Muse Spark 与 Muse Glimmer：当把前沿模型蒸馏成 300 亿参数时，究竟什么能真正保留下来

Muse Spark与Muse Glimmer之间的关系，并不是“vs”这个词所暗示的那种对立关系。Muse Glimmer 并不是 Muse Spark 的竞争者——它是它的学生。Meta 通过对 Muse Spark 进行 logit 蒸馏，训练出了这个 300 亿参数的开源权重模型；Muse Spark 是 Meta Superintelligence Labs 于 2026 年 4 月 8 日推出的原生多模态前沿系列，如今以 Muse Spark 1.3 的版本发布——该版本于 2026 年 9 月 2 日推出，两天后其最高推理等级向开发者开放。Muse Glimmer 则于 2026 年 8 月 10 日在 Apache 2.0 许可下跟进。所以，这个页面并不是来自不同实验室的两个对手之间的擂台赛。它衡量的是：一个前沿模型在缩小十六倍并更换许可证之后，还能剩下多少——而 Meta 罕见地公布了这次缩小前后两边的数据。这个比较是否公平，是首先值得诚实面对的问题，而答案是：部分公平。

一个是文件，另一个是端点

先说跟基准测试毫无关系的那部分，因为在任何一个分数起作用之前，它就已经决定了大多数实际部署。

Muse Glimmer 可供下载。Meta 以 Apache 2.0 许可发布其权重，交付时已量化为 4 位——这使占用空间从全精度下的 55 GB 以上降至 20 GB 以下——并表示该模型小到足以在单块消费级 GPU 或一台 Mac 上运行。它可以在断网状态下运行。Meta 在 Nvidia RTX 5090 以及 Apple M4 Max 和 M5 Max 芯片上对其进行了测试。它接受文本和图像输入，返回文本，拥有 131,072 个 token 的上下文窗口——Meta 称其可扩展至 262,144——且知识截止日期为 2026 年 1 月。

Muse Spark 在每一点上都呈现出相反的形态。Meta 未发布其任何版本的权重、许可证或下载；只能通过 Meta 的 Model API、meta.ai 以及 Meta AI 应用访问。它运行 1,048,576 个 token 的上下文窗口——在 Glimmer 扩展之前，就是 Glimmer 的八倍。它接受文本、图像、视频、音频和 PDF 输入，并返回文本。它按 token 计价：每百万输入 token 1.25 美元，每百万缓存输入 token 0.15 美元，每百万输出 token 4.25 美元，并设有 Contributor 层级，价格为 0.10 / 0.002 / 0.20 美元，以更低价格换取使用你的提示和补全进行训练的许可。当你自行运行时，Glimmer 完全没有按 token 计算的供应商账单，因为整个流程中没有供应商。

• 规模 — Muse Spark：未披露，Meta 未公布任何版本的参数数量；Muse Glimmer：30B，以 4-bit 量化发布，体积低于 20 GB

• 权重 — Muse Spark：专有，仅提供托管服务；Muse Glimmer：Apache 2.0，可下载并离线运行

• 上下文窗口 — 1,048,576 tokens 对比 131,072，可扩展至 262,144

• 输入 — 文本、图像、视频、音频、PDF 对比文本和图像

输出 —— 文本 vs 文本

• 价格 — 每百万 token $1.25 / 缓存 $0.15 / $4.25，而自托管时无供应商收费

• 知识截止日期 — Muse Spark 1.3 未公布；Muse Glimmer 为 2026 年 1 月

Meta 为两者发布的唯一基准测试

在蒸馏关系中，这是最罕见的一类数字：同一项评估，由同一个实验室进行，并分别针对教师模型和学生模型报告。

Meta 的模型页面列出 {{1}}GDPval-AA{{/1}}：以最大推理配置运行的 {{2}}Muse Spark 1.3{{/2}} 为 1,754，而高推理下的 Muse Glimmer 30B 为 953。这意味着学生模型在该任务族上保留了教师模型 54% 的得分——这是一个真实、已发布的数据点，而不是推断。必须立刻给它加上两点说明，因为二者都属实，且都不小。首先，Muse Spark 那一行标为 v2，而 Muse Glimmer 那一行完全没有版本标注，因此如果 Meta 在两次测量之间改动了基准测试，那么即便方向未变，这个比值也不牢靠。其次，两个数字都是厂商自行报告的。我们尚未复现其中任何一个，而且我们找不到任何独立测试框架曾发布过针对这对模型的直接对比。

让801分的差距显得可以理解而非令人警觉的，是它背后的第三方图景。在 Artificial Analysis 的 Intelligence Index 上，Muse Spark 1.3 在最高设置下得分为48，Muse Glimmer 在高设置下得分为17。它们来自不同测量轮次的不同指数标尺，而且两者并非在同一群体中排名——Artificial Analysis 按规模级别对开放权重模型进行分桶，因此 Glimmer 是与开放权重同类模型对比衡量，而 Muse Spark 则是与整个领域对比衡量。应把它们读作形态，而非比率。这一形态所说明的，与 Meta 自己的表格所说的一致：蒸馏模型确实处于不同的能力层级，而不是通往相同答案的更廉价途径。

小模型保留了什么

蒸馏中真正有趣的部分，是压缩之后还留下了什么；而在 Meta 自己公布的那几行数据上，Muse Glimmer 并非全面落败。它在 SWE-Bench Verified 上拿到 76.0，在 OSWorld-Verified 上拿到 65.9，在 IFBench 上拿到 77.0，在 AIME 2026 上拿到 94.7，在 GPQA Diamond 上拿到 83.5。对于一款 30B 模型来说，这些都是很强的成绩，也正是架构选择至关重要的原因：Meta 将 Glimmer 描述为在长上下文智能体数据上经过微调，并专门针对工具使用进行了强化，能够在长达数小时的会话中自我管理记忆，并且在工具调用失败后恢复，而不是直接中止。这是一个披着通用模型名字的专用模型。

页面上最有用的背景信息是Meta自己选择的对比对象。它为Muse Glimmer准备的基准测试表并没有将其与Muse Spark并列，而是将其与思考模式下的Gemma 4 31B和思考模式下的Qwen3.6 27B并列——同一规模级别，同样的开放权重前提。在该表上，Glimmer在大多数行中获胜，但并非全部：它在MCP Atlas上以75.5对62.5领先Qwen模型，在TerminalBench 2.1上以51.7对60.7落后，在GDPval-AA上以953对1，141落后。因此，即使在其自身权重级别内，这个蒸馏后的Meta模型也不是自动选择，这比页面标题所暗示的更为诚实。

还有两行数据值得单独拎出来，因为它们可衡量，而且在规划时很容易弄错。Artificial Analysis 记录 Muse Glimmer 每完成一项 Intelligence Index 任务的成本为 0.05 美元，输出速度为每秒 122.4 个 token——相比之下，Muse Spark 1.3 在最高设置下为 1.60 美元和每秒 121.9 个 token。就这两项数字而言，这个小模型每完成一项任务的成本大约只有前者的 1/32，而吞吐量基本相当。这正是蒸馏带来的回报，而如果你只比较指数得分，这一点是看不出来的。

比较失效之处

它会在输入上出错，而且出错的程度比记分牌所显示的更严重。

Muse Spark 1.3 可接收视频、音频和 PDF。Muse Glimmer 可接收文本和图像。如果你的流水线把屏幕录制、通话录音或扫描文档直接送入模型，那么这两者绝不是可以相互替代的选项，无论价格如何——其中一个在物理上根本无法接收这种载荷。Meta 自己的文档还从一个意想不到的角度印证了这一点：它警告称，Muse Spark 1.3 的音频理解并未得到完全支持，带音频请求的质量可能会下降，并建议音频工作负载使用 Muse Spark 1.2。因此，即使在托管产品线内部，最新版本也并非对所有输入类型都是正确选择，而能处理音频的选项反而是较旧的检查点。

第二个分水岭是上下文。一百万个 token 与 131,072 个 token 的对比并非营销上的差异；它体现的是这样一种区别：一个模型能在单次调用中容纳大型代码仓库或长篇案卷，而另一个模型则需要围绕它构建检索层和摘要步骤。如果你的工作是长时程的代码库推理，那么 Glimmer 的上下文上限将是你最先撞上的约束，远早于它的基准测试分数。

第三点是数据边界，而它的作用方向相反。一个始终不离开你硬件的请求，供应商无法记录，无法按 token 定价，也不会受到费率变化的影响。对于有驻留要求的工作负载，或者按 token 计算的预算无法在规模扩大后维持的工作负载，仅凭这一属性就胜过 30 个指数点。

每一个实际所在的位置

Muse Glimmer 的分发范围之所以广，是因为开放权重本就如此。Meta 在 Hugging Face 上列出了该模型的下载，并指向本地运行时——llama.cpp、MLX、Ollama、LM Studio、Unsloth——同时还有厂商自家的托管列表以及若干第三方推理平台。我们在此不会点名那些平台；对读者而言，重点只在于这些权重是可移植的，任何能加载 30B 4 位模型的东西都能将其投入服务。

Muse Spark 系列从构造上就是狭窄的：三个版本、一家供应商、一个 API、没有权重。这种集中才是基于它进行构建的真正风险，而这种风险完全不适用于 Glimmer。

在可能的情况下，将两者放在同一个按键上

我们自己的目录比这两则说明中的任何一个都更窄。我们提供Muse Spark 1.1和Muse Spark 1.2——这两个检查点标价为每百万 token 输入 $1.25、输出 $4.25，均按 Meta 的标价，我们的 0% 加价原样传递——而我们不托管 Muse Spark 1.3、Contributor 的两个变体中的任何一个，也不托管 Muse Spark Open。Muse Glimmer 同样不在我们的目录中，而对它的诚实建议在性质上有所不同：它是开放权重，因此运行它的自然场所是你自己的硬件，或是一个能加载它的运行时。

路由在这里真正能发挥作用的地方，是你很可能正在考虑的那次迁移。如果你正在测试一个 30B 蒸馏模型能否接管部分前沿工作负载，你想要的其实是把两者放在同一个端点里，这样就能在不签第二份合同的情况下迁移并衡量一部分流量——Muse Spark 1.1 和 1.2 同一个密钥即可使用，并具备自动故障转移，因此失败的长上下文调用会降级到另一个检查点，而不是直接报错；还有一个路由 DSL，让你按配置而非改代码来切分流量。当 Meta 托管的那条产品线再次变动时，改动只会落在一个地方。

该选哪一个

如果你的工作是文本和图像，运行在你自己的机器或租来的 GPU 上，并且需要对按 token 计费免疫，那么 Muse Glimmer 就是答案，而且优势不是一星半点——你付出的是大约一半的 GDPval-AA 分数，换来的是一个每次调用都不花钱、任何人都无法对其限流的模型。

如果你的工作涉及视频、音频、PDF，或者上下文确实很长，Muse Glimmer 并不是 Muse Spark 的廉价版本。它是另一种工具，蒸馏并没有把这些能力带过来。这时候该转向托管系列，预算按每百万 token 1.25 美元和 4.25 美元来算，并且要确认究竟是哪个 checkpoint 能真正处理你的数据类型——就音频而言，Meta 自己的文档指向的是较旧的版本。

蒸馏对比最诚实的总结是：学生模型在被训练去做的事情上表现极其出色，而在未被训练的事情上则完全缺席。Muse Glimmer 是 Meta 自 Llama 4 以来发布的关于开放权重的最有力论据，而且上面的数字是 Meta 自己的。它们没有展示——任何厂商的表格也无法展示——的是这对模型在你的工作负载上表现如何。那是一项实验，而不是一次查表。

基准测试会过时，价格会变动，但失败记录不会：这一类模型背后有据可查的 AI 事故与智能体故障，均收录于OrcaRouter AI 事故档案库，其中每条记录都带有各自的来源、严重程度、置信度评级和争议标记。