Muse Spark Open so với Muse Wonder: Một bản có thể tải xuống, một bản chỉ có thể thuê

Meta put Muse Wonder on the market on October 12, 2026 and put M​use Spark Open on Hugging Face three days later, on October 15. They are not two versions of the same product. Muse Wonder is a closed frontier model you reach through an API or a subscription; M​use Spark Open is a gated download that arrives as 816 billion parameters of mixture-of-experts weights, a licence, and a hardware decision. Comparing them on a leaderboard is therefore the wrong first move, because the leaderboard measures capability and the thing that separates them is who owns the machine. This piece works through both — the measured gaps, what they cost per unit of work, and the four situations in which the answer flips — using the numbers that are actually published, with a note wherever a number is a vendor claim rather than a measurement.

Cách nhau ba ngày, và không cùng loại.

The release order matters more than the release dates. Muse Wonder shipped first as two checkpoints: muse-wonder-1.0, served on Meta's Model API and inside Muse Code, and muse-wonder-full-1.0, which Meta sells only through a Muse Code subscription and does not expose as an API model. M​use Spark Open shipped next as a single artefact: a BF16 checkpoint and an NVFP4 build behind an access-controlled repository, a model card, a technical report, and the Muse Model License. One of those is a service. The other is a file.

Mọi thứ phía sau đều bắt nguồn từ đó. Giá của một mô hình đóng là bất cứ mức nào nhà cung cấp nói, và năng lực của nó có thể bị nhà cung cấp sửa đổi bất cứ lúc nào. Giá của một mô hình mở là một con số vốn — GPU, điện năng, kỹ sư — và năng lực của nó là thứ mà ngăn xếp phục vụ của bạn có thể khai thác được từ nó. Vì vậy, phép so sánh hữu ích không phải là "cái nào đạt điểm cao hơn", điều này không hề sát nút, mà là "cái nào trong hai cái này khiến bạn tốn ít chi phí hơn để đạt được năng lực bạn cần", điều hoàn toàn phụ thuộc vào những gì bạn đã sở hữu và những gì bạn được phép làm với các trọng số.

Cả hai mô hình đều nhận văn bản, hình ảnh, giọng nói và video làm đầu vào và tạo đầu ra là văn bản, đồng thời cả hai đều quảng cáo cửa sổ ngữ cảnh 1.048.576 token. Đó là chỗ sự giống nhau chấm hết.

Bảng điểm đúng như hiện tại hôm nay, chứ không phải như bạn nhớ.

Artificial Analysis đã làm lại Chỉ số Trí tuệ của mình và phiên bản hiện tại là v5.0.1, bao gồm chín bài đánh giá: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 trên tập con khó của nó và Terminal-Bench-Science 0.1. Điều đó quan trọng cho so sánh này vì bất kỳ con số nào bạn đọc được về một trong hai mô hình trước bản sửa đổi này đều không cùng thang đo với các con số dưới đây. Cả hai mục đã được chấm lại trong cùng một bộ đánh giá, nên khoảng cách giữa chúng có thể so sánh được, mặc dù giá trị tuyệt đối của chúng không so sánh được với các con số cũ hơn mà bạn có thể đã thấy cho một trong hai.

On that revision, M​use Spark Open (Xhigh) scores 25 against a median of 23 among other open-weight models of similar size — above average, but not by much. Muse Wonder (Max) scores 44 against a median of 40 among models in a similar price tier. Nineteen points is not a rounding difference, but it is also not the whole story, because the two medians describe two different comparison sets: one is a small class of same-size open models, the other a broader and more expensive tier. What the pair does establish cleanly is that each model is above its own peer group, which is a more useful statement than a rank and considerably harder to game.

Các hàng theo từng đánh giá nói điều tương tự nhưng chi tiết hơn. Mỗi dòng bên dưới mang cả hai phía trên cùng một chiều, theo cùng thứ tự, để chúng có thể được đọc như một cặp thay vì như hai khẳng định riêng biệt.

• Index, v5.0.1 — M​use Spark Open 25 at Xhigh effort, against a class median of 23; Muse Wonder 44 at Max effort, against a class median of 40

• AA-Briefcase v1.1 (agentic knowledge work, Elo) — 1,278.7 for M​use Spark Open; 1,658.7 for Muse Wonder

• AutomationBench-AA (agentic SaaS workflows) — 0.497 for M​use Spark Open; 0.681 for Muse Wonder

• Terminal-Bench 4.0 — 0.081 for M​use Spark Open; 0.520 for Muse Wonder

• FrontierCode-AA 2.0 — 0.076 for M​use Spark Open; 0.240 for Muse Wonder

• HLE-Diamond — 0.263 for M​use Spark Open; 0.390 for Muse Wonder

• CritPt v2, hard subset — 0.295 for M​use Spark Open; 0.505 for Muse Wonder

• GDP.pdf, all-pass — 0.186 for M​use Spark Open; 0.306 for Muse Wonder

• Terminal-Bench-Science 0.1 — 0.019 for M​use Spark Open; 0.257 for Muse Wonder

• AA-Omniscience v1.1 accuracy — 25.8 for M​use Spark Open; 25.1 for Muse Wonder, and the hallucination rate runs the other way: 28.0% for M​use Spark Open against 20.9% for Muse Wonder

Two rows deserve a sentence each. Terminal-Bench-Science at 0.019 against 0.257 is the widest proportional gap on the sheet, and Terminal-Bench 4.0 at 0.081 against 0.520 is the widest on the workload both models are actually marketed for — an agent that runs commands. If that is your use case, this is close to the whole argument. The Omniscience pair is the one place the cheaper model holds its ground: on knowledge accuracy the two are within a point, and the thing that separates them is not how much they know but how readily they invent an answer when they do not — roughly one in 3.6 responses for M​use Spark Open against one in 4.8 for Muse Wonder.

Một lưu ý cho tất cả những điều trên. Đây là số liệu của bên đánh giá, không phải số liệu của nhà cung cấp, khiến chúng trở thành loại bằng chứng mạnh hơn trong hai loại bằng chứng hiện có. Tuy vậy, chúng vẫn là bộ khung đánh giá của một phòng thí nghiệm trên một bộ kiểm thử mà bản thân bộ này đã được sửa đổi trong chu kỳ này, và một số đánh giá trong đó còn mới đến mức điểm số của chúng sẽ tiếp tục thay đổi. Hãy coi xu hướng là đáng tin cậy và chữ số thập phân thứ ba là nhiễu.

Số lượng tham số và điểm mà bản ghi đơn giản là dừng lại

M​use Spark Open publishes its size as part of being open: 816 billion total parameters with roughly 42 billion active per token, 62 decoder layers, 256 experts per mixture-of-experts layer with 8 selected per token, and experts held in 4-bit NVFP4 in the shipped quantised build with some layers left in bf16. The 42-billion-active figure is the one that matters for serving, because it sets how much weight has to be read for every token generated, and it is the reason the model can be served on eight GPUs at all.

Với Muse Wonder, con số tương ứng không nằm trong hồ sơ mà chúng tôi có thể xác minh. Artificial Analysis đánh dấu nó là độc quyền và bảng thông số kỹ thuật của nó liệt kê suy luận, phương thức đầu vào, phương thức đầu ra và ngữ cảnh — hoàn toàn không có dòng tổng tham số hay tham số hoạt động nào. Chúng tôi sẽ không suy ra số lượng tham số từ giá hay từ một benchmark, và chúng tôi sẽ không lặp lại một con số mà chúng tôi không thể chỉ ra. Điều có thể nói chỉ mang tính định hướng: một mô hình đóng chỉ số 44 trên bảng giá $4/$20 đang phục vụ một thứ lớn hơn đáng kể so với một mô hình mở có 42 tỷ tham số hoạt động, và mọi chi phí phục vụ mà nó gánh là vốn của người khác chứ không phải của bạn.

Mẫu rẻ cũng là mẫu nhanh, đó mới là điều bất ngờ.

Giá cả và tốc độ thường đánh đổi lẫn nhau. Ở đây, chúng lại cùng hướng, và đó là phát hiện có ý nghĩa nhất cho việc ra quyết định trên cả hai trang.

• Output speed — 169 tokens per second for M​use Spark Open; 118 tokens per second for Muse Wonder

• Time to first answer token — 13.81 seconds for M​use Spark Open; 25.19 seconds for Muse Wonder

• Time per Index task — 6.6 minutes for M​use Spark Open; 13.6 minutes for Muse Wonder

• Output tokens used in the Index run — 90.6 million for M​use Spark Open; 113 million for Muse Wonder, against a median of 72.8 million for comparable models

Read the last two lines together and the mechanism is obvious. Muse Wonder is a reasoning model in the strict sense: it works longer, produces more tokens, and takes roughly twice the wall-clock time per task. M​use Spark Open, at Xhigh effort, is leaner — it generated fewer output tokens than the median comparable model, which is unusual for a reasoning configuration and is a genuine mark against the assumption that more thinking is always more capability. The 169 against 118 figure is a hosted-endpoint measurement including time to first token, so it is a statement about the deployed endpoints rather than about the silicon underneath either model.

Hệ quả thực tế là khoảng cách giá lớn hơn bảng giá gợi ý, vì bạn trả tiền theo token và Muse Wonder phát ra nhiều token hơn cho mỗi tác vụ. Điều này đưa chúng ta đến con số duy nhất so sánh hai mô hình một cách công bằng qua các mức giá và độ dài khác nhau: chi phí mỗi tác vụ.

Một tác vụ thực sự tốn bao nhiêu chi phí trên mỗi

Artificial Analysis tính chi phí chạy toàn bộ bộ đánh giá của mình rồi chia cho số lượng tác vụ, đồng thời gán trọng số cho mỗi bài đánh giá theo mức đóng góp của bài đó vào Index. Cách này cho ra một con số so sánh trực tiếp, vốn đã bao hàm cả khác biệt về độ dài diễn đạt.

• Cost per Index task — $2.02 for M​use Spark Open; $6.95 for Muse Wonder

• Blended list price, 3:1 input to output — $2.00 per million tokens for M​use Spark Open; $8.00 per million for Muse Wonder

• Cache read — $0.15 per million tokens for M​use Spark Open, an 88% discount; $0.20 per million for Muse Wonder, a 95% discount

The headline rate card is $1.25 in and $4.25 out against $4.00 in and $20.00 out, so the output price differs by 4.7× and the input price by 3.2×. The realised per-task cost differs by 3.4× rather than 4.7×, which is the verbosity and cache effects doing their work: Muse Wonder's 95% cache discount is steeper than M​use Spark Open's 88%, and heavy caching pulls its effective cost back toward the cheaper model's. If your workload is cache-friendly — long shared system prompts, repeated documents — the rate card overstates the gap. If it is not, the per-task number is the one to plan against and the rate card understates nothing.

Divide each per-task cost by its Index score and you get a third number, which is mine rather than the evaluator's: about eight cents per index point for M​use Spark Open against about sixteen cents for Muse Wonder. That is the cleanest statement of the trade. You are paying roughly twice as much per unit of measured capability for the closed model, and what you receive for the premium is nineteen index points and a lower hallucination rate.

Giấy phép là một dòng chi phí mà bảng giá che giấu.

M​use Spark Open's terms are the Muse Model License, and two of its clauses change what "free weights" means in a business plan.

Đầu tiên là điều khoản model-as-a-service. Nếu bạn cung cấp cho bên thứ ba quyền truy cập vào mô hình dưới dạng sản phẩm hoặc dịch vụ qua API và tổng doanh thu gộp của bạn từ việc đó vượt quá hai mươi triệu đô la Mỹ trong bất kỳ giai đoạn mười hai tháng liên tiếp nào, bạn phải thông báo cho Meta và ký một thỏa thuận bằng văn bản riêng trước khi tiếp tục. Việc nhúng mô hình vào sản phẩm của chính bạn được loại trừ; việc bán lại thì không. Một nhóm dự định trở thành nhà cung cấp dịch vụ suy luận trên nền các trọng số này nên đọc điều khoản đó trước khi viết tài liệu kiến trúc, chứ không phải sau.

The second is attribution: the licence requires "Built with M​use Spark Open" to be displayed prominently in the interface of any product using the model or a derivative, or in its documentation, site or settings. That is a small tax and an unconditional one, and it appears exactly where a product decision gets made — the about screen.

Điều mà giấy phép cung cấp rõ ràng chính là phần biện minh cho việc tải xuống: tinh chỉnh, chưng cất, hợp nhất, công bố, cấp phép lại và bán các sản phẩm phái sinh, với việc Meta tuyên bố không sở hữu đầu ra. Muse Wonder không cung cấp bất kỳ điều nào trong số đó. Bạn không thể tinh chỉnh một checkpoint được lưu trữ, bạn không thể hợp nhất nó vào một mô hình miền, bạn không thể chạy nó ở airside, và bạn không thể sửa một hành vi bằng cách huấn luyện lại nó. Khoản phí cao cấp bạn trả cho Muse Wonder mua lấy năng lực và giúp bạn thoát khỏi gánh nặng vận hành; nó cũng khiến bạn mất mọi lựa chọn đòi hỏi phải can thiệp vào trọng số.

Một điểm mang tính thủ tục khiến nhiều người bị vướng: bản thân việc tải xuống bị kiểm soát. Kho lưu trữ được kiểm soát truy cập, biểu mẫu yêu cầu cung cấp họ tên pháp lý, ngày sinh và tổ chức kèm mã định danh doanh nghiệp, và không thể chỉnh sửa sau khi gửi. Hãy dự trù phải xếp hàng chờ, chứ không phải chỉ một cú nhấp.

Nơi megakernel thay đổi phép tính

There is a third number in this comparison that neither rate card contains, and it arrived yesterday from outside Meta. On November 11, 2026 the SGLang team published a megakernel for M​use Spark Open — one resident kernel per layer instead of roughly 1,450 launches per decode step — and measured decoding going from 517 to 1,109 tokens per second on eight GB300s. That is a 2.1× improvement on the same weights, the same precision, and the same numerics, achieved purely in software.

Đặt con số đó bên cạnh các số liệu của dịch vụ được host và hình dạng của quyết định này thay đổi. Một endpoint đi thuê trả lời ở 169 token mỗi giây; một cụm tám GPU tự dựng chạy các kernel nghiên cứu trả lời ở 1,109. Con số thứ hai là batch-size một, trên một yêu cầu GSM8K, trung vị của 20 bước, và không ai ngoài các tác giả đã tái lập được nó — vì vậy đó là mức trần bạn có thể đạt tới, không phải một con số thông lượng bạn có thể đưa vào kế hoạch công suất. Nhưng nó thiết lập sự bất đối xứng định hình cặp này: hiệu quả phục vụ của mô hình đóng là việc Meta cải thiện và bạn chờ đợi, trong khi hiệu quả phục vụ của mô hình mở là một bài toán bạn có thể tấn công bằng chính các kỹ sư của mình.

Đối với một đội đã trả tiền mua GPU rồi, sự bất đối xứng đó đáng giá hơn mười chín điểm chỉ số trong những khối lượng công việc mà mô hình mở đạt gần bằng. Đối với một đội không có chúng, nó chẳng đáng gì, vì con số 1.109 đi kèm với một nút tám GPU mà bạn sẽ phải mua.

Bốn tình huống, bốn câu trả lời khác nhau.

Cuộc so sánh sẽ trở nên rõ ràng ngay khi bạn gọi tên được ràng buộc, và ràng buộc đó hầu như không bao giờ là chuẩn đối sánh.

Nếu bạn đang phát hành một sản phẩm trong quý này và công việc là suy luận khó, các tác vụ agentic dài hạn, hoặc bất cứ điều gì mà khoảng cách điểm chuẩn terminal 0.081 so với 0.520 chính là dạng vấn đề của bạn, thì câu trả lời là Muse Wonder và không có gì phải bàn cãi. Bạn đang trả $6.95 mỗi tác vụ cho một mô hình hoàn thành tác vụ, còn lựa chọn thay thế là trả $2.02 mỗi tác vụ cho một mô hình thường xuyên không làm được.

If you are running high-volume, latency-sensitive work where an answer at 169 tokens per second with a first token in 13.8 seconds is acceptable and one at 118 tokens per second with a first token in 25.2 seconds is not, the answer is M​use Spark Open even before you consider price — and the price then makes it a 3.4×-cheaper answer. The 28% hallucination rate is the thing to design around: ground it, cite it, or verify it downstream.

If you have data that cannot leave your infrastructure, or a regulator who wants to see the weights, or a domain where fine-tuning on your own corpus is the entire value proposition, the comparison is over. Muse Wonder cannot be that, and no amount of index points changes it. M​use Spark Open can, and the licence explicitly permits the fine-tune, the merge and the redistribution.

Nếu bạn đã sở hữu một {{1}}cụm huấn luyện{{/1}} với các {{2}}nút cấp GB300{{/2}}, thì bài toán kinh tế của {{3}}mô hình mở{{/3}} hoàn toàn không phải là {{4}}bảng giá niêm yết{{/4}} — mà là {{5}}chi phí biên của những GPU bạn đã khấu hao xong{{/5}}. Đó là trường hợp mà {{6}}1.109 token mỗi giây{{/6}} thực sự quan trọng, nơi {{7}}công việc megakernel{{/7}} có thể được thực thi trực tiếp, và nơi {{8}}điều khoản model-as-a-service trị giá hai mươi triệu đô{{/8}} là thứ giấy tờ duy nhất nằm giữa một dự án bên lề và một doanh nghiệp.

Trường hợp không thể giải quyết là trường hợp mọi người hỏi nhiều nhất: một nhóm nhỏ muốn có năng lực tiên phong và cũng muốn rẻ. Nó không thể có cả hai từ cặp này. Điều nó có thể có là một cơ chế thác nước — một mô hình rẻ cho phần lớn lưu lượng và mô hình đắt cho phần còn lại — và đó là quyết định định tuyến chứ không phải quyết định mô hình.

Những gì chúng tôi định tuyến và những gì chúng tôi không.

Neither of these two models is on OrcaRouter. There is no meta/muse-wonder entry and no meta/muse-spark-open entry in the catalogue, and we are not going to describe either as available through us. M​use Spark Open is a download and a licence; Muse Wonder is Meta's own endpoint and a subscription.

What we do carry from the same lab is the M​use Spark line: Muse Spark 1.2 and Muse Spark 1.1. That matters for exactly one of the four situations above — the cascade. A routing layer is where the "cheap model for most traffic, expensive model for the residue" answer stops being an architecture diagram and becomes configuration: one API across 200+ models, with the provider's list price passed through at 0% markup, so a Meta price cut lands on your bill the same day rather than at the next contract renewal, and automatic failover plus a routing DSL that moves traffic between models by configuration rather than by a code change and a deploy.

Đối với nửa so sánh dành cho mô hình trọng số mở, cách nói trung thực là không có bộ định tuyến nào giúp được. Trọng số là của bạn, GPU là của bạn, kernel là của bạn, và con đường duy nhất để đạt con số 1.109 là một kỹ sư cùng với profiler.

Khi so sánh này trở nên lỗi thời

• Muse Wonder Full đang tiếp cận một API. Checkpoint có điểm cao hơn hiện đang bị rào kín trong một gói đăng ký, vì vậy Muse Wonder trong so sánh này là mô hình API ở mức 44, không phải checkpoint Full mà Meta báo cáo riêng. Nếu Full mở một endpoint, khoảng cách năng lực sẽ nới rộng và lập luận cascade trở nên khó hơn.

• Một bản tái tạo độc lập các con số của megakernel. Mức 2,1× của một nhóm ở batch size bằng 1 chỉ là giới hạn trên; một nhóm thứ hai đạt được mức tương đương ở một batch size thực tế sẽ biến nó thành một trường hợp self-hosting kèm số liệu cụ thể.

• A price move on either side. M​use Spark Open's hosted rate is $1.25/$4.25 and Muse Wonder's is $4.00/$20.00, and a single vendor announcement could compress or invert the 3.4× per-task gap. This is the cheapest thing on the list to change and the most likely to.

• A fine-tune that closes the gap. Nineteen index points is a large deficit for a derivative to recover, and the open model's licence is what makes the attempt legal. If a domain tune on M​use Spark Open lands near the median of Muse Wonder's class on the specific evaluations your product cares about, the premium stops being justified for that product.

Until one of those moves, the summary is short. Muse Wonder is the more capable model and you rent it by the token. M​use Spark Open is the less capable model and you own it outright, along with the GPUs, the licence clauses, the hallucination rate, and — as of this month — a public recipe for making it twice as fast.