Muse Spark Open 对比 Muse Glimmer：22 个索引点究竟让你付出多少代价

Thirty-nine against seventeen. That is the whole of the comparison between Muse Spark Open and Muse Glimmer on the Artificial Analysis Intelligence Index, and it is the number that travelled after Meta published the larger model's weights on October 15, 2026. On its own it is close to useless, because the two models are not two answers to the same question. One is an 816-billion-parameter mixture of experts built to be served from a data centre. The other is a 30-billion-parameter dense model built to run on a single consumer graphics card. Reading the gap as "the new one is better" gets the direction of the decision right and the reason for it completely wrong. None of this is a reason to avoid the model, only a reason to know the history: 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.

以下是这一差距实际能换来什么、代价是什么，以及较小模型仍然完胜的那一个维度。

两个下载，回答不同的问题

两者都挂着 Meta 的名号，都把权重放到 Hugging Face Hub 上，也都能让你在不把令牌发送到任何人端点的情况下运行推理。相似之处也就到此为止了。

• Muse Spark Open — 总参数 816B，每 token 激活 42B，稀疏混合专家架构，于 2026 年 10 月 15 日依据 Muse Model License 发布。

• Muse Glimmer——约 296 亿总参数，稠密架构，另有一个独立的 18 亿参数视觉编码器，于 2026 年 8 月以 Apache 2.0 许可发布。

活跃参数上的差距没有标题数字看上去那么大：42B 对约 29.6B，只是大约 1.4 倍，因为 Muse Spark Open 每个 token 只唤醒一部分专家。而总参数上的差距才是硬件开支的来源：需要存储、量化和搬运的权重约为 27.6 倍。

每项任务 22 点的成本是多少？

Artificial Analysis 用同一把尺子来衡量这两个模型——完成其自身 Intelligence Index 中一项任务的成本——而差距的第二个维度正体现在这里。在其托管列表中，以 xhigh 推理运行的 Muse Spark Open 每项 Index 任务花费 $0.84，而以 high 运行的 Muse Glimmer 则为 $0.05。这大约是以 16.8 倍的成本，换取 2.3 倍的分数。

目录价用财务团队使用的单位讲述着同一个故事。Muse Spark Open 的标价为每百万输入 token 1.25 美元、每百万输出 token 4.25 美元，享有 88% 的缓存折扣，混合费率约为每百万 token 0.78 美元。Muse Glimmer 的标价为每百万输入 0.30 美元、每百万输出 1.20 美元。如果你的工作负载是高吞吐量的分类、提取或路由处理，较小的模型并非妥协——它是正确的答案，其定价仅为输入费率的五分之一。

输出速度是唯一一项两者接近到可以算作平手的指标，而这一点值得直说，因为它有违直觉：Muse Spark Open 实测每秒输出 102.0 个 token、首块延迟 0.67 秒，Muse Glimmer 则为每秒 124.4 个 token、1.14 秒。这个 816B 模型在回答单条提示时并不是更慢的那个，因为它只激活自身的一小部分，并运行在与其规模相称的硬件上。较小模型胜出的地方在边缘端：4 比特版本将语言模型压到 20 GB 以下，而一个每次提议 16 个 token 的配套块扩散草稿模型据称能在 RTX 5090 上带来最高 3.1 倍的加速。这是厂商给出的数字，尚未被独立复现。

上下文窗口也不是一场公平的较量

Muse Spark Open 具备 1,048,576 token 的上下文窗口，输入支持文本、图像、视频和音频，输出为文本。Muse Glimmer 具备 131,072 token——按 Meta 惯用的整数写法就是 128k——仅接受文本和图像，完全没有音频通路。Muse Spark Open 中的感知编码器是一个 1.8B、50 层的组件，采用稀疏注意力；语言栈为 62 层，隐藏维度 8,192，词表规模 202,048 个 token，256 个专家，采用 top-8 路由，并采用分组查询注意力，128 个查询头对应 16 个键值头。

如果你的问题是“读完这段两小时的录音和这一堆截图，然后告诉我发生了什么”，那么 Muse Spark Open 是这两者中唯一能容纳该输入的。如果你的问题是“读完这一屏内容，然后在我笔记本电脑上点击正确的按钮”，那么 128k 不会是你最先撞上的限制。

这些许可证并不是同一种开放。

这正是22点新闻标题所掩盖的部分，也是法律审查会关注的部分。

• Muse Glimmer — Meta 发布的所有内容均采用 Apache 2.0 许可：全精度 BF16 权重、两个 4 位量化变体、起草器头和感知编码器。可商用及研究使用，无门槛限制。

• Muse Spark Open——Muse 模型许可证。授予使用、复制、修改、微调、蒸馏、合并与销售的广泛权利，但有三项条件值得你在规划之前了解：副本与衍生作品必须附带该许可证及使用政策；基于它构建的产品必须在界面、文档或设置中显示 "Built with Muse Spark Open"；如果你向第三方提供模型访问权限，且这些第三方会获取模型输出，并且在任意连续十二个月内合计总收入超过 2000 万美元，你必须先通知 Meta 并签署一份单独协议。内部使用、研究以及非模型即服务形式的商业用途不在此列。Meta 不主张对输出内容的所有权。

访问权限的性质也不同。Muse Spark Open 仓库设有门槛——你需要登录并提交完整的法定姓名、出生日期以及带有标识符的组织名称，而且页面警告称该表单提交后无法编辑。Muse Glimmer 的下载则没有这种门槛。对于想要在做出承诺之前低调评估两者的团队来说，这种不对称是实实在在的摩擦，而 2000 万美元条款意味着，“我们下载了它”和“我们可以基于它发布托管产品”是两个不同的答案。

每个各自适合放在架子上的哪个位置

Meta 自家的模型卡直白地说明了硬件要求：BF16 检查点需要约 2 TB 显存，而 NVFP4 构建至少需要 700 GB。受支持的服务栈包括 SGLang、vLLM、Hugging Face、TensorRT-LLM、Unsloth 和 llama.cpp，模型卡还提到了针对两台 M5 Ultra Mac Studio 调优的 MLX。这就是 Meta 主推的桌面演示——两台顶配机器串联在一起，而不是一台笔记本电脑。

Muse Glimmer 的目标确实不同：一块 RTX 5090、一个低于 20 GB 的量化版本，以及一个旨在让 token 在那块卡上更快输出的草稿头。这两个模型并不争夺同一块芯片。Meta 为更大模型发布的发布博文从另一个方向表达了同样的观点，主打智能体工作和双 Mac Studio 配置，而不是单卡数字。

该选哪一个

一旦确定了约束条件，这个决定很快就会清晰起来。

• 你正在自己拥有的硬件上交付一个本地智能体—— Muse Glimmer。这 22 个点，在单块 GPU 上，无论你出多少钱都买不到。

• 你需要在一次调用中处理音频、视频或百万级 token 输入——Muse Spark Open，没有任何更小的模型可以替代。

• 你正在处理的是高量、低难度的工作——Muse Glimmer 每百万输入 token 收费 0.30 美元，除非经过实际评测表明，得分为 17 的模型无法胜任你的具体任务。

• 你想要前沿分数，而你是租用算力的——说实话，Muse Spark Open 并不是达到 39 分最便宜的方式。它是唯一一种能让权重留在你自己硬盘上达到 39 分的方式。

关于服务这个问题，对大多数团队而言，现实情况是：这两个模型都不是你第一天就会自行托管的那种。如果你想调用 Meta 的 Muse 系列，又不想自己搭起 GPU，Muse Spark 1.2——它是 OrcaRouter 实际路由的两个 Muse 模型之一——可通过一个 API 接入 200 多个模型使用，并具备自动故障转移，因此一个不熟悉的模型可以承载测试流量，而不会承载你的生产路径。我们提供服务的两个 Muse 模型都按供应商标价、0% 加价计费，因此供应商一侧的价格变动，我们这边当天就会生效。明确说明限制：OrcaRouter 目前不路由 Muse Spark Open，也不路由 Muse Glimmer——这两者要么是你自己运行的权重，要么是你从别处购买的端点。

还有什么尚未被测量

几乎所有能分出这场比较高下的东西。

39 是一个独立数字，归属于某个模型，而该模型自己的发布评分卡列出了 JobBench 61.8、MCP-Atlas 89.2、GDPval-AA v2 1401、OSWorld Verified 80.4、Toolathlon Verified 72.8、无工具 HLE-Diamond 26.1 和有工具 61.0、GPQA Diamond 89.0、SciCode 58.5、DeepSWE 1.1 在 60 分，以及 Terminal-Bench 2.1 在使用 Terminus 2 智能体时 76.4。其中每一项都由厂商报告且未经复现，而且有几项是在 Meta 自己的智能体测试框架内测量的，这使它们成为一种能力声明，而非同类可比的排名。Glimmer 的评分卡带有自己的厂商表格——SWE-Bench Verified 76.0、Terminal-Bench 2.1 51.7、GPQA Diamond 83.5、AIME 2026 94.7、HLE 22——并附有同样的警告。相隔数月、在不同测试框架上生成的两份厂商评分卡不能彼此相减，这正是本文所依赖的那个单一独立指数。

真正能左右决策的差距并不在两张卡中的任何一张上。它是在你个人所需的质量标准下，用你自己的输入跑一项任务、测量一次所得的成本。在有人实际跑出这个结果之前，39 和 17 只是两个事实：关于两台不同的机器，却顶着同一个家族名号。