Muse Spark vs Muse Glimmer: อะไรกันแน่ที่ยังคงอยู่เมื่อโมเดลระดับแนวหน้าถูกกลั่นให้เหลือพารามิเตอร์ 3 หมื่นล้านตัว

ความสัมพันธ์ระหว่าง Muse Spark และ Muse Glimmer ไม่ใช่ความสัมพันธ์ที่วลี "vs" สื่อเอาไว้ Muse Glimmer ไม่ใช่คู่แข่งของ Muse Spark — หากแต่เป็นศิษย์ของมัน Meta ฝึกโมเดลน้ำหนักเปิดขนาด 3 หมื่นล้านพารามิเตอร์ด้วยการกลั่นแบบลอจิตจาก Muse Spark ซึ่งเป็นสายโมเดลแนวหน้าสุดที่รองรับหลายรูปแบบโดยกำเนิด ซึ่ง Meta Superintelligence Labs เปิดตัวเมื่อวันที่ 8 เมษายน 2026 และตอนนี้เปิดให้ใช้งานในชื่อ Muse Spark 1.3 ที่เปิดตัวเมื่อวันที่ 2 กันยายน 2026 โดยเปิดระดับการให้เหตุผลสูงสุดให้นักพัฒนาในอีกสองวันถัดมา Muse Glimmer ตามมาเมื่อวันที่ 10 สิงหาคม 2026 ภายใต้ Apache 2.0 ดังนั้นหน้านี้จึงไม่ใช่การ์ดการต่อสู้ระหว่างคู่แข่งจากห้องทดลองที่ต่างกัน แต่เป็นการวัดว่าโมเดลแนวหน้ายังคงเหลืออยู่มากเพียงใดหลังจากการย่อขนาดลงสิบหกเท่าและการเปลี่ยนสัญญาอนุญาต — และ Meta ซึ่งโดยปกติแล้วไม่ทำเช่นนั้น ได้เผยแพร่ตัวเลขทั้งสองด้านของการย่อขนาดนั้น การเปรียบเทียบนั้นยุติธรรมหรือไม่เป็นสิ่งแรกที่ควรพูดอย่างตรงไปตรงมา และคำตอบคือ: ยุติธรรมบางส่วน

อันหนึ่งเป็นไฟล์ ส่วนอีกอันเป็นเอนด์พอยต์

เริ่มจากส่วนที่ไม่เกี่ยวข้องกับเบนช์มาร์กเลย เพราะมันเป็นตัวตัดสินการใช้งานจริงส่วนใหญ่ ก่อนที่คะแนนแม้แต่คะแนนเดียวจะมีความสำคัญ

Muse Glimmer เป็นแบบดาวน์โหลด Meta เผยแพร่น้ำหนักโมเดลภายใต้ Apache 2.0 ปล่อยมาในรูปแบบควอนไทซ์ 4 บิตอยู่แล้ว — ซึ่งลดขนาดจากมากกว่า 55 GB ที่ความแม่นยำเต็มเหลือต่ำกว่า 20 GB — และระบุว่าโมเดลมีขนาดเล็กพอที่จะรันบน GPU สำหรับผู้ใช้ทั่วไปเพียงตัวเดียวหรือบน Mac มันทำงานได้โดยไม่ต้องเชื่อมต่อเครือข่าย Meta ทดสอบบน Nvidia RTX 5090 และบนชิป Apple M4 Max และ M5 Max รองรับอินพุตทั้งข้อความและภาพ ส่งคืนเป็นข้อความ มีหน้าต่างบริบท 131,072 โทเคน ซึ่ง Meta กล่าวว่าสามารถขยายได้ถึง 262,144 และมีจุดตัดความรู้ ณ เดือนมกราคม 2026

Muse Spark มีลักษณะตรงกันข้ามในทุกจุด Meta ไม่เผยแพร่น้ำหนักโมเดล ไม่มีสัญญาอนุญาต และไม่มีให้ดาวน์โหลดสำหรับเวอร์ชันใด ๆ ของมัน เข้าถึงได้เฉพาะผ่าน Model API ของ Meta ที่ meta.ai และในแอป Meta AI เท่านั้น มันทำงานบนหน้าต่างบริบทขนาด 1,048,576 โทเค็น — แปดเท่าของ Glimmer ก่อนการขยายของ Glimmer รองรับอินพุตข้อความ รูปภาพ วิดีโอ เสียง และ PDF และส่งคืนข้อความ คิดราคาต่อโทเค็น: $1.25 ต่ออินพุตหนึ่งล้านโทเค็น, $0.15 ต่ออินพุตที่แคชไว้หนึ่งล้านโทเค็น, $4.25 ต่อเอาต์พุตหนึ่งล้านโทเค็น โดยมีระดับ Contributor ที่ $0.10 / $0.002 / $0.20 ซึ่งให้ราคาที่ต่ำลงเพื่อแลกกับสิทธิ์ในการนำพรอมป์ต์และคอมพลีชันของคุณไปฝึก Glimmer ไม่มีบิลจากผู้ขายต่อโทเค็นเลยเมื่อคุณรันมันเอง เพราะไม่มีผู้ขายอยู่ในกระบวนการ

• ขนาด — Muse Spark: ไม่เปิดเผย โดย Meta ไม่เผยแพร่จำนวนพารามิเตอร์สำหรับเวอร์ชันใดเลย; Muse Glimmer: 30B เปิดตัวแบบ 4-bit ภายใต้ 20 GB

• น้ำหนักโมเดล — Muse Spark: เป็นซอฟต์แวร์กรรมสิทธิ์ ให้บริการผ่านโฮสต์เท่านั้น; Muse Glimmer: Apache 2.0 ดาวน์โหลดได้และรันแบบออฟไลน์ได้

• หน้าต่างบริบท — 1,048,576 โทเค็น เทียบกับ 131,072 ขยายได้ถึง 262,144

• อินพุต — ข้อความ รูปภาพ วิดีโอ เสียง PDF เทียบกับข้อความและรูปภาพ

• เอาต์พุต — ข้อความ vs ข้อความ

• ราคา — $1.25 / $0.15 สำหรับแคช / $4.25 ต่อล้านโทเคน เทียบกับไม่มีค่าผู้ให้บริการเมื่อโฮสต์เอง

• จุดตัดความรู้ — ไม่ได้เผยแพร่สำหรับ Muse Spark 1.3; มกราคม 2026 สำหรับ Muse Glimmer

The one benchmark Meta published for both

นี่คือประเภทของตัวเลขที่หาได้ยากที่สุดในความสัมพันธ์แบบดิสทิลเลชัน นั่นคือการประเมินเดียวกัน ที่รันโดยห้องแล็บเดียวกัน ซึ่งรายงานผลทั้งบนโมเดลครูและโมเดลนักเรียน

หน้าเพจโมเดลของ Meta ระบุ GDPval-AA ไว้ที่ 1,754 สำหรับ Muse Spark 1.3 ที่รันในการตั้งค่าการให้เหตุผลสูงสุด และ 953 สำหรับ Muse Glimmer 30B ที่การให้เหตุผลระดับสูง นั่นคือนักเรียนที่ยังรักษาคะแนนได้ 54% ของคะแนนครูในตระกูลงานนั้น — เป็นจุดข้อมูลที่เผยแพร่จริง ไม่ใช่การอนุมาน มีข้อควรระวังสองข้อที่ต้องแนบมาทันที เพราะทั้งสองข้อเป็นจริงและไม่มีข้อใดเล็กเลย ข้อแรก แถวของ Muse Spark ติดป้ายว่า v2 และแถวของ Muse Glimmer ไม่มีเวอร์ชันกำกับเลย ดังนั้นหาก Meta เปลี่ยนเกณฑ์มาตรฐานระหว่างการวัดสองครั้งนี้ อัตราส่วนก็ยังไม่หนักแน่น แม้ว่าทิศทางจะหนักแน่นก็ตาม ข้อที่สอง ตัวเลขทั้งสองเป็นค่าที่ผู้ขายรายงาน เราไม่ได้ทำซ้ำค่าใดเลย และไม่พบว่ามีชุดทดสอบอิสระใดที่เผยแพร่การเปรียบเทียบแบบหัวต่อหัวของคู่นี้

สิ่งที่ทำให้ช่องว่าง 801 คะแนนเข้าใจได้แทนที่จะน่าตกใจ คือภาพจากบุคคลที่สามที่อยู่เบื้องหลังมัน บน Intelligence Index ของ Artificial Analysis นั้น Muse Spark 1.3 ที่โหมด max ได้ 48 คะแนน และ Muse Glimmer ที่โหมด high ได้ 17 คะแนน สิ่งเหล่านี้เป็นสเกลดัชนีที่ต่างกันจากรอบการวัดที่ต่างกัน และทั้งสองไม่ได้ถูกจัดอันดับเทียบกับกลุ่มเดียวกัน — Artificial Analysis จัดกลุ่มโมเดล open-weight ตามคลาสขนาด ดังนั้น Glimmer จึงถูกวัดเทียบกับโมเดล open-weight ในกลุ่มเดียวกัน ขณะที่ Muse Spark ถูกวัดเทียบกับทั้งสนาม มองมันเป็นรูปร่าง ไม่ใช่อัตราส่วน รูปร่างบอกสิ่งเดียวกับที่ตารางของ Meta เองบอก: โมเดล distilled เป็นระดับความสามารถที่ต่างกันอย่างแท้จริง ไม่ใช่เส้นทางที่ถูกกว่าไปสู่คำตอบแบบเดียวกัน

สิ่งที่โมเดลขนาดเล็กเก็บไว้

ส่วนที่น่าสนใจของการกลั่นคือสิ่งที่ยังคงอยู่หลังการบีบอัด และบนแถวผลลัพธ์ที่ Meta เผยแพร่เอง Muse Glimmer ไม่ได้ถูกเอาชนะไปเสียทุกด้าน โดยทำคะแนนได้ 76.0 บน SWE-Bench Verified, 65.9 บน OSWorld-Verified, 77.0 บน IFBench, 94.7 บน AIME 2026 และ 83.5 บน GPQA Diamond ตัวเลขเหล่านี้แข็งแกร่งสำหรับโมเดลขนาด 30B และเป็นเหตุผลว่าทำไมการเลือกสถาปัตยกรรมจึงสำคัญ: Meta อธิบายว่า Glimmer ถูก fine-tune ด้วยข้อมูลแบบ agentic ที่มีบริบทยาว และถูกเสริมกำลังเฉพาะสำหรับการใช้เครื่องมือ โดยมีหน่วยความจำที่จัดการตัวเองได้ตลอดเซสชันยาวหลายชั่วโมง และสามารถกู้คืนจากการเรียกเครื่องมือที่ล้มเหลวได้แทนที่จะหยุดชะงัก นั่นคือโมเดลเฉพาะทางที่สวมชื่อของโมเดลทั่วไป

ข้อมูลเชิงบริบทที่มีประโยชน์ที่สุดบนหน้านี้คือการเลือกใช้การเปรียบเทียบของ Meta เอง ตาราง benchmark ของ Muse Glimmer ไม่ได้วางมันไว้ข้าง Muse Spark แต่กลับวางไว้ข้าง Gemma 4 31B ในโหมดคิด และ Qwen3.6 27B ในโหมดคิด — อยู่ในคลาสขนาดเดียวกัน และอยู่บนหลักการแบบ open-weight เดียวกัน บนตารางนั้น Glimmer ชนะในหลายแถวแต่ไม่ใช่ทั้งหมด: มันทำได้ MCP Atlas ที่ 75.5 เทียบกับ 62.5 ของโมเดล Qwen, TerminalBench 2.1 ที่ 51.7 เทียบกับ 60.7 และ GDPval-AA ที่ 953 เทียบกับ 1,141 ดังนั้นแม้จะอยู่ในคลาสน้ำหนักของตัวเอง โมเดล Meta ที่ผ่านการกลั่นนี้ก็ไม่ใช่ตัวเลือกอัตโนมัติ ซึ่งเป็นกรอบที่ตรงไปตรงมามากกว่าที่พาดหัวของหน้านี้บอกไว้

อีกสองแถวข้อมูลที่ควรหยิบออกมา เพราะมันวัดค่าได้และเป็นเรื่องง่ายที่จะเข้าใจผิดเวลาวางแผน Artificial Analysis บันทึกต้นทุนต่องาน Intelligence Index ที่ทำสำเร็จของ Muse Glimmer ไว้ที่ $0.05 และความเร็วในการส่งออกที่ 122.4 โทเคนต่อวินาที — เทียบกับ $1.60 และ 121.9 โทเคนต่อวินาทีสำหรับ Muse Spark 1.3 ที่โหมดสูงสุด จากตัวเลขคู่นั้น โมเดลเล็กมีต้นทุนถูกกว่าประมาณ 32 เท่าต่องานที่ทำสำเร็จ ด้วยอัตราการประมวลผลที่แทบจะเท่ากัน นั่นคือผลตอบแทนของดิสทิลเลชัน และมันจะมองไม่เห็นถ้าคุณเปรียบเทียบแค่คะแนนดัชนี

จุดที่การเปรียบเทียบพังทลายลง

มันพังกับอินพุต และพังหนักกว่าที่สกอร์บอร์ดบอกไว้

Muse Spark 1.3 รองรับวิดีโอ เสียง และ PDF Muse Glimmer รองรับข้อความและรูปภาพ หากไปป์ไลน์ของคุณส่งภาพบันทึกหน้าจอ บันทึกการสนทนาทางโทรศัพท์ หรือเอกสารที่สแกน เข้าไปในโมเดลโดยตรง ทั้งสองไม่ใช่ทางเลือกที่ใช้แทนกันได้ไม่ว่าจะราคาใดก็ตาม — หนึ่งในนั้นไม่สามารถรับเพย์โหลดนั้นได้ในทางกายภาพ เอกสารของ Meta เองตอกย้ำประเด็นนี้จากทิศทางที่คาดไม่ถึง: โดยเตือนว่าการเข้าใจเสียงใน Muse Spark 1.3 ยังไม่ได้รับการสนับสนุนเต็มที่ และคุณภาพของคำขอที่มีข้อมูลเสียงอาจลดลง จึงแนะนำให้ใช้ Muse Spark 1.2 สำหรับงานเสียง ดังนั้น แม้แต่ภายในสายโฮสต์ เวอร์ชันใหม่ล่าสุดก็ไม่ใช่คำตอบที่เหมาะสมสำหรับอินพุตทุกประเภท และตัวเลือกที่รองรับเสียงคือเช็กพอยต์รุ่นเก่ากว่า

ความแตกต่างที่สองคือบริบท หนึ่งล้านโทเค็นเทียบกับ 131,072 ไม่ใช่ความแตกต่างทางการตลาด; มันคือความแตกต่างระหว่างโมเดลที่สามารถถือที่เก็บโค้ดขนาดใหญ่หรือแฟ้มเคสยาว ๆ ในครั้งเดียว กับโมเดลที่ต้องมีชั้นการเรียกคืนและขั้นตอนการสรุปที่สร้างขึ้นรอบ ๆ มัน ถ้างานของคุณคือการให้เหตุผลกับฐานโค้ดในระยะยาว เพดานบริบทของ Glimmer คือข้อจำกัดที่คุณจะเจอเป็นอันดับแรก ก่อนที่คะแนน benchmark ของมันจะมาเกี่ยวข้อง

ข้อที่สามคือขอบเขตข้อมูล และมันให้ผลในทางตรงกันข้าม คำขอที่ไม่เคยออกจากฮาร์ดแวร์ของคุณจะถูกบันทึกโดยผู้ขายไม่ได้ กำหนดราคาต่อโทเคนไม่ได้ และไม่ได้รับผลกระทบจากการเปลี่ยนแปลงอัตรา สำหรับภาระงานที่มีข้อกำหนดด้านที่ตั้งข้อมูล หรืองบประมาณต่อโทเคนที่ไม่สามารถคงอยู่ได้เมื่อปริมาณเพิ่มสูง คุณสมบัติเพียงข้อเดียวนั้นมีน้ำหนักมากกว่า 30 จุดดัชนี

แต่ละอันอยู่ที่ไหนจริงๆ

การเผยแพร่ของ Muse Glimmer เป็นแบบกว้าง เพราะเวตแบบเปิดก็เป็นเช่นนั้น Meta ระบุรายการดาวน์โหลดบน Hugging Face และชี้ไปที่รันไทม์ภายในเครื่อง — llama.cpp, MLX, Ollama, LM Studio, Unsloth — ควบคู่ไปกับรายการโฮสต์ของผู้พัฒนาเองและแพลตฟอร์มอินเฟอเรนซ์ของบุคคลที่สามหลายแห่ง เราจะไม่เอ่ยชื่อแพลตฟอร์มเหล่านั้นในที่นี้ ประเด็นสำหรับผู้อ่านก็แค่เพียงว่าเวตนั้นพกพาได้ และอะไรก็ตามที่สามารถโหลดโมเดลขนาด 30B 4-bit ได้ ก็สามารถให้บริการมันได้

ตระกูล Muse Spark แคบโดยการออกแบบ สามเวอร์ชัน ผู้ขายรายเดียว API เดียว ไม่มีเวต ความกระจุกตัวนั้นคือความเสี่ยงที่แท้จริงของการสร้างบนมัน และเป็นความเสี่ยงที่ไม่มีผลกับ Glimmer เลยแม้แต่น้อย

ทั้งสองอย่างบนปุ่มเดียว ในกรณีที่เป็นไปได้

แค็ตตาล็อกของเราเองแคบกว่าทั้งสองเรื่องนี้ เราให้บริการMuse Spark 1.1 และ Muse Spark 1.2 — สองเช็กพอยต์ที่ระบุราคา $1.25 ขาเข้า และ $4.25 ขาออก ต่อล้านโทเค็น ทั้งคู่เป็นราคาตามรายการของ Meta โดยที่มาร์กอัป 0% ของเราถูกส่งผ่านไปโดยไม่มีการปรับเปลี่ยน — และเราไม่ได้โฮสต์ Muse Spark 1.3 ไม่ว่าจะเป็นเวอร์ชัน Contributor ใด หรือ Muse Spark Open. Muse Glimmer ก็ไม่อยู่ในแค็ตตาล็อกของเราเช่นกัน และคำแนะนำที่ตรงไปตรงมาสำหรับตัวนั้นแตกต่างกันโดยพื้นฐาน: มันเป็น open weights ดังนั้นสถานที่ตามธรรมชาติในการรันมันคือฮาร์ดแวร์ของคุณเองหรือรันไทม์ที่โหลดมันได้

จุดที่ routing ได้พิสูจน์คุณค่าของตัวเองในบริบทนี้คือการย้ายระบบที่คุณอาจกำลังพิจารณาอยู่ หากคุณกำลังทดสอบว่าโมเดล distilled ขนาด 30B สามารถรับงานส่วนหนึ่งของ workload ระดับ frontier ได้หรือไม่ สิ่งที่คุณต้องการคือทั้งสองอย่างรวมอยู่ใน endpoint เดียว เพื่อให้สามารถย้ายและวัดผลทราฟฟิกส่วนหนึ่งได้โดยไม่ต้องมีสัญญาที่สอง — Muse Spark 1.1 และ 1.2 บนคีย์เดียว พร้อม automatic failover เพื่อให้การเรียกแบบ long-context ที่ล้มเหลวลดระดับไปยัง checkpoint อีกตัวแทนที่จะกลายเป็น error และ routing DSL สำหรับแยกทราฟฟิกตามการตั้งค่าแทนที่จะเป็นตามโค้ดเมื่อไลน์โฮสต์ของ Meta เคลื่อนไหวอีกครั้ง การเปลี่ยนแปลงจะอยู่ที่เดียว

เลือกอันไหนดี

ถ้างานของคุณเป็นข้อความและรูปภาพ รันบนเครื่องของคุณเองหรือ GPU ที่เช่า และต้องการไม่ให้ได้รับผลกระทบจากราคาต่อโทเคน Muse Glimmer คือคำตอบ และไม่มีใครใกล้เคียงเลย — คุณกำลังแลกคะแนน GDPval-AA ไปประมาณครึ่งหนึ่ง เพื่อได้โมเดลที่ไม่มีค่าใช้จ่ายต่อการเรียกใช้ และไม่มีใครสามารถจำกัดอัตราการใช้งานได้

หากงานของคุณเกี่ยวข้องกับวิดีโอ เสียง PDF หรือบริบทที่ยาวมากจริง ๆ Muse Glimmer ไม่ใช่เวอร์ชันที่ถูกกว่าของ Muse Spark แต่เป็นเครื่องมือที่แตกต่างออกไป และการกลั่นแบบ distillation ไม่ได้ถ่ายทอดความสามารถเหล่านั้นมาด้วย ให้หันไปใช้บริการแบบโฮสต์ เตรียมงบไว้ที่ $1.25 และ $4.25 ต่อล้านโทเคน และตรวจสอบว่าเช็กพอยต์ใดจัดการเพย์โหลดของคุณได้จริง — สำหรับเสียง เอกสารของ Meta เองชี้ไปที่เวอร์ชันเก่ากว่า

สรุปอย่างตรงไปตรงมาของการเปรียบเทียบดิสทิลเลชันก็คือ โมเดลนักเรียนเก่งอย่างน่าทึ่งในสิ่งที่มันถูกฝึกให้ทำ และแทบไม่มีตัวตนในสิ่งที่มันไม่ได้ถูกฝึก Muse Glimmer เป็นข้อโต้แย้งที่แข็งแกร่งที่สุดเพื่อสนับสนุนเวทแบบเปิดที่ Meta เผยแพร่นับตั้งแต่ Llama 4 และตัวเลขข้างต้นเป็นของ Meta เอง สิ่งที่พวกเขาไม่ได้แสดง — และไม่มีตารางของผู้ขายรายใดแสดงได้ — คือคู่นี้จะทำงานอย่างไรบนภาระงานของคุณ นั่นคือการทดลอง ไม่ใช่การค้นหาคำตอบ

เบนช์มาร์กนั้นเก่าไปตามกาลเวลาและราคาเปลี่ยนแปลง แต่บันทึกความล้มเหลวไม่เป็นเช่นนั้น: เหตุการณ์ AI และความล้มเหลวของเอเจนต์ที่บันทึกไว้ซึ่งอยู่เบื้องหลังโมเดลในคลาสนี้ถูกรวบรวมไว้ใน the OrcaRouter AI Incident Archive โดยแต่ละรายการมีแหล่งที่มา ระดับความรุนแรง ระดับความเชื่อมั่น และแฟล็กข้อโต้แย้งของตนเอง