Muse Spark Open 對決 Muse Glimmer：22 個指數點究竟讓你付出什麼代價

三十九比十七。這就是Muse Spark Open與Muse Glimmer在 Artificial Analysis Intelligence Index 上的全部比較，而這個數字是在 Meta 於 2026 年 10 月 15 日發布較大模型的權重後開始流傳。單看它幾乎毫無用處，因為這兩個模型並不是同一個問題的兩種答案。一個是 8160 億參數的專家混合模型，為從資料中心提供服務而打造。另一個是 300 億參數的稠密模型，為在單一消費級顯示卡上運行而打造。把這個差距解讀為「新模型更好」，抓對了決策方向，卻完全搞錯了背後原因。這一切都不是避開該模型的理由，而只是了解這段歷史的理由：這一類模型背後有紀錄的 AI 事故與代理失效，都收集在OrcaRouter AI Incident Archive，其中每條記錄都附有自己的來源、嚴重程度、信心等級與爭議標記。

以下是這個差距實際上換來什麼、要付出什麼代價，以及較小模型仍能徹底勝出的那一個面向。

兩個下載，回答不同的問題

兩者都掛著 Meta 的名號，兩者都把權重放到 Hugging Face Hub 上，而且兩者都讓你不需要把 token 傳送到任何人的端點，就能執行推論。相似之處到此為止。

• Muse Spark Open — 總參數 816B，每個 token 啟用 42B，稀疏混合專家架構，於 2026 年 10 月 15 日依 Muse Model License 發布。

• Muse Glimmer — 總參數約 296 億，稠密架構，另加一個獨立的 18 億參數視覺編碼器，於 2026 年 8 月以 Apache 2.0 授權發布。

活躍參數的差異比標題所示要小：42B 對上大約 29.6B 是約 1.4 倍，因為 Muse Spark Open 每個 token 僅喚醒一部分專家。總參數的差異才是硬體成本的來源：大約 27.6 倍的權重需要儲存、量化和移動。

每項任務 22 點的成本是多少？

Artificial Analysis 以同一把尺規來衡量這兩個模型的定價——完成其自身 Intelligence Index 上一項任務的成本——而這正是差距出現第二個維度的地方。在其代管方案列表中，Muse Spark Open 在 xhigh reasoning 模式下每項 Index 任務的費用為 $0.84，而 Muse Glimmer 在 high 模式下則為 $0.05。這大約是 16.8 倍的成本，換來 2.3 倍的分數。

定價表以財務團隊使用的單位，講述同樣的故事。Muse Spark Open 的定價為每百萬輸入 token $1.25、每百萬輸出 token $4.25，並提供 88% 快取折扣，混合費率約為每百萬 token $0.78。Muse Glimmer 的定價為每百萬輸入 $0.30、每百萬輸出 $1.20。如果你的工作負載是大量分類、擷取或路由處理，較小的模型並非妥協——它是以五分之一輸入費率定價的正確答案。

輸出速度是唯一一項兩者接近到可說是不分軒輊的指標，而這點值得直說，因為它有違直覺：Muse Spark Open 實測為每秒 102.0 個輸出 token，首個 chunk 的延遲為 0.67 秒；Muse Glimmer 則是每秒 124.4 個 token，延遲 1.14 秒。816B 模型在回答單一提示時並不是較慢的那一方，因為它只會啟動自身的一小部分，並在專為其規模打造的硬體上運行。較小的模型勝出之處在於邊緣端：4 位元版本可將語言模型壓到 20 GB 以下，而一個搭配使用、一次提出 16 個 token 的區塊擴散草稿模型，據稱能在 RTX 5090 上帶來最高 3.1 倍的加速。那是廠商公布的數字，尚未經過獨立重現。

上下文視窗也不是一場公平的較量。

Muse Spark Open 搭載 1,048,576 個 token 的視窗，接受文字、圖像、視訊與音訊輸入，並輸出文字。Muse Glimmer 則搭載 131,072 個 token——也就是 Meta 筆下取整數的 128k——並接受文字與圖像，完全沒有音訊路徑。Muse Spark Open 中的感知編碼器是一個 1.8B、50 層的元件，採用稀疏注意力；而語言堆疊為 62 層，隱藏維度 8,192，詞彙量 202,048 個 token，256 個專家搭配 top-8 路由，以及分組查詢注意力，以 128 個查詢頭對上 16 個鍵值頭。

如果你的問題是「讀完這段兩小時的錄音和這疊螢幕截圖，然後告訴我發生了什麼事」，Muse Spark Open 是這兩者中唯一能容納這些輸入的。如果你的問題是「讀取這一個畫面，然後在我的筆電上點擊正確的按鈕」，128k 不會是你最先碰到的限制。

這些授權並非同一種開放。

這正是那份22點標題所掩蓋的部分，也是法律審查會關注的部分。

• Muse Glimmer — Meta 所發布的一切皆採用 Apache 2.0：全精度 BF16 權重、兩種 4 位元量化版本、草擬頭與感知編碼器。可作商業及研究用途，無需申請審核。

• Muse Spark Open — Muse 模型授權條款。可使用、複製、修改、微調、蒸餾、合併及銷售的廣泛權利，但須符合三項在你規劃前值得了解的條件：副本與衍生作品必須附上授權條款與使用政策；以其建構的產品必須在介面、文件或設定中顯示「Built with Muse Spark Open」；而如果你提供第三方存取模型，且那些第三方會收到模型輸出，且合併總營收在任何連續十二個月內超過 2,000 萬美元，你必須先通知 Meta 並簽署一份單獨協議。內部使用、研究，以及非模型即服務的商業工作則被排除在外。Meta 不主張對輸出內容的所有權。

存取權限的性質也不同。Muse Spark Open 儲存庫設有權限管制——你必須登入並提交你的完整法定姓名、出生日期，以及組織名稱與識別碼，而且頁面警告表單之後無法編輯。Muse Glimmer 的下載則無需權限管制。對於想在正式投入前低調評估兩者的團隊而言，這種不對稱是實實在在的阻力，而 $20M 條款意味著「我們下載了它」和「我們能據此推出託管產品」是兩個不同的答案。

每一個在架子上各自適合的位置

Meta 自家的模型卡就明白寫出硬體需求：BF16 檢查點大約需要 2 TB 的 VRAM，而 NVFP4 版本則至少需要 700 GB。支援的服務堆疊有 SGLang、vLLM、Hugging Face、TensorRT-LLM、Unsloth 和 llama.cpp，卡片上也指出 MLX 已針對兩台 M5 Ultra Mac Studio 進行調校。那就是 Meta 用來打頭陣的桌機示範——兩台頂規機器串接在一起，而不是一台筆電。

Muse Glimmer 的目標確實不同：單張 RTX 5090、低於 20 GB 的量化版本，以及一個旨在讓 token 在那張卡上更快輸出的 drafter head。這兩款模型並不會競逐同一顆晶片。Meta 為較大模型發布的貼文也從另一個方向表達了相同論點，開頭主打代理式工作與雙 Mac Studio 配置，而不是單卡數字。

該選哪一個

一旦你確定限制條件，決策很快就會明朗。

• 你正在自有硬體上部署本機代理——Muse Glimmer。無論你在單張 GPU 上願意付多少錢，都無法取得這 22 點。

• 你需要在一次呼叫中輸入音訊、影片或百萬個權杖——Muse Spark Open，沒有更小的模型可以替代。

• 你正在進行高產量、低難度的工作 — Muse Glimmer 每百萬個輸入權杖收費 $0.30，除非經過實測的評估顯示，得分 17 的模型無法勝任你的特定任務。

• 你想要前沿分數，而你只是在租用——老實說，Muse Spark Open 並不是達到 39 分最便宜的方法。它是在自己的磁碟上擁有權重、達到 39 分的唯一方法。

關於推論服務的問題，對大多數團隊來說，實際情況是：這兩個模型都不是你會在第一天上線就自行託管的。如果你想在不架設 GPU 的情況下呼叫 Meta 的 Muse 系列，Muse Spark 1.2 是 OrcaRouter 實際路由的兩個 Muse 模型之一，可透過單一 API 存取超過 200 個模型，並具備自動容錯移轉，讓不熟悉的模型能承接測試流量，而不會佔用到你的正式環境路徑。我們所提供服務的兩個 Muse 模型，都依供應商定價計費、零加成，因此廠商端若有價格變動，我們當天即同步生效。明確說明限制：OrcaRouter 目前不路由 Muse Spark Open，也不路由 Muse Glimmer——這兩者都是你得自行執行的權重檔，或是你向其他供應商購買的端點。

什麼仍未被衡量

幾乎所有能決定這項比較結果的事物。

39 是一個附屬於某個模型的獨立數字，而該模型自家的發布計分卡列出 JobBench 61.8、MCP-Atlas 89.2、GDPval-AA v2 1401、OSWorld Verified 80.4、Toolathlon Verified 72.8、HLE-Diamond 在未使用工具時為 26.1、使用工具時為 61.0、GPQA Diamond 89.0、SciCode 58.5、DeepSWE 1.1 為 60，以及搭配 Terminus 2 代理時 Terminal-Bench 2.1 為 76.4。這些全部都是由供應商報告且未經重現，其中幾項還是在 Meta 自家的代理測試框架內測得，這使它們更像是一種能力宣稱，而非同類比較的排名。Glimmer 的計分卡帶有自家的供應商表格——SWE-Bench Verified 76.0、Terminal-Bench 2.1 51.7、GPQA Diamond 83.5、AIME 2026 94.7、HLE 22——同樣附帶這項但書。兩份相隔數月、在不同測試框架上產生的供應商計分卡無法彼此相減，這正是本篇倚重單一獨立 Index 數字的原因。

真正會左右決策的差距，並不在任何一張卡上。它是在你個人所需的品質標準下，用你自己的輸入，執行一項任務的成本，而且只量測一次。在有人實際跑過那個之前，39 和 17 只是關於兩台不同機器的兩項事實，卻頂著同一個家族名稱。