Muse Spark 对比 Qwen 4 Max：这场对比中有一半尚无端点

一篇将 Muse Spark与 Q​wen 4 Max进行比较的页面存在一个问题，这个问题与两个模型的质量都无关，而且它属于第一句话，而不是最后一句话。Muse Spark 是真实且可调用的：M​eta Superintelligence Labs 于 2026 年 4 月 8 日推出了该系列，当前检查点 Muse Spark 1.3 自 2026 年 9 月 2 日起已全面可用，价格为每百万输入 token 1.25 美元、每百万输出 token 4.25 美元。Q​wen 4 Max 不可调用，也从未可调用过。它于 2026 年 9 月 22 日在杭州云栖大会上亮相，此后没有发布过任何东西——没有模型卡、没有 API 标识符、没有上下文窗口、没有价格、没有权重、没有基准分数。因此，这场对比唯一诚实的版本是两部分回答：已宣布的 Q​wen 4 Max 应该是什么，以及 Muse Spark 与你今天实际可以发送请求的 Q​wen 旗舰模型相比如何，也就是 Qwen3.8-Max。

确切地说，Qwen 4 Max 是什么

它是一条产品名录记录。在云栖大会上，Q​wen 大模型负责人刘大一恒预告了四个档位——旗舰 Q​wen 4 Max，以及 Q​wen 4 Flash、Q​wen 4 Plus 和 Q​wen 4 27B——称该系列基于新一代架构训练，并表示很快就会推出。这就是公开记录的全部内容。没有任何档位附带日期，而此后六周里，也没有发布任何可供你据此规划的信息。

与公告一同流传的一个数字并不属于该公告。与 Q​wen 4 新闻相关的“5 到 10 万亿参数”目标，是关于 Q​wen 4 之后几代的前瞻性表述——即 Q​wen 4.5 和 Q​wen 5 的时间范围——而不是 Q​wen 4 Max 的规格。A​libaba 完全没有为 Q​wen 4 Max 附加任何参数数量。如果你这个月看到它被描述为一个数万亿参数级别的模型，那个数字是从另一张幻灯片沿用过来的，值得拒绝重复。

确实存在的是该架构的部分预览，只是换了个名字。Qwen3.8-Flash-Next 于 2026 年 8 月下旬开源，其模型卡将其标为 Qwen 4 架构的预览：一个稀疏模型，拥有 1250 亿主参数，外加 510 亿参数的 N-gram 嵌入，每步激活约 60 亿参数，原生上下文为 262,000 个 token，据报道训练成本比 Qwen3.7-Plus 低约 90%。这能让你了解即将到来的东西的轮廓。它并没有告诉你 Qwen 4 Max 的跑分、成本或接受什么。

• 可用性 — Qwen 4 Max：2026年9月22日宣布，无端点、无日期；Muse Spark 1.3：自2026年9月2日起全面可用

• 已公布的基准测试分数 —— Qwen 4 Max 没有；Meta 为 Muse Spark 1.3 发布了完整的智能体评分卡

• 参数数量——Qwen 4 Max 未披露；Muse Spark 1.3 同样未披露，不过阿里巴巴已确认其已出货的旗舰模型总参数量为 2.4 万亿，其中活跃参数为 950 亿

• 价格 — Qwen 4 Max 尚未公布；Muse Spark 1.3 为每百万 tokens 1.25 美元 / 4.25 美元，并设有 Contributor 层级，价格为 0.10 美元 / 0.20 美元

• 上下文窗口 —— 未公布；Muse Spark 1.3 为 1,048,576 个 token

• 权重 — 两者都没有开放。这两个系列中的开放权重属于 Qwen3.8-2.4T-A95B，而在 M​eta 这边，则属于 Muse Spark Open 和 M​use Glimmer

你能真正运行的对比

Qwen3.8-Max 是衡量 Qwen 4 各档模型的基准，而它如今已在承载生产流量：自 2026 年 8 月 3 日起正式可用，价格为每百万输入 2.00 美元、每百万输出 6.00 美元，在其整个上下文窗口内统一计价，不收取长提示词附加费；它被构建为一个 2.4 万亿参数的专家混合模型，每个 token 激活 950 亿参数；并于 2026 年 8 月 12 日以 Qwen3.8-2.4T-A95B 之名开放权重，同时提供 BF16 和 FP8 两种格式，采用自定义的 Qwen 许可证。最后这一点很重要，也容易被忽略：旗舰模型的权重已经开放，而托管 API 只是在此之上提供的便利，而非唯一途径。

这对模型的独立评测情况异常清晰，因为 Artificial Analysis 同时收录了两者，而且两者发布仅相隔十天，所依据的还是同一版指数修订。以下所有内容均来自这些收录信息，且这两个模型并未在统一的测试框架上重新跑过——请将这一比较视为对已公布测量结果的同类对比解读，而非受控试验。

• 智能指数 — Muse Spark 1.3 (Max) 48，217 中排名第 24，对比 Qwen3.8-Max (0902) 45，217 中排名第 33

• 输出速度 — 每秒 121.9 个令牌，对比每秒 39.3 个令牌，其中 Q​wen 模型在 186 个中排名第 181，而 M​eta 模型在 186 个中排名第 43

• 每完成一个 Index 任务的成本——1.60 美元 vs 5.41 美元

• 每百万 token 标价 — 输入 $1.25 / 输出 $4.25，对比输入 $2.00 / 输出 $6.00

• 上下文窗口 — 1,048,576 个 token，对比 984,000

• Index 上的冗长程度——1.7 亿输出 token 对比 1.9 亿

这套组合的有趣之处在于，Q​wen 模型在每一个维度上都更慢、更贵，得分却低了三个指数点，而且差距并不小。在每秒 39.3 个 token 对 121.9 个 token 的情况下，Muse Spark 1.3 大约快三倍，其每完成一个任务的成本约为 Qwen3.8-Max 的三分之一——1.60 美元对 5.41 美元——而每 token 的价格仅相差约 40%。差异在于速度，而不在于价目表：一个生成每个 token 所需时间是三倍的模型，会在等待期间持续花钱。任何仅凭标价比较这两者的人，都会对哪个运行起来更便宜得出错误结论。

有两件事会对此形成制约，因为诚实的比较需要两者兼顾。首先是模态。Muse Spark 在 Meta 的文档中被描述为接受文本、图像、视频、音频和 PDF，并返回文本；Qwen3.8-Max 接受文本、图像和视频。在承载扫描文档或音频的流水线中，Qwen 旗舰模型根本无法接收这些负载——而除此之外，Meta 还警告称 Muse Spark 1.3 的音频理解并未得到完全支持，并将音频工作负载指向 Muse Spark 1.2。其次是差距的大小。三个指数点并不是层级变化；它是一种会在不同测试框架或不同任务组合下发生反转的差距。速度和成本差异才是这里更持久的发现，而智能差异则是需要宽松看待的那一项。

在两个家族真正不同的地方，而不仅仅是在分数上

信息披露是最鲜明的分水岭。阿里巴巴公布了 Qwen3.8-Max 的参数量，并发布了其权重；Meta 则没有公布任何 Muse Spark 版本的参数量，也没有发布其中任何一版的权重。两大旗舰系列在当前形态下都仅提供托管服务——你无法自行托管 Muse Spark 1.3，而尽管 Qwen3.8-2.4T-A95B 的权重确实存在，一个 2.4T 参数的模型也是数据中心里的物件，而不是你能在工作站上运行的东西。但选择权在一方存在、在另一方不存在，而存在的选择权即便你不行使，也有其价值。

推理投入控制是第二处分歧，而 Meta 的做法更为细致，其方式会直接影响你的账单。Muse Spark 的推理投入分为 minimal、low、medium、high、xhigh 和 max 六档；max 档于 9 月 4 日上线，也就是发布两天之后，是在额外的安全测试之后才推出的，而 Meta 公布的每一个头条数字背后，用的都是这一配置。Meta 还为 1.3 检查点提供了第二种价格：Contributor 层级为每百万 token 0.10 美元 / 缓存 0.002 美元 / 0.20 美元，大约比 Standard 费率低一个数量级，代价是允许其用你的提示词和补全结果进行训练。这一层级在 Qwen 那边没有对应方案，而对于高流量、非敏感的工作负载，它对成本比较结果的影响，比任何一个指数点位都要大。

开放权重这一翼是第三块。如果你真正想要的是这两个系列中任一个的可运行权重，那两款旗舰都给不了你。Meta 的是 Muse Spark Open和Muse Glimmer；阿里巴巴的是 Qwen3.8-27B 以及 Qwen 3.8 开放系列的其余模型。那些与本文讨论的是不同的话题，而搜索"Muse Spark vs Qwen 4 Max open weights"，所回答的问题两家厂商都没问过。

什么会改变这个页面

三件事，没有一件是任何人已经承诺过的日期。一份模型卡就能在一份文档里把参数量、上下文窗口、模态那一行以及价格统统敲定。一张基准测试表就能给出第一批可以与 Meta 的数字并列摆放的数字。一个已发布的端点会让这一页变得过时，而这正是值得期待的结果——到那时，这场对比就会变成读者来到这里时所期待的那种对比，而诚实的做法就是把这一点说出来，而不是绕着这份缺失做文章。

在那之前，有用的信号是正在出货的 Qwen 世代。Qwen3.8-Max 是 Qwen 4 Max 必须超越的基准，它公开了权重，也公布了价格，而 Qwen3.8-Flash-Next 中的 Qwen 4 架构预览表明，这一系列正被打造为能以一小部分训练成本达到相当的质量。最后这一点是预测而非事实，但它正是值得追踪这条路线图的理由：一个训练成本更低的系列，就是一个可以激进定价的系列，而激进定价正是阿里巴巴两年来唯一稳定兑现的东西。

运行此比较中存在的那一半

这里的两个可调用模型都已在我们的目录中，这使得本页的实用版本成了一个路由问题，而非研究问题。OrcaRouter 提供 Qwen 3.8 系列——Qwen3.8-Max、Qwen3.8-Flash 以及开放权重的 Qwen3.8-27B——还有我们服务的两个 Muse Spark 检查点 Muse Spark 1.1 和 Muse Spark 1.2，全部通过一个兼容 OpenAI 的端点提供，覆盖 200 多个模型，按各提供商的标价计费，0% 加价直接传导。Muse Spark 1.3 不在我们的目录中，而 Qwen 4 Max 不在任何目录中，因为它尚不存在；当其中任何一个发布、且有提供商提供时，同一个密钥就是它会出现的入口。

在这次具体对比中，它能给你带来的是：在你自己的流量上解决那三个指标点的问题。路由 DSL 通过配置而非代码，把一部分请求从 Qwen3.8-Max 移到 Muse Spark 1.2，而自动故障转移意味着失败的长上下文调用会降级到另一个模型，而不是降级到错误页面。鉴于这两个系列之间的独立差距很小，这个实验比任何排行榜名次都更有价值——而且这是唯一能查明 Meta 快三倍的输出是否真的对你的工作负载形态有影响的方法。

所以：Muse Spark 默认赢得了这场比较，而把它当作定论来呈现是不诚实的。它是那个拥有端点、价格、上下文窗口和评分卡的模型。Qwen 4 Max 则只有一次台上公告、一份四档产品阵容，以及其架构以另一个名称运行的预览。等模型卡落地后再回来；届时有趣的问题将是，Alibaba 的路线图经济学能否在 Meta 的下一个检查点之前达到价格线。

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。