Muse Spark 對比 Muse Glimmer：當前沿模型被蒸餾成 300 億參數，究竟什麼能真正留存下來？

之間的關係Muse Spark與Muse Glimmer，並不是「vs」這個詞所暗示的那種關係。Muse Glimmer 並非 Muse Spark 的競爭對手——它是它的學生。Meta 以 logit 蒸餾法，從 Muse Spark 訓練出這個 300 億參數的開放權重模型；Muse Spark 是 Meta Superintelligence Labs 於 2026 年 4 月 8 日推出的原生多模態前沿系列，如今以 Muse Spark 1.3 的形式出貨，該版本於 2026 年 9 月 2 日發布，並在兩天後將其最高推理等級開放給開發者。Muse Glimmer 則於 2026 年 8 月 10 日在 Apache 2.0 之下問世。所以，這一頁並不是來自不同實驗室的兩個勁敵之間的對決卡。它衡量的是：一個前沿模型在歷經十六倍的縮減與授權變更之後，還能剩下多少——而 Meta 罕見地公布了這場縮減兩端的數字。這個比較是否公平，是首先值得坦誠以對的事，而答案是：部分是。

一個是檔案，另一個是端點

先從與基準測試無關的部分開始，因為在單一分數發揮作用之前，它便已決定了大多數實際部署。

Muse Glimmer 開放下載。Meta 以 Apache 2.0 授權發布權重，並直接以 4 位元量化形式提供——這讓占用空間從完整精度的超過 55 GB 降至 20 GB 以下——並表示該模型小到可在單一消費級 GPU 或 Mac 上執行。它能在斷網狀態下運行。Meta 在 Nvidia RTX 5090 以及 Apple M4 Max 與 M5 Max 晶片上測試過它。它接受文字與圖像輸入，輸出文字，具有 131,072 個符記的上下文視窗——Meta 表示可延伸至 262,144——且知識截止日期為 2026 年 1 月。

Muse Spark 在每個方面都呈現相反的形態。Meta 不對其任何版本發布權重、授權或下載；只能透過 Meta 的 Model API、在 meta.ai 以及 Meta AI 應用程式中使用。它運行 1,048,576 個 token 的上下文視窗——是 Glimmer 的八倍，在 Glimmer 擴展之前。它接受文字、圖像、影片、音訊和 PDF 輸入，並傳回文字。它按 token 計價：每百萬輸入 $1.25、每百萬快取輸入 $0.15、每百萬輸出 $4.25，並有 Contributor 層級為 $0.10 / $0.002 / $0.20，以較低價格換取訓練你的提示與完成內容的權限。當你自己運行 Glimmer 時，完全沒有按 token 計費的供應商帳單，因為迴圈中沒有供應商。

• 大小 — Muse Spark：未公開，Meta 未公布任何版本的參數數量；Muse Glimmer：30B，以 4 位元在 20 GB 以下出貨

• 權重 — Muse Spark：專有，僅提供託管服務；Muse Glimmer：Apache 2.0，可下載並離線執行

• 上下文視窗 — 1,048,576 個詞元，對比 131,072，可擴展至 262,144

• 輸入 — 文字、圖像、影片、音訊、PDF 對比文字與圖像

• 輸出 — 文字對文字

• 價格 — 每百萬個 token：$1.25 / 快取：$0.15 / $4.25，而自行託管時無供應商費用

• 知識截止日期 —— Muse Spark 1.3 未公布；Muse Glimmer 為 2026 年 1 月

Meta 為兩者發布的那一項基準測試

這是在蒸餾關係中最罕見的一種數字：同一項評估，由同一個實驗室執行，並同時對教師與學生提出報告。

Meta 的模型頁面列出，Muse Spark 1.3 在其最高推理配置下運行時，GDPval-AA 為 1,754；而 Muse Glimmer 30B 在高推理設定下則為 953。這意味著學生模型在該任務系列上保留了教師模型 54% 的分數——這是有實際發佈的數據點，而非推論。有兩點必須立即附上但書，因為兩者皆屬實，且皆非小事。第一，Muse Spark 那一列標示為 v2，而 Muse Glimmer 那一列完全沒有版本標記，因此若 Meta 在兩次測量之間更動了基準測試，這個比例就站不住腳，儘管方向仍然成立。第二，這兩個數字都是廠商自行報告的。我們並未複現其中任何一個，而且我們也找不到有任何獨立測試框架針對這一對發表過正面對決的結果。

讓這 801 分的差距顯得可理解而非令人警覺的，是它背後第三方所呈現的樣貌。在 Artificial Analysis 的 Intelligence Index 上，Muse Spark 1.3 在 max 設定下得分 48，而 Muse Glimmer 在 high 設定下得分 17。這些是來自不同測量輪次的不同指數尺度，而且兩者並非在同一個池子裡排名——Artificial Analysis 依規模級別將開放權重模型分桶，因此 Glimmer 是與開放權重同儕相比，而 Muse Spark 則是與整個領域相比。把它們讀成形狀，而不是比率。這個形狀所說的，和 Meta 自己的表格所說的一樣：蒸餾模型是真正不同的能力層級，而不是通往相同答案的較便宜途徑。

小型模型所保留的

蒸餾有趣的地方，在於壓縮之後還留下什麼，而在 Meta 自己公布的數據列中，Muse Glimmer 並非全面落敗。它在 SWE-Bench Verified 拿下 76.0，在 OSWorld-Verified 拿下 65.9，IFBench 77.0，AIME 2026 達 94.7，GPQA Diamond 則為 83.5。對一個 30B 模型而言，這些都是很強的數字，而這正是架構選擇之所以重要的原因：Meta 將 Glimmer 描述為在長上下文代理式資料上微調，並特別針對工具使用進行強化，具備跨數小時工作階段的自我管理記憶，以及從失敗的工具呼叫中復原、而非就此停擺的能力。那是一個披著通用模型之名的專門模型。

頁面上最有用的脈絡資訊，是 Meta 自己選擇的比較對象。它為 Muse Glimmer 製作的基準測試表，並沒有把它和 Muse Spark 並列，而是把它和 thinking 模式下的 Gemma 4 31B，以及 thinking 模式下的 Qwen3.6 27B 放在一起——同樣的規模等級，同樣的開放權重前提。在那張表上，Glimmer 贏得大多數項目，但不是全部：它在 MCP Atlas 拿下 75.5，勝過 Qwen 模型的 62.5；TerminalBench 2.1 為 51.7，對上 60.7；GDPval-AA 為 953，對上 1,141。因此，即使在自己的權重等級內，這款經過蒸餾的 Meta 模型也不是理所當然的首選，這比頁面標題所暗示的說法更誠實。

還有兩列數據值得特別挑出來看，因為它們既可量化，又很容易在規劃時弄錯。Artificial Analysis 記錄到 Muse Glimmer 每完成一項 Intelligence Index 任務的成本為 0.05 美元，輸出速度為每秒 122.4 個 token——相較之下，Muse Spark 1.3 在最高設定下則是 1.60 美元與每秒 121.9 個 token。從這兩項數據來看，這個小模型在吞吐量幾乎完全相同的情況下，每完成一項任務的成本約便宜 32 倍。這就是蒸餾帶來的回報，而如果你只比較指數分數，就完全看不見這一點。

比較失效的地方

它在輸入上會失效，而且失效得比計分板顯示的還要嚴重。

Muse Spark 1.3 可接受影片、音訊和 PDF。Muse Glimmer 則接受文字和圖像。如果你的管線把螢幕錄影、通話錄音或掃描文件直接送進模型，那麼無論價格高低，這兩者都不是替代方案——其中一個實際上根本無法接受該酬載。Meta 自家的文件從一個意想不到的方向強化了這一點：它警告 Muse Spark 1.3 的音訊理解並未完全支援，而且帶有音訊的請求品質可能會下降，並建議音訊工作負載改用 Muse Spark 1.2。因此，即使在代管系列中，最新版本也不是每種輸入類型的正確答案，而具備音訊能力的選項反而是較舊的檢查點。

第二個分野在於上下文。一百萬個 token 對比 131,072，並不是行銷上的差異；而是能否在單次呼叫中容納大型儲存庫或冗長案件檔案的模型，與一個需要圍繞它建構檢索層和摘要步驟的模型之間的差異。如果你的工作是長跨度程式碼庫推理，Glimmer 的上下文上限會是你最先碰到的限制，遠早於它的基準測試分數。

第三是資料邊界，而它的作用方向正好相反。一個從未離開你硬體的請求，供應商無法記錄，無法按 token 計價，也不會受到費率調整影響。對於有資料駐留要求，或有每 token 預算一旦上量就撐不住的工作負載，光是這一項特性就勝過 30 個指數點。

每一個實際上居住的地方

Muse Glimmer 的發佈方式是廣泛的那一種，因為開放權重本來就是如此。Meta 將下載列在 Hugging Face 上，並指向本機執行環境——llama.cpp、MLX、Ollama、LM Studio、Unsloth——以及供應商自家的託管清單和數個第三方推論平台。我們不會在此指名那些平台；對讀者而言，重點很簡單：這些權重是可攜的，而任何能載入 30B 4-bit 模型的東西都能提供服務。

Muse Spark 產品線在設計上本就狹窄。三個版本、單一供應商、單一 API、沒有權重。這種集中化正是以它為基礎來開發的真正風險，而這個風險完全不適用於 Glimmer。

在可能的情況下，將兩者放在同一個按鍵上

我們自家的目錄比這兩則報導都來得窄。我們經手路由的只有 Muse Spark 1.1 與 Muse Spark 1.2——這兩個檢查點標價為每百萬 token 輸入 $1.25、輸出 $4.25，兩者皆為 Meta 的定價，我們 0% 的加成原封不動地如實反映——而我們不託管 Muse Spark 1.3、Contributor 的任一種變體，也不託管 Muse Spark Open。Muse Glimmer 同樣不在我們的目錄上，而針對它的誠實建議性質不同：它是開放權重，所以最自然的執行場所是你自己的硬體，或能載入它的執行環境。

路由在這裡真正能派上用場的地方，是你很可能正在考慮的那場遷移。如果你正在測試某個 30B 蒸餾模型能否接手一部分前沿工作負載，你要的是把兩者放在同一個端點裡，這樣就能在不另簽一份合約的情況下移轉並衡量一部分流量——Muse Spark 1.1 與 1.2 共用同一把金鑰，具備自動容錯移轉，讓失敗的長脈絡呼叫降級到另一個檢查點，而不是變成錯誤，還有一套路由 DSL，讓你依設定而非依程式碼來拆分流量當 Meta 的代管產品線再次調整時，變更只會落在同一個地方。

該選哪一個

如果你的工作是文字與圖像，在自己機器或租用的 GPU 上執行，而且需要不受按 token 計價影響，Muse Glimmer 就是答案，而且毫無懸念——你是在用大約一半的 GDPval-AA 分數，換取一個每次呼叫都零成本、且任何人無法對其限流的模型。

如果你的工作涉及影片、音訊、PDF，或真正很長的上下文，Muse Glimmer 並不是 Muse Spark 的便宜版本。它是另一種工具，而蒸餾並沒有把那些能力帶過去。請改用託管版本，每百萬個 token 預算 1.25 美元和 4.25 美元，並確認哪個檢查點才真正能處理你的資料內容——就音訊而言，Meta 自家的文件指向的是較舊的版本。

對蒸餾比較的誠實總結是：學生模型在它被訓練去做的事情上表現得出奇地好，而在它未被訓練去做的事情上則完全缺席。Muse Glimmer 是 Meta 自 Llama 4 以來，為開放權重所发表的最強論據，而上述數字是 Meta 自己的。它們沒有展示——而任何供應商的表格也無法展示——的是，這對組合在你的工作負載上表現如何。那是一項實驗，而不是查表。

基準測試會過時，價格會波動，但失敗紀錄不會：這一類模型背後有據可查的 AI 事故與代理失誤，全都收錄於the OrcaRouter AI Incident Archive，其中每一筆紀錄都附有自己的來源、嚴重程度、可信度評級與爭議標記。