกำหนดค่าอ้างอิง SGLang ของ Meta ซึ่งครอบคลุม GPU GB300 จำนวนสี่ตัว

• เดสก์ท็อป — ตัวเลือกที่ใหม่จริง ๆ เครื่อง Mac Studio สองเครื่องพร้อมชิป M5 Ultra เก็บเช็กพอยต์ BF16 แบบเต็มได้ เพราะแต่ละเครื่องมีความจุหน่วยความจำแบบเอกภาพสูงสุดถึง 512GB ที่แบนด์วิดท์ 1.2TB/s การควอนไทซ์แบบ 2-bit ที่ทดสอบโดยทีม Hugging Face และ llama.cpp ทำงานบน M3 Ultra ขนาด 512GB เครื่องเดียวที่ความเร็ว 18 โทเคนต่อวินาที โดยใช้ 304GB และยังเหลือที่ว่างสำหรับแคช

• กับดักของบริบท ในทั้งสองเส้นทาง — ที่หน้าต่าง 1M โทเคนแบบเต็มใน BF16 แค่ KV cache อย่างเดียวก็กินพื้นที่ถึงราว 266GB การซื้อน้ำหนักโมเดลไม่ได้หมายความว่าคุณจะได้หน้าต่างนั้นมาด้วย บน endpoint แบบโฮสต์ เพดานเดียวกันนี้ยังคงอยู่เบื้องหลังราคาต่อโทเคนที่เพิ่มขึ้นในลักษณะเดียวกัน

ไลน์แบบปิดไม่มีสิ่งที่เทียบเท่ากับแถวเดสก์ท็อป ไม่มีคอนฟิกูเรชันใดที่ Muse Spark 1.3 จะรันบนฮาร์ดแวร์ที่คุณเป็นเจ้าของได้ ไม่ว่าจะที่การควอนไทซ์ระดับใด หรือที่ความเร็วใดก็ตาม

เลือกอันไหนดี ตามสถานการณ์

เกณฑ์การตัดสินใจนั้นแคบกว่าที่การตลาดของแต่ละฝ่ายบอกเป็นนัยไว้

• หากภาระงานของคุณมีความสำคัญเชิงขีดความสามารถ และคุณต้องการคำตอบที่ดีที่สุดเท่าที่ตระกูลนี้จะผลิตได้ในวันนี้ สายแบบปิดคือผู้ชนะ และชนะอย่างไม่หวุดหวิด — 1.3 ที่ระดับการใช้เหตุผลสูงสุดทำคะแนนได้สูงกว่าโมเดลแบบเปิดถึงเก้าคะแนนดัชนี และโมเดลแบบเปิดยังช้ากว่าอีกด้วย

• หากข้อจำกัดของคุณคือพรอมป์ต้องไม่ออกจากโครงสร้างพื้นฐานที่คุณควบคุม หรือคุณจำเป็นต้อง fine-tune, merge หรือ distill โมเดลน้ำหนักเปิดก็เป็นตัวเลือกเดียวในตระกูลนี้ ไม่มีข้อใดเป็นจริงกับ Muse Spark เวอร์ชันใดเลย

• หากคุณต้องการผลลัพธ์ต่องานที่ถูกที่สุดในตระกูลนี้ งาน index ราคา $0.84 ของโมเดลเปิดคือตัวเลขที่ต่ำที่สุดในตาราง — แต่ก็เป็นตัวเลขที่ได้รับการตรวจสอบยืนยันน้อยที่สุดในตารางเช่นกัน และยังขึ้นอยู่กับว่าคุณรันมันบนแพลตฟอร์มใด

• หากคุณต้องการประเมินทั้งสองตัวบนทราฟฟิกจริงก่อนตัดสินใจ การแยกกันเองนั่นแหละคือเหตุผลที่สนับสนุนการใช้ปลายทางเดียว: Muse Spark 1.2เป็นหนึ่งในสองโมเดล Muse ที่ OrcaRouter ให้บริการ ในราคาตามที่ Meta ประกาศโดยบวกเพิ่ม 0% ดังนั้นการเปลี่ยนแปลงราคาที่ประกาศไว้จะไปถึงคีย์ของคุณโดยไม่ต้องเจรจาใหม่ Muse Spark Open ไม่ได้อยู่ในแคตตาล็อกของเรา และเราไม่ได้อ้างว่าเป็นเช่นนั้น — มันเป็นโมเดลที่คุณดาวน์โหลด ไม่ใช่โมเดลที่คุณเรียกใช้ นอกจากนี้เราไม่ได้ให้บริการเส้นทางสำหรับ Muse Spark 1.3; สองเวอร์ชันที่เราให้บริการคือ 1.2 และ 1.1

สิ่งที่ชั้นการจัดเส้นทางมอบให้ในกรณีเฉพาะนี้ไม่ใช่ส่วนลด แต่เป็นทางออก การมี API เดียวที่ครอบคลุมโมเดล 200+ ตัว การสลับไปใช้ระบบสำรองอัตโนมัติเมื่อผู้ให้บริการมีประสิทธิภาพลดลง และ DSL สำหรับการจัดเส้นทางที่ย้ายทราฟฟิกระหว่างโมเดลผ่านการตั้งค่า ล้วนหมายความว่าการเลือกระหว่างแบบเปิดและแบบปิดไม่ใช่การโยกย้ายอีกต่อไป โมเดลที่เพิ่งเปิดตัวเมื่อวันก่อนโดยมีดัชนีจากนักวิเคราะห์เพียงรายการเดียวและยังไม่มีการทำซ้ำผลลัพธ์ เป็นกรณีที่คุณต้องการตัวเลือกในการเปลี่ยนทราฟฟิกโดยไม่ต้องแก้โค้ดรองรับอยู่เบื้องหลังเลย

ส่วนที่ทั้งสองฝ่ายยังไม่ได้ตกลงกัน

มีคำถามเปิดสองข้อที่แขวนอยู่เหนือการเปรียบเทียบนี้ และไม่มีข้อใดคลี่คลายไปในทางที่นำไปสู่คำตัดสินที่ชัดเจน

ประการแรกคือการวัดผล สกอร์การ์ดของ Meta เองสำหรับ Muse Spark Open เป็นข้อมูลที่ผู้ขายรายงานเองและสัมพัทธ์กับฮาร์เนส และรายงานความปลอดภัยที่โพสต์เปิดตัวชี้ไปถึงนั้นถูกระบุว่าจะมาในเร็ว ๆ นี้ มากกว่าที่จะเผยแพร่แล้ว ภาพจากแหล่งอิสระประกอบด้วยดัชนีของนักวิเคราะห์หนึ่งชุด ตัวเลขความเร็วหนึ่งค่า และรายการโมดัลลิตีหนึ่งรายการ — และรายการนั้นสอดคล้องกับผู้ขายในด้านข้อกำหนด แต่ไม่กล่าวถึงเลยว่าเส้นทางอินพุตทั้งสี่นั้น เส้นทางใดได้รับการวัดจริงแล้ว เก้าคะแนนดัชนีเป็นช่องว่างที่ใหญ่ และขณะนี้มันเป็นช่องว่างที่วัดในคลาสโมเดลที่แตกต่างกันโดยฝ่ายเดียว

ประการที่สองคือ open weights เปลี่ยนทิศทางของตระกูลนี้เลยหรือไม่ ตอนนี้ Meta ได้เผยแพร่โมเดลในระดับนี้แล้ว ขณะที่ทุกเวอร์ชันในสาย closed ยังคงเป็น proprietary และการเปิดตัวแบบ open ก็อยู่ต่ำกว่าเรือธงสาย closed ในด้านความสามารถ แทนที่จะอยู่ในระดับเดียวกัน นั่นคือกลยุทธ์ที่สอดคล้องกัน — ฟรอนเทียร์ยังคงโฮสต์อยู่ รูปแบบของรุ่นก่อนกลายเป็นสิ่งที่ดาวน์โหลดได้ — และเป็นกลยุทธ์ที่ Meta ยังไม่ได้ระบุไว้ หาก Muse Spark Open ในอนาคตเทียบเท่าสาย closed เมื่อเปิดตัว การเปรียบเทียบนี้ก็จะหมดไป จนถึงตอนนั้น การตีความที่ซื่อตรงคือ open weights ให้สถาปัตยกรรมของตระกูลนี้และหน้าต่างบริบท (context window) แก่คุณ โดยแลกกับความสามารถที่ลดลง และมันไม่ได้ซื้อฟรอนเทียร์ให้คุณ

Comparisons like this one are also where the failure modes show up: the documented AI incidents and agent failures behind models in this class are collected in the OrcaRouter AI Incident Archive, where each entry carries its own sources, severity, confidence grade and disputed flag.