Muse Spark Open 对比 Muse Spark 1.2：开源旗舰并非升级版

当一家实验室将其最大的模型开源时，人们的第一反应往往是认为可下载的版本更好；而在 Muse Spark Open与Muse Spark 1.2的对比中，这种直觉恰恰在人们最先查看的那个维度上是错的。在 Artificial Analysis 上，专有 API 模型的智能指数得分为 40，而新开源的 8160 亿参数模型得分为 39——相差仅一分，且偏向的正是你付费租用的那个模型。开源的那个并不是更强的模型。它是另一种交易，而这种交易本身才是整个对比的关键。

句子的版本

Muse Spark 1.2 为你带来的是一个快速、廉价的按 token 计费端点，你无需自行运维，而且它的各种模态都经过了独立验证。Muse Spark Open 为你带来的是你可以握在手中的权重——可以微调、审计，并能在没有网络的情况下运行，但硬件得你自己买，而且吞吐量至今无人公布。这是两款不同的产品，只不过恰好共用一个家族名称。

他们究竟立场如何

逐行列出，每个维度上胜出的一方先说。

• 智能 — Muse Spark 1.2 在 Artificial Analysis 智能指数中得分为 40，Muse Spark Open 为 39。双方均经过独立测评；一分的差距不足以成为选择任一模型的理由。

• 吞吐量——Muse Spark 1.2，而且遥遥领先：Artificial Analysis 在输出速度上将 185 个模型中的它排在第一位，达到每秒 361.4 个 token。Muse Spark Open 的速度根本未被任何独立方测量过。2026 年 10 月，桌面上没有任何东西能在 816B 的混合专家模型上达到 361 tok/s；问题在于它会落后多远，而这个数字目前还不存在。

• 价格 — Muse Spark 1.2 每百万输入 token 为 1.25 美元，每百万输出为 4.25 美元，缓存输入可享 88% 折扣，实测每项 Intelligence Index 任务成本为 0.97 美元。Muse Spark Open 没有按 token 计费的价格；其价格即硬件购置费用，而 Artificial Analysis 尚未公布其成本数据。

• 权重——完全由 Muse Spark Open 提供。根据 Muse Model License，以 BF16 和 NVFP4 格式发布的 Hugging Face 受限访问仓库，在计入运行时开销前约为 1.5TB。Muse Spark 1.2 的权重不以任何形式分发。

• 本地运行 —— Muse Spark Open，可在两台配备 MLX 的 M5 Ultra Mac Studio 上运行，也可在单个搭载 TensorRT-LLM 的四 GPU Blackwell 节点上运行。Muse Spark 1.2 除了在服务商处之外别无他处可运行。

• 微调 — Muse Spark Open，Meta 还专门为其提供了 TorchTitan 支持。Muse Spark 1.2 无法基于你的数据进行微调。

• 模态——存在争议，而根据现有证据，结果对 Muse Spark 1.2 有利。Artificial Analysis 将 1.2 列为可接受文本、图像、语音和视频，并将该开放模型列为仅可接受文本和图像，而 Meta 自己的材料则声称 Muse Spark Open 支持文本、图像、视频和音频。独立测量已证实较窄的说法；供应商则主张较宽的说法。

• 推理——两者基本上是相同的安排。两者都不允许关闭推理。Muse Spark Open 提供 low、medium、high 和 xhigh 努力级别，分别映射到 16、64、256 和 512 个推理 token，并在系统提示中提供推理强度提示。

• 背景 —— 在 1,048,576 个 token 上真正不分伯仲，但有一个附加条件让它们在实际中分出高下。在 Muse Spark Open 上，BF16 下完整的百万 token 上下文会在权重之外额外消耗约 266GB 的 KV 缓存。而在 Muse Spark 1.2 上，上下文则是别人的容量问题。

• 许可证 — Muse Spark Open 依据 Muse Model License，附带有限的商业条款；Muse Spark 1.2 则依据普通 API 条款。两者都不是 Apache 2.0，而那个开放许可证才是你真正必须去读的那一个。

往下读那份清单，决策的轮廓已经清晰可见：开放模型在你对模型所做的那些事情上胜出，而托管模型在模型对你所做的那些事情上胜出。

对大多数团队来说，决定成败的那个数字

Muse Spark 1.2 的主打规格是每秒 361.4 个 token，在 185 个被测模型中排名第一。这不是营销数字——正是它让该模型能够在智能体循环中真正可用：在智能体循环里，编码智能体每分钟会发起数十次小规模往返调用，而模型的实际耗时就是任务的实际耗时。

Muse Spark Open 的吞吐量未知。这就是证据的诚实状态，也是本周所写的任何对比中最大的一个漏洞。可以确信地说，这是结构性的：一个 8160 亿参数的模型在消费级桌面硬件上每 token 激活 420 亿参数，其瓶颈是内存带宽，而不是算力。两台 M5 Ultra Mac Studio 能提供 1.2 TB/s 的带宽和 1 TB 的统一内存，这足以容纳模型并读取每个 token 所需的那一片。但这还不足以让交互式智能体拥有 API 般的体验。如果你的工作负载是交互式的，这就不是一场势均力敌的较量。如果你的工作负载是批处理的——通宵的代码库扫描、离线评估、大规模提取，在这些场景里延迟无关紧要，而每 token 成本就是一切——那么这笔账就完全反过来了。

台式机真的更便宜吗？

这正是开放模型赢得一席之地的地方，也是这一论证的朴素版本失灵之处。双 Mac Studio 配置意味着一笔资本支出，再加上电力、散热以及某个人的注意力。与之相对，你可以把不再购买的那些 token 拿来相抵。

这种比较只有在用量足够大时才成立，原因在于 Muse Spark 1.2 的缓存折扣在托管侧已经承担了很大一部分成本。缓存输入打 88% 的折扣时，这个模型之所以便宜，恰恰是因为智能体编程产生的那种重复上下文模式——同一个代码仓库、同一段系统提示、同一组工具定义，每一轮都会重新读取。自托管部署拿不到折扣；它拿到的是固定成本，而固定成本只有靠规模大、稳定且可预测的用量才能摊薄。一个团队用两台机器的桌面配置来承载突发性的智能体流量，等于是为一种可变负载买下了固定成本，而这正是这类账算错的经典方式。

诚实的说法是，自托管 Muse Spark Open 是容量决策，而不是成本决策。你购买它，是为了保证模型始终可用、不会在你脚下被弃用、你的提示词永远不会离开你的场所，并且你可以通过微调改变它的行为。这些都是真实存在、有时甚至是决定性的理由。“它会更便宜”这个理由则必须针对你的流量重新推导，而对很多流量来说，它根本不成立。

每一个真正是用来做什么的

Muse Spark 1.2 是适合用来构建产品的模型。它速度快，有经过实测的每任务成本，其模态清单已获独立确认，按 token 计费并提供契合智能体模式的缓存折扣，而且如今已经可以路由调用。选择它，就是选择用钱换工程时间，而在 $1.25/$4.25 的价格下，这往往是正确的取舍。

Muse Spark Open 是构建能力所依托的模型。微调正是它存在的理由：如果任务范围狭窄、量大且定义明确——针对特定代码库的智能体、面向固定语料的文档流水线、必须部署在本地的分类器——那么你自己拥有的、经过微调的 42B 激活参数模型将胜过你租用的通用端点，而再多的提示工程也弥补不了这一差距。桌面端的故事是同一论点的缩影：重点不在于它能在 Mac 上运行，而在于它在你所在的地方运行。

模态问题，以及为何值得关注

Meta 称 Muse Spark Open 支持文本、图像、视频和音频。而对该模型进行评测的 Artificial Analysis 则仅列出文本和图像。这一出入并非咬文嚼字——原生多模态的开源权重模型，与仅支持文本和图像的模型，本质上是截然不同的资产；而这一差异恰恰决定了该模型究竟能否成为音频与视频流水线的候选对象。

最可能的解释都很平常：Artificial Analysis 可能是通过一个未暴露额外模态的端点或配置进行评估的，或者该架构可能接受已发布部署并未实际使用的输入。对决策而言，重要的是：宽泛的说法是厂商声称的，而狭义的说法是实测的。如果你感兴趣的原因是音频或视频，在为其投入硬件之前，先在你自己的技术栈上验证它。如果不是，那这个问题就是学术性的——并且请注意，Muse Spark 1.2 的语音和视频支持已在独立方得到确认，而这是该开放模型目前无法宣称的。

并排运行它们

最终同时采用两者的团队，大多根本不会在二者之间做取舍。行之有效的模式是：把托管模型放在交互路径上，把开放模型放在批处理和本地部署路径上，并且通过配置而非文档来强制落实这种分工。

这正是路由层的用武之地。OrcaRouter 以 Meta 的标价路由 Muse Spark 1.2，加价 0%，因此这一拆分中托管的一侧，费用与在 Meta 自家 API 上完全一致——供应商降价当天即在同一个密钥上生效——并且它让该模型处于与 200 多个其他模型相同的接口之后，具备提供商性能下降时自动故障转移以及一套路由 DSL，无需重写即可在模型与提供商之间迁移流量。OrcaRouter 不托管 Muse Spark Open，也未声称托管；一个其价值就在于你可以下载的模型，就是你自己运行的模型。路由器为你提供的是这一拆分的另一半，因此交互路径可以留在快速端点上，而批处理路径则在你自己的硬件上运行。

裁决

Muse Spark Open 与 Muse Spark 1.2 之间的较量，并不是更好模型与更差模型之争。它是一场拥有模型与租用模型之间的较量，而这场较量的双方并不以相同的单位来衡量——一方以智能指数分数和每秒 token 数计，另一方则以资本、控制权以及更改权重的权利计。

如果你想要每美元工程投入下最强的实测能力，如果延迟很重要，如果你想要已确认的音频和视频支持，或者如果你今天只是需要一个通过单一密钥就能使用的 Muse 模型，就选 Muse Spark 1.2。如果你需要微调，如果数据不能离开你的网络，如果工作负载足够大且可预测、足以摊薄硬件成本，或者如果可用性保证对你而言比指数得分上的最后一分更有价值，就选 Muse Spark Open。

唯一值得给出的建议，是抵制那种认为开放权重自动就是能力更强选项的说法。就证据而言，它们并非如此。它们只是更属于你。

Muse Spark Open 现已可依据 Muse Model License 下载；Muse Spark 1.2 可通过 Meta 的 API 按 token 计费使用，也可在 OrcaRouter 上按标价获取。