Muse Wonder Full vs Muse Glimmer: Điểm số tốt nhất trong bảng cũng là con số tệ nhất trong đó

Muse Wonder Full và Muse Glimmer là hai đầu của dải sản phẩm đã công bố của Meta Superintelligence Labs. Muse Wonder Full là một checkpoint tiên phong độc quyền được công bố ngày 12 tháng 10 năm 2026, được bán như một phần của gói đăng ký Muse Code và đạt 59,1 điểm trên chỉ số của chính Meta. Muse Glimmer là mô hình Apache 2.0 30 tỷ tham số phát hành ngày 10 tháng 8 năm 2026, được phát hành đã lượng tử hóa sẵn xuống 4-bit để vừa dưới 20 GB VRAM, đạt 17 điểm trên Artificial Analysis Intelligence Index độc lập. Giữa chúng là 42 điểm tổng hợp, một giấy phép, một lượt tải xuống và một cánh cửa 50 đô-la-một-tháng — cùng một hàng trong chính bảng của Meta, nơi mô hình đắt tiền đạt 13,1.

Dòng đó là Harvey LAB-AA, benchmark agent pháp lý của Meta. Muse Wonder Full báo cáo 13,1 trên đó. Muse Wonder, checkpoint có thể gọi được từ cùng bản phát hành, báo cáo 54,3, GPT-6 Astra 54,5 và Claude Opus 5.5 55,2. Một mô hình dẫn đầu chỉ số tổng hợp với cách biệt bốn điểm lại về cuối trên một bộ đánh giá mang hình dạng công việc với cách biệt 41 điểm. Đó là điều đầu tiên cần hiểu về cặp đối chiếu này: điểm tổng hợp không mô tả công việc.

Hai sản phẩm, một họ, và sản phẩm thứ ba bị nhầm lẫn với cả hai

• Trọng số — Muse Glimmer Apache 2.0, có thể tải xuống, phát hành ở dạng 4-bit; Muse Wonder Full độc quyền, không có checkpoint nào được công bố, và cũng sẽ không có.

• Nơi nó chạy — Muse Glimmer trên bộ tăng tốc của riêng bạn, ngoại tuyến; Muse Wonder Full trên hạ tầng của Meta bên trong Muse Code.

• Cách bạn mua nó — Muse Glimmer không tính phí theo token nếu bạn tự vận hành (self-host), hoặc 0,325 USD cho đầu vào và 1,35 USD cho đầu ra trên mỗi triệu token thông qua một endpoint được lưu trữ; Muse Wonder Full hoàn toàn không có mức giá theo token, mà dựa trên các gói đã công bố là 50 USD một tháng cho Power Usage và 200 USD một tháng cho Maximum Usage.

• Tham số — Muse Glimmer 30 tỷ, dưới 20 GB khi lượng tử hóa; Muse Wonder Full không được tiết lộ.

• Cửa sổ ngữ cảnh — Muse Glimmer 131.072 token, có thể mở rộng lên 262.144; Muse Wonder Full được mô tả cùng với dòng sản phẩm ở mức 1.048.576 token.

• Đầu vào theo phương thức — văn bản và hình ảnh của Muse Glimmer; văn bản, hình ảnh, giọng nói và video của dòng Muse Wonder.

• Ngày cắt kiến thức — Muse Glimmer tháng 1 năm 2026; Muse Wonder Full chưa được phát hành.

• Có thể làm gì với nó — Muse Glimmer có thể được ghim, tách nhánh và tinh chỉnh; Muse Wonder Full có thể bị ngừng hỗ trợ.

Meta đã thử nghiệm Glimmer trên RTX 5090 và trên chip Apple M4 Max và M5 Max, đây chính là định nghĩa thực tế của "chạy cục bộ" ở đây — độ chính xác đầy đủ vượt quá 55 GB, nên bản phát hành 4-bit chính là toàn bộ lý do giúp mô hình có thể triển khai được. Không có gì ở Muse Wonder Full hoạt động theo cách này. Nó được truy cập thông qua thuê bao, với mức giá theo gói, chừng nào Meta còn cung cấp nó.

Một điểm khác biệt nữa đáng nói thẳng ra, bởi vì cách đặt tên đã âm thầm xóa nhòa nó: Muse Wonder Full không phải là đỉnh cao của dòng Muse Wonder theo bất kỳ nghĩa chung nào, và nó cũng không phải là một Glimmer lớn hơn. Nó là một mục tiêu huấn luyện riêng biệt được công bố cùng lúc với Muse Wonder, và là cái duy nhất trong ba cái mà bạn không thể mua theo token, tự vận hành, hoặc đánh giá nếu không có đơn đặt hàng.

Giấy phép chính là trục mà không ai định giá.

Sự so sánh này thường được đặt trong khuôn khổ năng lực đối đầu với chi phí. Khuôn khổ thực sự dự đoán được những gì bạn có thể làm là năng lực đối đầu với khả năng kiểm soát, và hai mô hình này nằm ở hai cực đối lập của khuôn khổ đó.

Mọi thứ về thiết kế của Muse Glimmer đều giả định có một người sở hữu thay vì một khách hàng. Các trọng số là Apache 2.0, việc lượng tử hóa đã được làm sẵn cho bạn, dung lượng dưới 20 GB vì đó là con số khiến một card tiêu dùng duy nhất là đủ, và mốc kiến thức được công bố để bạn biết những gì nó không biết. Bạn có thể fork nó, tinh chỉnh nó, ghim một phiên bản, và tiếp tục phục vụ nó sau khi nhà cung cấp hết mặn mà. Với một mô hình được phát hành bởi một lab đã cho ra đời thêm hai thế hệ kể từ đó, đặc tính cuối cùng ấy không phải là giả thuyết.

Muse Wonder Full có đặc điểm ngược lại. Không có tạo tác nào để giữ, không có bản sửa đổi nào để ghim, không có cách nào để kiểm tra những gì đã thay đổi giữa tháng này và tháng tiếp theo, và không có đường đến điểm kiểm tra nếu gói hết hạn. Điểm tổng hợp được công bố là thứ bền vững duy nhất bạn nhận được, và đó là một con số về khung đánh giá của Meta chứ không phải về khối lượng công việc của bạn.

Hệ quả thực tế mang tính bất đối xứng và đáng được nói thẳng, không rào đón. Nếu một yêu cầu không thể rời khỏi thiết bị — một xưởng sản xuất không có kết nối, một môi trường cách ly hoàn toàn nơi một lệnh gọi API tự nó đã là vi phạm tuân thủ, một ngân sách độ trễ mà chỉ một vòng khứ hồi đã là quá nhiều — thì Muse Wonder Full không tham gia vào bài toán đó ở bất kỳ mức giá nào. Glimmer là một tệp. Full là một gói đăng ký.

Khoảng cách 42 điểm thực chất được tạo nên từ gì

Khoảng cách lớn như vậy thường có nghĩa là một mô hình đơn giản là kém hơn. Ở đây, nó chủ yếu có nghĩa là hai mô hình được xây dựng cho những công việc khác nhau, và các điểm thành phần thể hiện điều đó thay vì che giấu nó. Tất cả số liệu dưới đây là các đo lường của Artificial Analysis trên bản sửa đổi v4.3.2 trừ khi được đánh dấu khác.

• Chỉ số Trí tuệ — Muse Wonder Full (max) 56, thứ tư trong số 699 mô hình; Muse Glimmer (high) 17, thứ mười lăm trong số 142.

• Khả năng nhớ ngữ cảnh dài — Muse Glimmer đạt 83,3%, cao hơn mức 82,7% của Claude Sonnet 5.5 trong cùng lần chạy. Chỉ số của Muse Wonder Full không được công bố trên cùng một harness.

• Terminal-Bench 4.0 — Muse Glimmer 0.5%; dòng Muse Wonder báo cáo 85.5 và 85.6 trên bảng của nhà cung cấp.

• Humanity's Last Exam — Muse Glimmer 22,0%; Muse Wonder Full không được báo cáo trên cùng hệ thống đánh giá.

Tốc độ đầu ra — Muse Glimmer 143,8 token mỗi giây. Muse Wonder Full không được công bố trên cùng harness, và chi phí cho mỗi tác vụ lập chỉ mục của nó cũng vậy, vì không có đơn giá theo token để tính ra.

• Chi phí cho mỗi tác vụ lập chỉ mục — Muse Glimmer khoảng 0,06 USD khi dùng dịch vụ lưu trữ. Muse Wonder Full: không áp dụng, không có phương thức tính phí theo mức sử dụng.

Dòng long-context là dòng đáng để dừng lại suy ngẫm. Một mô hình 30 tỷ tham số được lượng tử hóa xuống 20 GB mà ngang bằng với một checkpoint tiên tiến hiện nay ở việc tìm một thông tin trong một đầu vào rất dài không phải là sai số làm tròn — đó chính là điều mà công thức huấn luyện nhắm tới, và là tuyên bố mạnh mẽ nhất mà bất kỳ ai có thể đưa ra cho Glimmer. Dòng Terminal-Bench là thái cực ngược lại: nửa phần trăm nghĩa là mô hình không hoàn thành các tác vụ phần mềm mang tính tác nhân, và không khoản tiết kiệm phần cứng nào khiến một tác vụ không bao giờ kết thúc trở nên rẻ hơn. Một nghiên cứu điều phối đa tác nhân đã qua bình duyệt có bao gồm Muse-Glimmer-30B nhận thấy nó không khôi phục được ứng viên nào, đây cũng là cùng một phát hiện từ một hướng khác.

Vậy nên Glimmer đọc tốt, trả lời nhanh, chạy được ở mọi nơi, và không thể thực thi. Muse Wonder Full thực thi và báo cáo điểm tổng hợp cao nhất trong dòng — rồi sau đó báo cáo 13,1 trên bộ đánh giá tác nhân pháp lý, vốn thấp hơn mọi mô hình tiên phong khác trong bảng của chính Meta. Không sự kiện nào trong hai sự kiện đó được sự kiện kia giải thích.

Con số $0.06 là một cái bẫy, và $50 cũng vậy

Con số chi phí cho mỗi tác vụ lập chỉ mục khi chạy qua dịch vụ lưu trữ xứng đáng bị loại ngay lập tức. 0,06 USD là số tiền Artificial Analysis đã chi để gọi Muse Glimmer qua một endpoint chạy trên dịch vụ lưu trữ ở mức 0,325 USD và 1,35 USD mỗi triệu token — nó định giá kinh tế của việc thuê mô hình, chứ không phải việc vận hành mô hình. Khi tự host, hóa đơn theo token biến mất và được thay bằng một bộ tăng tốc mà bạn đã sở hữu hoặc phải mua, cộng với thời gian kỹ thuật để phục vụ mô hình. Việc đem 0,06 USD ra so với chi phí mỗi tác vụ của một mô hình tiên phong như thể hai bên là tương đương nhau là sai lầm dễ mắc nhất trên trang này.

Mức $50 là một cái bẫy khác theo hướng ngược lại. Nó trông rẻ khi đặt cạnh mức giá đầu ra $20 mỗi triệu, nhưng thực tế không phải vậy, vì nó không mua được đơn vị đo lường nào. Mười prompt và mười triệu prompt tốn như nhau, và điểm số mà bạn mua nó để có được — 59,1 trên chỉ số của Meta — không phải là điểm số mà bảng mở công bố cho cùng một checkpoint. Bảng của Meta ghi 59,0 trên Chỉ số Artificial Analysis; Artificial Analysis công bố 56. Sự chênh lệch ba điểm trên cùng một chỉ số được nêu tên cho bạn biết con số nào là tuyên bố và con số nào là phép đo.

Nói thẳng ra thì hai mô hình này hoàn toàn không nằm trên cùng một trục. Muse Glimmer được định giá theo bộ tăng tốc và chi phí của nó không thay đổi theo khối lượng — đắt đỏ khi chỉ có mười yêu cầu mỗi ngày, rẻ đến đáng kinh ngạc ở mức mười triệu. Muse Wonder Full được định giá theo tháng và chi phí của nó không thay đổi theo bất cứ thứ gì bạn có thể đo lường. Một cái thay đổi theo mức sử dụng của bạn. Cái còn lại thì hoàn toàn không thay đổi.

Bậc thang thực sự nằm giữa chúng

Hầu hết các đội ngũ đọc đến đây đều không muốn chọn thái cực nào. Họ muốn một mô hình nhỏ chạy trên phần cứng của riêng mình cho nửa khối lượng công việc rẻ, riêng tư, lưu lượng lớn, và một thứ đẳng cấp frontier qua API cho nửa khó nhằn, và phần khó xử là những thứ đó thường đồng nghĩa với hai stack riêng biệt cùng hai mối quan hệ thanh toán riêng biệt.

Một trong ba mô hình Meta thuộc họ này là một route mà chúng tôi cung cấp. meta/muse-spark-1.2 — mô hình teacher Glimmer lớn hơn mà nó được chưng cất từ đó — nằm trong danh mục của OrcaRouter với giá $1.25 cho input và $4.25 cho output mỗi triệu token trong cửa sổ 1.048.576 token, cùng mức đọc cache $0.15. Điều đó khiến nó trở thành nấc giữa: có năng lực cao hơn hẳn mô hình student 30B ở những công việc mang tính thực thi, chỉ bằng một phần năm mức giá output của Muse Wonder, và có thể truy cập bằng cùng một key như mọi thứ khác.

Hai lưu ý thẳng thắn, vì cách đặt tên dễ gợi ra giả định sai. Bản thân Muse Glimmer không phải là một trong các tuyến của chúng tôi — không có mục muse-glimmer nào trong danh mục, và cũng không nên có, vì toàn bộ ý nghĩa của Glimmer là bạn tự chạy nó và không bao giờ định tuyến nó đi đâu cả. Muse Wonder Full cũng không phải của chúng tôi, và khác với Glimmer, nó không khả dụng cho bất kỳ ai ngoài các bề mặt đăng ký của Meta.

Điều mà cách bố trí điểm cuối duy nhất mang lại là nửa được host của sự phân tách đó. Giá niêm yết của nhà cung cấp được chuyển qua ở mức markup 0%, nên việc nhà cung cấp định giá lại sẽ xuất hiện ngay trong cùng ngày; chuyển đổi dự phòng tự động xử lý việc một nhà cung cấp thượng nguồn suy giảm giữa chừng; và DSL định tuyến kết hợp một mô hình rẻ với một mô hình đắt thành một lời gọi duy nhất, nên phía đắt tiền chỉ được gọi ở nơi độ tin cậy của mô hình rẻ giảm xuống. Với một họ mô hình có tệp 30B ở một đầu và một checkpoint yêu cầu đăng ký ở đầu kia, sự kết hợp đó chính là mấu chốt — phần lớn lưu lượng không bao giờ cần đến cực nào.

Lựa chọn, và một hàng duy nhất quyết định điều đó

• Muse Glimmer khi các token không thể rời khỏi máy, khi không có mạng, khi bạn cần một thứ có thể ghim lại và giữ, hoặc khi khối lượng đủ lớn để hóa đơn theo token trở thành chi phí chi phối. Trong phạm vi đó, nó nhanh, súc tích và mạnh về đọc ngữ cảnh dài, và điểm tổng hợp đánh giá thấp nó đúng ở những công việc như vậy.

• Muse Glimmer cho việc trích xuất và truy xuất khối lượng lớn trên các tài liệu dài, nơi mà recall ngữ cảnh dài 83,3% mới là con số quan trọng và 0,5% trên Terminal-Bench thì không bao giờ được nhắc đến.

• Muse Wonder hoặc dòng sản phẩm rộng hơn khi tác vụ phải được thực thi — agent, sử dụng máy tính, công việc trên terminal — hoặc khi đầu vào là giọng nói hay video. Điểm thực thi 0,5% không phải là một phương án tiết kiệm; nó là kẻ không tham gia.

• Muse Spark 1.2 nếu bạn đang tìm mua ở phân khúc giữa. Đây là mô hình mà Glimmer được chưng cất từ đó, là nấc giữa hai thái cực, và giá chỉ bằng một phần năm mức mà dòng frontier thu cho năng lực ở đâu đó trong khoảng trống.

• Không phải Muse Wonder Full, nếu chỉ dựa vào chỉ số tổng hợp. Meta báo cáo 13,1 trên bộ tác nhân pháp lý, so với 55,2 của Claude Opus 5.5 trong cùng bảng, và ban đánh giá độc lập xếp checkpoint cao hơn Muse Wonder có thể gọi là bốn điểm, chứ không phải 42. Nếu công việc của bạn giống hàng Harvey đó, thì điểm số cao nhất trong bảng ra mắt là lý do sai để trả tiền cho gói đăng ký.

Khoảng cách chỉ số 42 điểm là có thật, và nó cũng là thứ ít hữu ích nhất trên trang này. Đây không phải là những sản phẩm liền kề với một bậc giá ở giữa; chúng là một tập tin và một cánh cửa. Quyết định nằm ở việc các token chạy ở đâu, rồi liệu công việc là đọc hay thực thi — và quyết định cuối cùng, điều mà người ta quên, là một phòng thí nghiệm phát hành những thứ cách xa nhau đến vậy ở cả hai đầu của dải sẽ tiếp tục dịch chuyển, nên mô hình mà bạn không thể ghim cố định chính là mô hình mà bạn nên chậm chạp nhất khi xây dựng dựa trên nó.