Muse Spark so với Muse Glimmer: Điều gì thực sự còn lại khi một mô hình tiên phong được chưng cất xuống 30 tỷ tham số

Mối quan hệ giữa Muse Spark và Muse Glimmer không phải là mối quan hệ mà cụm từ "vs" gợi ý. Muse Glimmer không phải là đối thủ của Muse Spark — nó là học trò của mô hình này. Meta đã huấn luyện mô hình trọng số mở 30 tỷ tham số bằng chưng cất logit từ Muse Spark, dòng mô hình tiên phong đa phương thức nguyên bản mà Meta Superintelligence Labs giới thiệu ngày 8 tháng 4 năm 2026 và hiện phát hành dưới tên Muse Spark 1.3, ra mắt ngày 2 tháng 9 năm 2026 với mức suy luận tối đa được mở cho nhà phát triển hai ngày sau đó. Muse Glimmer tiếp theo vào ngày 10 tháng 8 năm 2026 theo Apache 2.0. Vậy nên trang này không phải là một bảng đấu giữa hai đối thủ đến từ những phòng thí nghiệm khác nhau. Đây là phép đo xem còn bao nhiêu phần của một mô hình tiên phong sống sót qua một lần thu nhỏ gấp mười sáu lần và một thay đổi giấy phép — và Meta, một cách khác thường, đã công bố các con số ở cả hai phía của lần thu nhỏ đó. Việc so sánh đó có công bằng hay không là điều đầu tiên đáng để thành thật, và câu trả lời là: một phần.

Một cái là tệp, cái còn lại là điểm cuối.

Hãy bắt đầu với phần không liên quan gì đến các phép đo hiệu năng, vì nó quyết định phần lớn các triển khai thực tế trước khi một điểm số nào có ý nghĩa.

Muse Glimmer là một bản tải xuống. Meta công bố trọng số theo giấy phép Apache 2.0, phát hành chúng ở dạng đã được lượng tử hóa sẵn xuống 4-bit — điều này đưa dung lượng từ hơn 55 GB ở độ chính xác đầy đủ xuống dưới 20 GB — và cho biết mô hình đủ nhỏ để chạy trên một GPU tiêu dùng duy nhất hoặc một máy Mac. Nó chạy được khi ngắt kết nối mạng. Meta đã thử nghiệm nó trên Nvidia RTX 5090 và trên chip Apple M4 Max cùng M5 Max. Nó nhận đầu vào văn bản và hình ảnh, trả về văn bản, có cửa sổ ngữ cảnh 131.072 token mà Meta nói có thể mở rộng lên 262.144, và có thời điểm cắt kiến thức là tháng 1 năm 2026.

Muse Spark thì ngược lại ở mọi điểm. Meta không công bố trọng số, không giấy phép và không cho tải xuống bất kỳ phiên bản nào của nó; chỉ có thể truy cập nó qua Model API của Meta, tại meta.ai và trong ứng dụng Meta AI. Nó chạy với cửa sổ ngữ cảnh 1.048.576 token — gấp tám lần của Glimmer, trước khi Glimmer được mở rộng. Nó chấp nhận đầu vào văn bản, hình ảnh, video, âm thanh và PDF, đồng thời trả về văn bản. Nó được tính giá theo token: 1,25 USD cho mỗi triệu token đầu vào, 0,15 USD cho mỗi triệu token đầu vào được cache, 4,25 USD cho mỗi triệu token đầu ra, với gói Contributor ở mức 0,10 / 0,002 / 0,20 USD, đánh đổi giá thấp hơn để lấy quyền huấn luyện trên prompt và completion của bạn. Glimmer hoàn toàn không có hóa đơn nhà cung cấp theo token khi bạn tự chạy nó, vì không có nhà cung cấp nào trong quy trình.

• Kích thước — Muse Spark: không được tiết lộ, Meta không công bố số lượng tham số cho bất kỳ phiên bản nào; Muse Glimmer: 30B, được phát hành ở 4-bit dưới 20 GB

• Trọng số — Muse Spark: độc quyền, chỉ chạy trên máy chủ; Muse Glimmer: Apache 2.0, có thể tải xuống và chạy ngoại tuyến

• Cửa sổ ngữ cảnh — 1.048.576 token so với 131.072, có thể mở rộng lên 262.144

• Đầu vào — văn bản, hình ảnh, video, âm thanh, PDF so với văn bản và hình ảnh

• Đầu ra — văn bản so với văn bản

• Giá — $1.25 / $0.15 cho bộ nhớ đệm / $4.25 mỗi triệu token, so với việc không bị nhà cung cấp thu phí khi tự vận hành

• Thời điểm cắt kiến thức — chưa được công bố đối với Muse Spark 1.3; tháng 1 năm 2026 đối với Muse Glimmer

Bài đánh giá chuẩn duy nhất mà Meta công bố cho cả hai

Đây là kiểu con số hiếm gặp nhất trong một mối quan hệ chưng cất: cùng một phép đánh giá, do cùng một phòng thí nghiệm thực hiện, được báo cáo trên cả mô hình giáo viên lẫn mô hình học sinh.

Các trang mô hình của Meta liệt kê GDPval-AA ở mức 1.754 đối với Muse Spark 1.3 chạy cấu hình suy luận tối đa của nó, và 953 đối với Muse Glimmer 30B ở mức suy luận cao. Đó là việc mô hình học sinh giữ được 54% điểm của mô hình giáo viên trong nhóm tác vụ đó — một điểm dữ liệu thực tế, đã được công bố chứ không phải một suy luận. Có hai lưu ý cần được gắn ngay vào đó, vì cả hai đều đúng và không có cái nào là nhỏ. Thứ nhất, hàng Muse Spark được ghi nhãn v2 còn hàng Muse Glimmer hoàn toàn không được gán phiên bản, nên nếu Meta đã thay đổi benchmark giữa hai lần đo thì tỷ lệ này là mềm, dù hướng thì không mềm. Thứ hai, cả hai con số đều do nhà cung cấp báo cáo. Chúng tôi chưa tái tạo lại cả hai, và không có harness độc lập nào công bố so sánh đối đầu trên cặp này mà chúng tôi có thể tìm thấy.

Điều khiến khoảng cách 801 điểm trở nên dễ hiểu thay vì đáng báo động là bức tranh của bên thứ ba nằm bên dưới nó. Trên Intelligence Index của Artificial Analysis, Muse Spark 1.3 ở mức tối đa đạt 48 điểm và Muse Glimmer ở mức cao đạt 17 điểm. Đó là những thang chỉ số khác nhau từ các vòng đo khác nhau, và hai mô hình không được xếp hạng cùng một nhóm — Artificial Analysis phân nhóm các mô hình trọng số mở theo lớp kích thước, nên Glimmer được đo so với các mô hình trọng số mở ngang hàng, trong khi Muse Spark được đo so với toàn bộ các mô hình. Hãy đọc chúng như hình dạng, không phải như một tỷ lệ. Hình dạng đó nói cùng điều mà bảng của chính Meta nói: mô hình chưng cất thực sự là một tầng năng lực khác biệt, không phải một con đường rẻ hơn dẫn đến cùng những câu trả lời.

Điều mà mô hình nhỏ giữ lại

Phần thú vị của chưng cất là những gì tồn tại được qua quá trình nén, và trên chính các dòng kết quả do Meta công bố, Muse Glimmer không hề bị đánh bại một cách đồng đều. Nó đạt 76.0 trên SWE-Bench Verified, 65.9 trên OSWorld-Verified, 77.0 trên IFBench, 94.7 trên AIME 2026 và 83.5 trên GPQA Diamond. Đó là những con số mạnh mẽ đối với một mô hình 30B và chúng là lý do lựa chọn kiến trúc lại quan trọng: Meta mô tả Glimmer là được tinh chỉnh trên dữ liệu agentic ngữ cảnh dài và được tăng cường đặc biệt cho việc sử dụng công cụ, với bộ nhớ tự quản lý xuyên suốt các phiên kéo dài hàng giờ và khả năng phục hồi sau một lệnh gọi công cụ thất bại thay vì dừng lại. Đó là một mô hình chuyên biệt khoác lên mình tên gọi của một mô hình tổng quát.

Phần ngữ cảnh hữu ích nhất trên trang là lựa chọn so sánh của chính Meta. Bảng điểm chuẩn của họ cho Muse Glimmer không đặt nó cạnh Muse Spark. Nó đặt nó cạnh Gemma 4 31B ở chế độ suy luận và Qwen3.6 27B ở chế độ suy luận — cùng phân khúc kích thước, cùng tiền đề trọng số mở. Trên bảng đó, Glimmer thắng phần lớn các dòng nhưng không phải tất cả: nó đạt 75,5 ở MCP Atlas so với 62,5 của mô hình Qwen, 51,7 ở TerminalBench 2.1 so với 60,7, và 953 ở GDPval-AA so với 1.141. Vậy nên ngay cả trong cùng hạng cân của mình, mô hình Meta đã chưng cất vẫn không phải lựa chọn mặc định, một cách diễn đạt trung thực hơn so với tiêu đề của trang gợi ý.

Hai hàng dữ liệu nữa đáng được tách ra vì chúng có thể đo lường được và dễ bị tính sai trong khâu lập kế hoạch. Artificial Analysis ghi nhận chi phí cho mỗi tác vụ Intelligence Index hoàn thành của Muse Glimmer là 0,05 USD và tốc độ đầu ra của nó là 122,4 token mỗi giây — so với 1,60 USD và 121,9 token mỗi giây đối với Muse Spark 1.3 ở mức tối đa. Dựa trên cặp số liệu đó, mô hình nhỏ rẻ hơn khoảng 32 lần cho mỗi tác vụ hoàn thành với thông lượng gần như giống hệt nhau. Đó là thành quả của quá trình chưng cất, và điều này sẽ vô hình nếu bạn chỉ so sánh điểm số chỉ số.

Nơi mà sự so sánh đổ vỡ

Nó hỏng trên các đầu vào, và nó hỏng nặng hơn cả mức mà bảng điểm gợi ra.

Muse Spark 1.3 tiếp nhận video, âm thanh và PDF. Muse Glimmer tiếp nhận văn bản và hình ảnh. Nếu pipeline của bạn đưa thẳng bản ghi màn hình, bản ghi cuộc gọi hoặc tài liệu quét vào mô hình, thì hai mô hình này không phải là phương án thay thế cho nhau trong bất kỳ hoàn cảnh nào — một trong hai về mặt kỹ thuật không thể tiếp nhận payload đó. Tài liệu của chính Meta củng cố luận điểm này từ một hướng bất ngờ: tài liệu cảnh báo rằng khả năng hiểu âm thanh trong Muse Spark 1.3 chưa được hỗ trợ đầy đủ và chất lượng đối với các yêu cầu có chứa âm thanh có thể bị suy giảm, đồng thời khuyến nghị Muse Spark 1.2 cho các tác vụ âm thanh. Vì vậy, ngay cả trong dòng được host, phiên bản mới nhất cũng không phải là câu trả lời đúng cho mọi loại đầu vào, và lựa chọn có khả năng xử lý âm thanh lại là checkpoint cũ hơn.

Điểm khác biệt thứ hai nằm ở ngữ cảnh. Một triệu token so với 131.072 không phải là khác biệt về tiếp thị; đó là khác biệt giữa một mô hình có thể chứa một kho mã lớn hoặc một hồ sơ vụ việc dài trong một lần gọi duy nhất và một mô hình cần một lớp truy xuất cùng một bước tóm tắt được xây dựng quanh nó. Nếu công việc của bạn là suy luận về cơ sở mã trong tầm dài hạn, mức trần ngữ cảnh của Glimmer chính là ràng buộc bạn sẽ gặp đầu tiên, rất lâu trước khi tính đến điểm benchmark của nó.

Điều thứ ba là ranh giới dữ liệu, và nó lại tác động theo chiều ngược lại. Một yêu cầu không bao giờ rời khỏi phần cứng của bạn thì không thể bị nhà cung cấp ghi log, không thể bị tính giá theo token, và không thể bị ảnh hưởng bởi thay đổi đơn giá. Đối với một khối lượng công việc có yêu cầu về lưu trú dữ liệu hoặc ngân sách theo token không trụ được với khối lượng lớn, chỉ riêng đặc tính đó đã nặng hơn 30 điểm chỉ số.

Mỗi thứ thực sự nằm ở đâu

Bản phân phối của Muse Glimmer là bản rộng rãi, vì trọng số mở vốn như vậy. Meta liệt kê bản tải xuống trên Hugging Face và chỉ đến các môi trường chạy cục bộ — llama.cpp, MLX, Ollama, LM Studio, Unsloth — cùng với danh sách tự lưu trữ của nhà cung cấp và một số nền tảng suy luận của bên thứ ba. Chúng tôi sẽ không nêu tên những nền tảng đó ở đây; điểm dành cho người đọc chỉ đơn giản là các trọng số có thể di chuyển được, và bất cứ thứ gì có thể tải một mô hình 30B 4-bit đều có thể phục vụ nó.

Dòng Muse Spark vốn hẹp về cấu trúc. Ba phiên bản, một nhà cung cấp, một API, không có trọng số. Sự tập trung đó chính là rủi ro thực sự khi xây dựng dựa trên nó, và đó là rủi ro hoàn toàn không áp dụng cho Glimmer.

Cả hai trên cùng một phím, ở nơi có thể.

Danh mục riêng của chúng tôi hẹp hơn cả hai câu chuyện này. Chúng tôi định tuyến Muse Spark 1.1 và Muse Spark 1.2 — hai checkpoint được niêm yết ở mức $1,25 cho đầu vào và $4,25 cho đầu ra trên mỗi triệu token, cả hai đều theo giá niêm yết của Meta với mức tăng giá 0% của chúng tôi được chuyển nguyên vẹn — và chúng tôi không lưu trữ Muse Spark 1.3, không lưu trữ biến thể Contributor nào, cũng không lưu trữ Muse Spark Open. Muse Glimmer cũng không có trong danh mục của chúng tôi, và lời khuyên trung thực dành cho mô hình đó thì khác về bản chất: nó có trọng số mở, nên nơi tự nhiên để chạy nó là phần cứng của chính bạn hoặc một môi trường chạy có thể nạp nó.

Điểm mà định tuyến thực sự có chỗ đứng ở đây chính là quá trình migration mà bạn có thể đang cân nhắc. Nếu bạn đang thử xem liệu một mô hình chưng cất 30B có thể đảm nhận một phần khối lượng công việc frontier hay không, thứ bạn muốn là cả hai nằm trong cùng một endpoint để một phần lưu lượng có thể được chuyển và đo lường mà không cần hợp đồng thứ hai — Muse Spark 1.1 và 1.2 trên cùng một khóa, với cơ chế failover tự động để một lệnh gọi long-context bị lỗi sẽ chuyển sang checkpoint còn lại thay vì trả về lỗi, và một DSL định tuyến để chia lưu lượng theo cấu hình thay vì theo mã. Khi dòng sản phẩm hosted của Meta lại thay đổi, thay đổi đó chỉ nằm ở một nơi.

Chọn cái nào?

Nếu công việc của bạn là văn bản và hình ảnh, chạy trên máy của chính bạn hoặc GPU thuê, và cần miễn nhiễm với giá theo token, thì Muse Glimmer là câu trả lời, và không có gì gần bằng — bạn đang đánh đổi khoảng một nửa điểm GDPval-AA để lấy một mô hình không tốn gì cho mỗi lần gọi và không ai có thể giới hạn tốc độ của nó.

Nếu công việc của bạn liên quan đến video, âm thanh, PDF hay một ngữ cảnh thực sự dài, Muse Glimmer không phải là phiên bản rẻ hơn của Muse Spark. Đó là một công cụ khác, và quá trình chưng cất đã không mang những khả năng đó theo. Hãy chọn dòng dịch vụ được lưu trữ, dự trù $1.25 và $4.25 cho mỗi triệu token, và kiểm tra xem checkpoint nào thực sự xử lý được payload của bạn — với âm thanh, tài liệu của chính Meta chỉ đến phiên bản cũ hơn.

Tóm tắt trung thực về một so sánh chưng cất là: mô hình học trò cực kỳ giỏi ở việc nó được huấn luyện để làm và đơn giản là vắng mặt ở những việc nó không được huấn luyện. Muse Glimmer là lập luận mạnh mẽ nhất cho trọng số mở mà Meta đã công bố kể từ Llama 4, và những con số ở trên là của chính Meta. Điều chúng không cho thấy — và không bảng biểu nào của nhà cung cấp có thể cho thấy — là cặp mô hình đó hành xử thế nào trên khối lượng công việc của bạn. Đó là một thí nghiệm, không phải một tra cứu.

Điểm chuẩn thì lỗi thời, giá cả thì biến động; nhưng hồ sơ thất bại thì không: những sự cố AI và lỗi tác nhân (agent) được ghi nhận đằng sau các mô hình thuộc nhóm này đều được tập hợp trong the OrcaRouter AI Incident Archive, nơi mỗi mục đều đi kèm nguồn riêng, mức độ nghiêm trọng, xếp hạng độ tin cậy và cờ đánh dấu tranh chấp.