Muse Spark 开放版 vs Muse Spark：当 Meta 把权重交到你手中时，你放弃了什么

当人们输入"Muse Spark Open vs Muse Spark"时，他们真正想比较的并不是两个模型，而是顶着同一家族名称的两种分发模式。 Muse Spark Open 是 Meta 于 2026 年 10 月 15 日发布的开放权重 816B 参数稀疏混合专家模型，可依据 Muse Model License 下载，输入支持文本、图像、视频和音频，输出为文本。 Muse Spark 则是同一家族的闭源托管产品线——2026 年 4 月的初版模型，随后依次是 Muse Spark 1.1、1.2 和 1.3——通过 Meta 的 Model API 按 token 计费销售，除此之外别无访问途径。一个以文件和许可证的形式交付，另一个以端点和价目表的形式交付。两者之间几乎所有实际差异，都源于这一处分岔。

首先，一个值得澄清的命名问题

"Muse Spark" 不带版本号时确实存在真正的歧义，而如今有了一个开放的同类产品，这种歧义就更加严重了。

• Muse Spark，未标注版本——原始模型，2026 年 4 月发布，在 Artificial Analysis 的列表中为 262K token 上下文，支持文本、图像和语音输入。

• Muse Spark 1.1 和 1.2——分别于 2026 年 7 月和 8 月发布，均具备该系列 1M token 的上下文窗口。

• Muse Spark 1.3 — 2026年9月，这是 Meta 标记为当前版本并推荐用于新工作的版本。

• Muse Spark Open —— 一个独立的开放权重版本，并非闭源产品线的某个版本，也不是 1.3 的后续版本。

还有第四样常与上述所有内容混淆的东西：Muse Glimmer，同一研究团队推出的 30B 稠密开源模型，采用 Apache 2.0 许可。有人搜索“开源的 Meta Muse 模型”却落到 Glimmer 上，结果找到了一个真实存在的开放权重模型，但却是错的那个。Muse Spark Open 才是 816B 模型；Glimmer 则是小型本地模型。

从纸面上看，双方各自是什么

六个维度，涵盖双方，采用供应商提供的数字，并在存在的情况下参考 Artificial Analysis 的独立榜单。

• 权重 — Muse Spark Open：可下载，总计 816B / 激活 42B，受限访问仓库，提供 BF16 和 NVFP4 检查点。Muse Spark（闭源系列）：无权重、无许可证、任何版本均不提供下载，包括 1.3。

• 输入 — 开放版本：根据 Meta，支持文本、图像、视频和音频；根据 Artificial Analysis 的列表，支持文本、图像、语音和视频。闭源 1.2：根据 Artificial Analysis，支持文本、图像、语音和视频。两个来源对开放模型的模态列表看法一致；而双方均未发布的是对音频或视频路径的实测数据。

• 输出 — 仅限文本，双方均是。二者均不生成图像、音频或视频。

• 上下文 — Open 以及 1.1、1.2 和 1.3 均为 1,048,576 个 token。最初未加版本号的 Muse Spark 则更低，为 262K。

• 许可与条款 — 开放：Muse Model License，附带署名要求，以及适用于年度关联收入超过 2000 万美元的模型即服务条款。闭源：商业 API 条款，并提供有折扣的“Contributor”层级，以允许使用你的提示词和补全内容进行训练来换取更低价格。

• 价格 — 开源：Meta 不设定价格，因为 Meta 不提供该服务。你支付的费用要么是你自己的硬件成本，要么是推理平台收取的费用。闭源 1.3：每百万输入 token 1.25 美元，每百万输出 4.25 美元，每百万缓存输入 0.15 美元，Contributor 变体价格为 0.10 / 0.20 / 0.002 美元。

独立的数字，以及关于它们的诚实警告

Artificial Analysis 是唯一一家为这一比较的双方都提供公开榜单的第三方，这使它成为唯一一个可能进行同类比较解读的地方——但有一个它并未隐瞒的星号注记：它拿开放权重模型与同一规模级别的其他开放权重模型进行基准测试，拿专有模型与同一价格区间的专有模型和开放模型进行基准测试。另请注意，下文中闭源一方的数字是 Artificial Analysis 自己对托管端点的测量值，而开放模型的 Index 和速度则来自同一位分析师对某个没人有义务托管的模型的托管榜单。因此，这些分数在方向上可比，但并非经过审计的等同结果。

• Muse Spark Open（xhigh）—— Intelligence Index 39，输入支持文本、图像、语音和视频，输出速度 103.4 tokens/秒，公布的托管定价为 $1.25 输入 / $4.25 输出，每项索引任务 $0.84。

• Muse Spark 1.2（xhigh）—— Intelligence Index 40，文本、图像、语音和视频输入，每秒 361.4 个 token，输入 $1.25 / 输出 $4.25，每项索引任务 $0.97。其页面现在带有指向 1.3 的弃用通知。

• Muse Spark 1.3（max）— 智能指数 48，支持文本、图像和视频输入，每秒 121.9 tokens，输入 $1.25 / 输出 $4.25，每项索引任务 $1.60。

• 原版 Muse Spark — 智能指数 31，262K 上下文，速度和成本未测量，已标记为弃用。

这份榜单的形态才是有意思的地方。开放模型并没有击败闭源那一档。在最高推理设置下，它比已弃用的 1.2 低一分，比 1.3 低九分——而且它做到这一点时，速度大约比 1.2 慢三倍半。它真正赢下的是单任务成本：在同一指数上为 $0.84，对比 1.3 的 $1.60，这是该系列中最低的单任务数字。所以这笔权衡换的不是能力，其实也不是每 token 的价格，因为这张表里每一款托管产品的报价都是同样的 $1.25 / $4.25。它换的是控制权。

那张表中有一个数字值得质疑，而不是被引用。Muse Spark Open 列出的托管价格与 Meta 为闭源 Muse Spark 1.3 列出的标价完全相同，在三列上都精确到分。这可能是真实的市场出清价格，也可能是分析师在该模型自身定价尚未稳定时，用同门产品的价目表把这个字段填上了。在实际提供商发票予以证实之前，请将 Open 的成本数字视为临时数据，将 1.3 的视为供应商发布的数据。

开放许可证会让你付出哪些 API 绝不会让你付出的代价

许可证正是两条路径分歧最为显著之处，也是大多数读者匆匆略过的一节。

直白地说，你能得到的是：自由使用、复制、修改、微调、蒸馏、合并、发布、再许可和出售衍生作品，且 Meta 声明不拥有输出内容的所有权。在此基础上还有两个条件。

• 署名 — 该许可证要求在任何使用该模型或其衍生品的产品界面中，或在其文档、网站或设置菜单中，醒目展示“Built with Muse Spark Open”。

• 模型即服务触发条件 — 如果您或您的关联方通过 API 以产品或服务形式向第三方提供对该模型的访问权限，并且在任意连续十二个月内合计总收入超过 2000 万美元，您必须首先通知 Meta 并签署一份单独协议。内部使用、研究，以及将模型嵌入您自己的非 API 产品中，均被排除在外。

• 受限访问——下载本身受到访问控制，需填写申请表，要求提供法定全名、出生日期以及带有企业标识的组织信息，且一经提交便无法编辑。

把这一点与闭源产品线的条款放在一起对比，结论就会反过来。API 途径完全不涉及署名，不设收入门槛，除了一把密钥之外也不需要任何文书工作。它真正要问的是数据问题：在 Contributor 层级上，Meta 可能会用你的提示词和补全内容进行训练，而这正是它在输入上便宜约十倍、在输出上便宜二十倍以上的原因。闭源 Standard 层级的承诺则恰恰相反——你的数据不会被用于训练。

每条路径的实际运行成本是多少

“每个 token 0 美元对每百万 1.25 美元”这种标题式的对比在两个方向上都不成立，因此值得如实算一算价格。

• 数据中心 BF16 —— Meta 自己的方案会在张量并行度为 32 的情况下，于四个各配备八块 H200 GPU 的节点上运行完整检查点。开放权重并没有消除硬件账单，只是把它转嫁到了你的资产负债表上。

• 数据中心 NVFP4——4 位构建的文档记录基于单个 B200 节点，而 Meta 的 SGLang 参考配置则跨越四个 GB300 GPU。

• 桌面端——真正全新的选项。两台搭载 M5 Ultra 芯片的 Mac Studio 可容纳完整的 BF16 检查点，因为每台最高可提供 512GB 统一内存，带宽达 1.2TB/s。Hugging Face 和 llama.cpp 团队测试的一项 2 比特量化，在单台 512GB M3 Ultra 上以每秒 18 个 token 的速度运行，占用 304GB，并为缓存留出了空间。

• 两条路径上的上下文陷阱——在 BF16 下跑满 1M token 窗口时，仅 KV 缓存就达到约 266GB。买下权重并不等于买下这个窗口；在托管端点上，同样的上限背后是按 token 计价、且以同样方式增长的价格。

闭源产品线没有与桌面产品线对应的条目。不存在任何配置能让 Muse Spark 1.3 在你拥有的硬件上运行，无论采用何种量化，也无论速度如何。

根据情况选择哪一个

这条决策规则比任何一方的宣传口径所指的都要更窄。

• 如果你的工作负载对能力至关重要，且你需要该系列目前能给出的最佳答案，那么闭源路线胜出，而且优势明显——1.3 在最高推理水平下比开源模型高出九个指数点，而开源模型还更慢。

• 如果你的限制条件是提示词绝不能离开你掌控的基础设施，或者你需要进行微调、合并或蒸馏，那么开放权重是该系列中唯一的选择。对于任何 Muse Spark 版本来说，这两点都不成立。

• 如果你追求的是这一系列中每个任务成本最低的结果，那么开源模型 0.84 美元的索引任务是所有选项中最低的数字——但它同时也是所有选项中最缺乏验证的数字，而且这取决于你在哪个平台上运行它。

• 如果你想在正式采用前用真实流量评估其中任意一个，这种拆分本身就是采用单一端点的理由：Muse Spark 1.2 是 OrcaRouter 所路由的两个 Muse 模型之一，按 Meta 的标价提供，0% 加价，因此已公布的价格变动无需重新协商即可直达你的密钥。Muse Spark Open 不在我们的目录中，我们也没有声称它在——它是供你下载的模型，而不是供你调用的模型。我们同样不路由 Muse Spark 1.3；我们提供服务的两个版本是 1.2 和 1.1。

在这个具体场景中，路由层带来的并不是折扣，而是退出通道。一套 API 横跨 200 多个模型，当某个提供商性能下降时自动故障转移，以及一套通过配置就能在模型之间迁移流量的路由 DSL，都意味着开源与闭源之间的选择不再等同于一次迁移。一个一天前发布、只有一个分析师指数、且没有复现结果的模型，恰恰是你希望手里握有在不改动代码的前提下转移流量这一选项的情形。

双方都尚未解决的部分

这一比较之上笼罩着两个悬而未决的问题，而两者都无法得出一个干脆的定论。

第一点是测量。Meta 自己为 Muse Spark Open 提供的评分卡是厂商自报的，并且依赖于具体评测框架，而其发布帖所指向的安全报告被描述为“即将发布”，而非已经发布。独立图景则是一个分析师指数、一个速度指标和一份模态列表——这份列表在规格上与厂商一致，却对那四条输入路径中究竟哪一条已被实际测量只字未提。九个指数点是一个很大的差距，而目前它是由单一方在不同模型类别之间测量出的差距。

第二点是，开放权重是否真的改变了这一系列的发展方向。Meta 如今已在这样的规模上发布了一款模型，同时让闭源产品线的每一个版本都保持专有，而这次开放发布在能力上低于闭源旗舰，而非与其持平。这是一种连贯的策略——前沿能力仍托管在云端，上一代的形态则变成可下载的产物——而 Meta 从未明说过这一点。如果未来的 Muse Spark Open 在发布时就能与闭源产品线匹敌，这一比较就不复存在。在那之前，诚实的解读是：开放权重以能力上的折扣，为你换来了这一系列的架构及其上下文窗口，但并没有为你换来前沿能力。

像这样的对比，也正是失效模式暴露出来的地方：这一类模型背后有据可查的 AI 事件和智能体故障，都收录在OrcaRouter AI Incident Archive中，其中每一条记录都带有自己的来源、严重程度、置信度评级和争议标记。