Muse Spark Open 對比 Muse Spark 1.2：Open 旗艦並非升級

當一家實驗室把自家最大的模型開源時，人們的本能反應是假設可下載的版本更好；但就 Muse Spark Open 對上 Muse Spark 1.2 而言，這個本能反應在大家最先查看的那個軸度上恰好是錯的。在 Artificial Analysis 上，專有 API 模型在 Intelligence Index 拿到 40 分，而新開源的 8160 億參數模型拿到 39 分——只差一分，而且方向還偏向你得付費租用的那個模型。開源的那個並不是更強的模型。它是另一種交易條件，而這樁交易條件才是整場比較的重點。

句子版本

Muse Spark 1.2 為你帶來一個快速、便宜、依權杖計價的端點，你永遠不必自行營運，而且它的各種模態全都經過獨立確認。Muse Spark Open 為你帶來可實際持有、微調、稽核，並在無網路環境下執行的權重，但得使用你必須自行購買的硬體，並以尚未有人公佈的吞吐量執行。這些是恰好共用同一家族名稱的不同產品。

他們實際上的立場是什麼

逐行列出，並先寫出在每個面向勝出的一方。

• 智能 — Muse Spark 1.2 在 Artificial Analysis Intelligence Index 為 40，Muse Spark Open 為 39。雙方皆經獨立測量；一分之差不足以成為選擇任一模型的理由。

• 吞吐量——Muse Spark 1.2，而且遙遙領先：Artificial Analysis 在輸出速度上將其評為 185 個模型中的第一名，達每秒 361.4 個 token。Muse Spark Open 的速度則完全未經任何獨立方測量。2026 年 10 月，桌面上沒有任何東西能在 816B 混合專家模型上達到 361 tok/s；問題在於它最終會落後多少，而那個數字目前並不存在。

• 價格 — Muse Spark 1.2 為每百萬輸入 token 1.25 美元、每百萬輸出 token 4.25 美元，並有 88% 的快取輸入折扣，且在 Intelligence Index 每項任務實測為 0.97 美元。Muse Spark Open 沒有按 token 計價；其價格是硬體購買，而 Artificial Analysis 尚未公布其成本數據。

• 權重 — Muse Spark Open，完全開放。在 Muse Model License 下、需經審核的 Hugging Face 儲存庫，提供 BF16 與 NVFP4 格式，在計入執行階段額外開銷之前約為 1.5TB。Muse Spark 1.2 的權重不以任何形式散布。

• 本機運行 — Muse Spark Open，在兩台搭載 MLX 的 M5 Ultra Mac Studio 上，或在單一具備四張 GPU 的 Blackwell 節點上搭配 TensorRT-LLM。Muse Spark 1.2 只能在供應商端運行。

• 微調 — Muse Spark Open，Meta 特別為其推出 TorchTitan 支援。Muse Spark 1.2 無法用你的資料進行微調。

• 模態——仍有爭議；就現有證據而言，結果對 Muse Spark 1.2 有利。Artificial Analysis 將 1.2 列為可接受文字、圖像、語音與影片，並將該開放模型列為僅接受文字與圖像，而 Meta 自家資料則聲稱 Muse Spark Open 支援文字、圖像、影片與音訊。獨立量測已證實較狹窄的那項說法；廠商則主張較廣泛的那項說法。

• 推理——兩者基本上是相同的安排。兩者都無法讓你關閉推理。Muse Spark Open 提供 low、medium、high 與 xhigh 努力等級，分別對應 16、64、256 和 512 個推理 token，並在系統提示中提供推理強度提示。

• 上下文——在 1,048,576 個 token 上真正的平手，但有一個實際上讓兩者分出高下的但書。在 Muse Spark Open 上，BF16 的完整百萬 token 上下文，會在權重之外額外耗費約 266GB 的 KV 快取。在 Muse Spark 1.2 上，上下文是別人的容量問題。

• 授權條款 — Muse Spark Open 依循附帶有限商業條款的 Muse Model License；Muse Spark 1.2 則依循一般 API 條款。兩者皆非 Apache 2.0，而開放授權才是你真正必須細讀的那一份。

順著那份清單往下讀，這個決策的輪廓就已經清晰可見：開放模型勝在你對模型所做的那些事，而託管模型則勝在模型對你所做的那些事。

對大多數團隊而言，決定勝負的那個數字

Muse Spark 1.2 最受矚目的規格是每秒 361.4 個 token，在 185 個受測模型中名列第一。這不是行銷話術——而是讓模型能在 agent 迴圈中真正派上用場的關鍵：在這種迴圈裡，一個程式編寫代理每分鐘會發出數十次小型往返請求，而模型的實際耗時就等同於任務的實際耗時。

Muse Spark Open 的吞吐量未知。這是證據目前誠實的狀態，也是本週任何比較中最大的一個缺口。可以確信的是結構性事實：一個 8160 億參數的模型，在消費級桌上型硬體上每個 token 啟動 420 億參數，其瓶頸在於記憶體頻寬，而非運算能力。兩台 M5 Ultra Mac Studio 能提供 1.2 TB/s 與 1 TB 的統一記憶體，足以容納該模型並讀取每個 token 的切片。但這不足以讓互動式代理感覺像 API。如果你的工作負載是互動式的，這根本不是勢均力敵的選擇。如果你的工作負載是批次處理——夜間儲存庫掃描、離線評估、大規模擷取，其中延遲無關緊要而每 token 成本才是關鍵——那麼整體盤算會完全翻轉。

桌機真的比較便宜嗎？

這正是開放模型贏得一席之地的地方，也是這套論證的天真版本站不住腳的地方。兩台 Mac Studio 的配置是一筆資本購置，外加電力、散熱，以及某人的注意力。與此相抵的是你不再購買的那些 token。

這個比較只有在用量夠大時才說得通，原因在於 Muse Spark 1.2 的快取折扣在託管服務端已經發揮了很大的作用。快取輸入享有 88% 折扣，讓這個模型正好在代理式編碼所產生的重複上下文模式下顯得便宜——同一個儲存庫、同一組系統提示、同一批工具定義，每一輪都重新讀取。自架部署沒有折扣可拿；它拿到的是固定成本，而固定成本唯有靠龐大、穩定且可預測的使用量才能攤平。一個團隊若在兩台桌上型電腦的配置上跑突發性的代理流量，等於買了固定成本來應付變動的負載，這正是這種算術出錯的典型方式。

誠實的說法是，自行託管 Muse Spark Open 是一項容量決策，而非成本決策。你購買它是為了保證模型可用、它不會在你使用期間被棄用、你的提示永遠不會離開你的組織，以及你可以透過微調來改變它的行為。這些是真實且有時具決定性的理由。「它會更便宜」這個理由必須針對你的流量重新推導，而對許多流量來說，這根本不成立。

每一個真正的用途

Muse Spark 1.2 是值得用來打造產品的模型。它速度快、每項任務成本經過實測、模態陣容經獨立確認、以 token 為單位計費並提供適合代理式模式的快取折扣，而且如今已可路由。選擇它就等於選擇花錢而非投入工程時間，而在 $1.25/$4.25 的價格下，這往往是正確的取捨。

Muse Spark Open 是值得在其上建立能力的模型。微調正是它存在的理由：如果任務狹窄、量大且規格明確——針對特定程式碼庫的代理、固定語料庫的文件管線、必須在地端部署的分類器——那麼你所擁有、經過調校的 42B 活躍參數模型，將會勝過你租用的通用端點，而再多的提示工程也無法彌補這個差距。桌面端的情況也是同樣論點的縮影：重點不在於它能在 Mac 上執行，而在於它能在你所在的地方執行。

模態問題，以及為何值得關注

Meta 表示 Muse Spark Open 可接收文字、圖像、視訊與音訊。實際測量該模型的 Artificial Analysis 則只列出文字與圖像。這個落差並非吹毛求疵——原生多模態的開放權重模型，與僅支援文字和圖像的模型是截然不同的資產，而這項差異決定了該模型究竟能不能成為音訊與視訊管線的候選方案。

最可能的解釋很平凡：Artificial Analysis 可能是透過某個未暴露額外模態的端點或組態進行評估，或者該架構可能接受出貨部署未實際測試的輸入。對決策而言，重要的是：範圍較廣的主張是供應商自行宣稱的，範圍較窄的則是實測而來。如果音訊或視訊是你感興趣的原因，請在為此投入硬體之前，先在你自己的技術堆疊上驗證。若不是，這個問題就只是學術性的——而且請注意，Muse Spark 1.2 的語音與視訊支援已在獨立第三方獲得確認，這是目前開放模型還無法宣稱的一點。

將它們並排執行

最終同時採用兩者的團隊，大多根本不會在兩者之間做取捨。可行的做法是讓託管模型留在互動路徑上，讓開放模型留在批次與地端路徑上，並在組態中、而非文件中強制落實這項分工。

這正是路由層的用途。OrcaRouter 以 Meta 的定價、0% 加價轉送 Muse Spark 1.2，因此這個拆分中託管的那一半，成本與在 Meta 自家 API 上完全相同——供應商降價當天就在同一組金鑰上生效——而且它把該模型放在與其他 200 多個模型相同的介面之後，具備供應商效能下滑時的自動容錯移轉，以及一套路由 DSL，可在模型與供應商之間調度流量，無須改寫程式。OrcaRouter 不託管 Muse Spark Open，也未曾如此宣稱；一個價值在於可下載的模型，就是你要自己執行的模型。路由器給你的是這個拆分的另一半，讓互動路徑留在快速端點上，而批次路徑則在你的自有硬體上執行。

裁決結果

Muse Spark Open 對上 Muse Spark 1.2，並不是一場較好模型與較差模型之間的較量。它是一場關於擁有模型與租用模型的較量，而這場較量的雙方並非以同樣的單位來衡量——一方量的是 Intelligence Index 分數與每秒 token 數，另一方量的則是資本、控制權，以及修改權重的權利。

如果你想要每單位工程投入換來最強的可量測能力、如果延遲很重要、如果你需要已確認的音訊與視訊，或者如果你今天只需要用一組金鑰就能跑起 Muse 模型，就選 Muse Spark 1.2。如果你需要微調、如果資料不能離開你的網路、如果工作負載夠大且可預測，足以攤銷硬體成本，或者如果可用性保證對你來說比指數分數的最後一分更有價值，就選 Muse Spark Open。

唯一值得給的建議，就是抗拒那種認為開放權重自動是能力更強選項的框架。根據證據，它們並不是。它們是更屬於你的。

Muse Spark Open 現已可依 Muse Model License 下載；Muse Spark 1.2 可透過 Meta 的 API 按 token 計費使用，並於 OrcaRouter 上以定價提供。