Muse Wonder Full vs Muse Glimmer：表格中的最佳得分也是其中最差的数字

Muse Wonder Full 和 Muse Glimmer 是 Meta Superintelligence Labs 已公布产品谱系的两端。Muse Wonder Full 是于 2026 年 10 月 12 日宣布的专有前沿检查点，作为 Muse Code 订阅的一部分出售，并在 Meta 自己的指数上得分 59.1。Muse Glimmer 是一个 300 亿参数的 Apache 2.0 模型，于 2026 年 8 月 10 日发布，出货时已量化为 4 位，因此可占用低于 20 GB 的显存，在独立的 Artificial Analysis Intelligence Index 上得分 17。两者之间横亘着 42 分的综合得分、一份许可、一次下载，以及一扇每月 50 美元的门——还有 Meta 自己表格中的一行，其中更贵的那一个得分为 13.1。

那一行是 Harvey LAB-AA，Meta 的法律智能体基准。Muse Wonder Full 在该基准上的得分为 13.1。Muse Wonder，即同一发布版本中可调用的检查点，得分为 54.3，GPT-6 Astra 为 54.5，以及 Claude Opus 5.5 为 55.2。一个以四分优势领跑综合指数的模型，却在一套任务型套件中排名垫底，差距达 41 分。这是理解这组对比时要明白的第一件事：综合得分并不能说明实际工作。

两款产品，同一个姓氏，还有第三款常与两者混淆的产品

• 权重 — Muse Glimmer 采用 Apache 2.0 许可，可下载，以 4 比特精度发布；Muse Wonder Full 为专有模型，未发布检查点，也不会发布。

• 运行在哪里——Muse Glimmer 在您自己的加速器上离线运行；Muse Wonder Full 则在 Muse Code 内的 Meta 基础设施上运行。

• 购买方式 — 若自行托管，Muse Glimmer 不按 token 收费；若通过托管端点使用，则为每百万 token 输入 $0.325、输出 $1.35；Muse Wonder Full 则完全不按 token 定价，其公开方案为 Power Usage 每月 $50、Maximum Usage 每月 $200。

• 参数 — Muse Glimmer 300 亿，量化后低于 20 GB；Muse Wonder Full 未公开。

• 上下文窗口——Muse Glimmer 131,072 个令牌，可扩展至 262,144；Muse Wonder Full 在该系列中描述为 1,048,576 个令牌。

• 模态输入 — Muse Glimmer 文本和图像；Muse Wonder 系列文本、图像、语音和视频。

• 知识截止日期 — Muse Glimmer 2026年1月；Muse Wonder Full 尚未发布。

• 能对它做些什么——Muse Glimmer 可以被固定、分叉和微调；Muse Wonder Full 可以被弃用。

Meta 在 RTX 5090 以及 Apple M4 Max 和 M5 Max 芯片上测试了 Glimmer，这已是此处“本地运行”的实际定义——满精度超过 55 GB，因此推出 4 比特版本正是该模型得以部署的全部原因。Muse Wonder Full 则完全不是这样运作的。它是通过订阅、以某个套餐价格来使用的，且使用期限取决于 Meta 提供该服务的时间。

还有一个区别值得直说，因为命名悄然抹平了它：{{1}}Muse Wonder Full{{/1}}在任何一般意义上都不是 Muse Wonder 系列的顶端，它也不是更大的 Glimmer。它是与 Muse Wonder 同时公布的另一个独立训练目标，也是三者中唯一一个无法按 token 购买、无法自行托管、没有采购订单就无法评估的。

许可证是无人定价的轴心

这种比较通常被框定为能力与成本的对比。但真正能预测你能做什么的框架，是能力与控制，而这两个模型恰好位于其两极。

Muse Glimmer 设计的方方面面都假定的是拥有者，而不是客户。权重采用 Apache 2.0，量化已经为你完成，占用空间不到 20 GB，因为正是这个数字让单张消费级显卡足以胜任，而知识截止日期也已公布，所以你知道它不知道什么。你可以分叉它、微调它、固定某个修订版本，并在供应商失去兴趣后继续用它提供服务。对于一个由某个实验室发布的模型来说，该实验室自那之后已经又推出了两代产品，最后这一点并非假设。

Muse Wonder Full 则相反。没有可持有的产物，没有可固定的修订版本，无法审计一个月到下一个月之间发生了什么变化，而且如果计划失效，也没有通往检查点的路径。公布的复合评分是你唯一能持久获得的东西，而它是一个关于 Meta 的测试框架、而非你的工作负载的数字。

其现实后果是不对称的，值得毫不含糊地说明。如果某个请求无法离开设备——没有网络连接的工厂车间，一次 API 调用本身即构成合规违规的气隙环境，往返一次已经过于昂贵的延迟预算——那么无论价格如何，Muse Wonder Full 都不会参与其中。Glimmer 是一个文件。Full 是一项订阅。

42分的差距究竟由什么构成

这么大的差距通常意味着一个模型就是更差。在这里，它主要意味着两者是为不同任务而打造的，而各项子分数展现而非掩盖了这一点。除非另有标注，下文所有数据均为 Artificial Analysis 在版本 v4.3.2 上的测量结果。

• 智能指数 — Muse Wonder Full（max）56，在 699 个模型中排名第四；Muse Glimmer（high）17，在 142 个中排名第十五。

• 长上下文召回 —— Muse Glimmer 83.3%，在同一轮测试中领先于 Claude Sonnet 5.5 的 82.7%。Muse Wonder Full 的数值未在同一评测框架上公布。

• Terminal-Bench 4.0 — Muse Glimmer 0.5%；Muse Wonder 系列在厂商的表格中报告为 85.5 和 85.6。

• Humanity's Last Exam — Muse Glimmer 22.0%；Muse Wonder Full 未在同一测试框架上报告。

• 输出速度 — Muse Glimmer 每秒 143.8 个 token。Muse Wonder Full 未在同一测试框架上公布，其每个索引任务的成本也未公布，因为没有可用于计算该成本的按 token 费率。

• 每个索引任务的成本 — Muse Glimmer 托管约 $0.06。Muse Wonder Full：不适用，无计量路径。

长上下文这一项才是该停下来细看的地方。一个 300 亿参数的模型被量化到 20 GB，却能在超长输入中查找事实时与当前的前沿检查点持平，这并非舍入误差——这正是训练方案所瞄准的目标，也是任何人能为 Glimmer 提出的最有力主张。Terminal-Bench 这一项则是另一端：半个百分点意味着该模型无法完成智能体软件任务，而硬件上的任何节省都不能让一个永远完不成的任务变得更便宜。一项经过同行评审的多智能体编排研究纳入了 Muse-Glimmer-30B，发现它未能召回其中任何一个候选对象，这从另一个方向得出了同样的结论。

Glimmer 阅读流畅、回答迅速、随处可运行，却无法执行。Muse Wonder Full 能够执行，并报告了该系列中最高的综合得分——随后却在法律智能体套件上报告了 13.1 分，这低于 Meta 自己表格中的其他所有前沿模型。这两个事实彼此都无法解释对方。

$0.06 这个数字是个陷阱，$50 也是

托管式每次索引任务成本这一数字应立即被排除在外。$0.06 是 Artificial Analysis 通过托管端点、以每百万 $0.325 和 $1.35 的价格调用 Muse Glimmer 所花费的金额——它衡量的是租用该模型的经济账，而非运行该模型的经济账。自行托管时，按 token 计费的账单不复存在，取而代之的是你已经拥有或必须购买的加速器，外加将其投入服务所需的工程时间。拿 $0.06 与前沿模型的每任务成本相比较，仿佛两者可以直接等同，这是本页最容易犯的错误。

50美元是反方向的另一种陷阱。与每百万输出20美元的费率放在一起看，它显得便宜，但其实并不便宜，因为它买不到任何可衡量的单位。十个提示词和一千万个提示词花费相同，而你为此买单的那个分数——Meta指数上的59.1——并不是开放榜单为同一检查点公布的分数。Meta的表格显示，在Artificial Analysis Index上是59.0；Artificial Analysis公布的是56。同一个具名指数上出现3分的分歧，告诉你哪个数字是宣称，哪个是测量值。

老实说，这两个模型根本不在同一条轴上。Muse Glimmer 是按加速器定价的，其成本不随用量规模变化——每天十次请求时很贵，而一千万次时却便宜得惊人。Muse Wonder Full 则是按月定价，其成本不随任何你能衡量的东西变化。一个随你的使用量而变动。另一个则完全不动。

实际上位于它们之间的那一级

读到这里的多数团队并不想要这两种极端。他们想要的是：把便宜、私密、量大的那一半工作负载交给跑在自家硬件上的小模型，把困难的那一半交给通过 API 调用的前沿级模型。而尴尬之处在于，这两者通常意味着两套彼此分离的技术栈，以及两份彼此分离的计费关系。

这个家族中的三个 Meta 模型之一，正是我们所提供的一条路由。meta/muse-spark-1.2——更大的教师模型 Glimmer 正是从它蒸馏而来的——位于 OrcaRouter 目录中，输入 $1.25、输出 $4.25 每百万 token，上下文窗口为 1,048,576 token，缓存读取 $0.15。这使它处于中间一档：在执行型工作上比 30B 学生模型强得多，输出价格是 Muse Wonder 的五分之一，并且与其他所有模型一样，用同一个密钥即可访问。

两点坦诚说明，因为这样的命名容易让人产生错误的联想。Muse Glimmer 本身并不是我们的路由之一——目录里没有 muse-glimmer 条目，也不应该有，因为 Glimmer 的全部意义就在于由你自己运行，永远不把它路由到任何地方。Muse Wonder Full 也不属于我们，而且与 Glimmer 不同，除 Meta 的订阅界面之外，任何人都无法使用它。

单端点方案换来的是这种拆分中托管的那一半。供应商的目录价以0% 的加价直接透传，因此厂商调价当天就能反映出来；自动故障转移则能覆盖上游供应商在运行中途性能下降的情况；而路由 DSL 把廉价模型和昂贵模型组合成一次调用，因此只有在廉价模型置信度下降之处才会调用昂贵的那一侧。对于一个一端是 30B 文件、另一端是受订阅限制的检查点的模型家族来说，这种组合正是关键所在——大多数流量根本不需要任何一端极端。

选择，以及决定它的那一行

• 当 token 无法离开本机、没有网络、你需要某种可以固定并留存的东西，或者用量高到按 token 计费成为主要成本时，Muse Glimmer 就派上用场。在这个范围内，它速度快、简洁，并且擅长长上下文阅读，而综合评分恰恰会低估它在这些任务上的表现。

• {{1}}Muse Glimmer{{/1}} 适用于长文档的高容量提取与检索，其中 83.3% 的长上下文召回率才是关键指标，而 Terminal-Bench 上的 0.5% 根本不会被提及。

• 当任务必须实际执行——智能体、计算机操作、终端作业——或当输入为语音或视频时，应选用 Muse Wonder 或该系列的其他型号。0.5% 的执行得分并非预算级选项，而是根本没有参赛资格。

• 如果你在中间档选购，就选 Muse Spark 1.2。Glimmer 正是从它蒸馏而来的模型，它是两个极端之间的那一档，而价格仅为前沿系列为介于其间的某种能力所收费用的五分之一。

• 不要仅凭综合评分就选 Muse Wonder Full。Meta 在同一张表中报告称，其在法律代理套件上为 13.1，而 Claude Opus 5.5 为 55.2；独立评审委员会则将该检查点排在可调用的 Muse Wonder 之上四分，而不是 42 分。如果你的工作像 Harvey 那一行，那么发布表中的最高分就是你为此订阅付费的错误理由。

42 点的指数差距是真实的，它也是这一页上最没用的东西。这些并不是价格仅差一档的相邻产品；它们是一个文件和一扇门。决策在于 token 流向哪里，然后是这项工作属于读取还是执行——而最后一个决策，那个人们总会忘记的决策是：一个能在区间两端推出相距如此之远的产品系列的实验室，还会继续变化，所以那个你无法钉死的模型，正是你最不该急着在其上构建的模型。