Muse Wonder Full vs Muse Glimmer：表格中最好的分數，也是其中最差的數字

Muse Wonder Full 與 Muse Glimmer 是 Meta Superintelligence Labs 已公布產品陣容的兩端。Muse Wonder Full 是專有的前沿檢查點，於 2026 年 10 月 12 日發布，作為 Muse Code 訂閱方案的一部分販售，並在 Meta 自家的指數上拿下 59.1 分。Muse Glimmer 則是 300 億參數的 Apache 2.0 模型，於 2026 年 8 月 10 日釋出，出貨時已量化至 4 位元，因此能塞進 20 GB 的 VRAM 之內，在獨立的 Artificial Analysis Intelligence Index 上得分 17。兩者之間隔著 42 分的綜合分數、一道授權、一次下載，以及一道每月 50 美元的門——還有 Meta 自家表格中的某一列，在那裡，昂貴的那一款得分是 13.1。

那一列是 Harvey LAB-AA，Meta 的法律代理基準。Muse Wonder Full 在其上回報 13.1。Muse Wonder，同一發布版本中可呼叫的檢查點，回報 54.3，GPT-6 Astra 54.5，以及 Claude Opus 5.5 55.2。一個在綜合指標上領先四分的模型，卻在以工作型態設計的測試套件中墊底，差距達 41 分。這是理解這組配對時首先要明白的事：綜合分數並不能描述這項工作。

兩款產品、同一個姓氏，以及第三款常被與前兩者混淆的產品

• 權重 — Muse Glimmer Apache 2.0，可下載，以 4-bit 形式提供；Muse Wonder Full 為專有，未發佈檢查點，且未來也不會有。

• 運行位置 —— Muse Glimmer 在你自己嘅加速器上離線運行；Muse Wonder Full 則喺 Muse Code 內、Meta 嘅基礎設施上運行。

• 購買方式——若你自行託管，Muse Glimmer 不收取按 token 計費的費用；若透過託管端點，則每百萬 token 輸入為 $0.325、輸出為 $1.35。Muse Wonder Full 則完全不按 token 計價，而是採用已公布的方案：Power Usage 每月 $50，Maximum Usage 每月 $200。

• 參數 — Muse Glimmer 300 億，量化後低於 20 GB；Muse Wonder Full 未公開。

• 上下文視窗 — Muse Glimmer 為 131,072 個 token，可延伸至 262,144；Muse Wonder Full 則在系列中介紹為 1,048,576 個 token。

• 模態輸入 — Muse Glimmer 文字與圖像；Muse Wonder 系列的文字、圖像、語音與影片。

• 知識截止點 — Muse Glimmer 2026 年 1 月；Muse Wonder Full 尚未發布。

• 可以對它做什麼——Muse Glimmer 可以固定、分支和微調；Muse Wonder Full 可以棄用。

Meta 在 RTX 5090，以及 Apple M4 Max 與 M5 Max 晶片上測試了 Glimmer，而這正是這裡「在本機執行」的實際定義——完整精度超過 55 GB，因此 4 位元版本正是這款模型得以部署的全部原因。Muse Wonder Full 完全不是這樣運作的。它得透過訂閱、以方案價格才能取用，而且只有在 Meta 持續提供服務的期間內才行。

還有一個值得直說的區別，因為命名悄悄抹平了它：Muse Wonder Full 在任何一般意義上都不是 Muse Wonder 系列的頂點，也不是更大的 Glimmer。它是與 Muse Wonder 同時宣布的獨立訓練目標，而且是三者中唯一無法按 token 購買、自行託管，或在沒有採購單的情況下進行評估的。

授權是沒有人定價的軸心

這種比較通常被框定為能力對比成本。但真正能預測你能做到什麼的框架，其實是能力對比控制權，而這兩個模型正位處於它的兩極。

Muse Glimmer 的設計在各個層面都假設使用者是擁有者，而非顧客。權重採用 Apache 2.0 授權，量化已經替你完成，佔用空間低於 20 GB，因為這個數字能讓單張消費級顯示卡就足以運行，而且知識截止日期已公開，讓你知道它不知道什麼。你可以分叉它、微調它、鎖定某個修訂版本，並在供應商失去興趣後繼續提供服務。對於一個由實驗室發布、而該實驗室此後又已推出另外兩個世代的模型來說，最後這項特性並非假設。

Muse Wonder Full 具有相反的性質。沒有可供保存的成品，沒有可鎖定的修訂版本，無法稽核某個月到下個月之間變更了什麼，而且若計畫失效，也沒有通往檢查點的路徑。所發布的綜合分數是你唯一能長久持有的東西，而那個數字關乎 Meta 的測試框架，而不是你的工作負載。

實際後果是不對稱的，值得不加含糊地說明。如果某項請求無法離開裝置——沒有連線的工廠現場、一個 API 呼叫本身就構成合規違規的氣隙環境、來回一趟就已超出可接受範圍的延遲預算——那麼無論如何，Muse Wonder Full 都不會參與這個問題。Glimmer 是檔案。Full 是訂閱。

42 分的差距實際上是由什麼組成的

這麼大的差距通常代表其中一個模型就是比較差。在這裡，它大多代表兩者是為不同工作而打造，而各項子分數呈現了這一點，而非加以掩蓋。以下所有數據除非另有標註，均為 Artificial Analysis 在修訂版 v4.3.2 上的測量結果。

• 智慧指數 — Muse Wonder Full（max）56，在 699 個模型中排名第四；Muse Glimmer（high）17，在 142 個中排名第十五。

• 長上下文召回 — Muse Glimmer 83.3%，在同一輪測試中領先 Claude Sonnet 5.5 的 82.7%。Muse Wonder Full 的數據未在同一測試框架上公佈。

• Terminal-Bench 4.0 — Muse Glimmer 0.5%；Muse Wonder 系列在廠商表格上報告 85.5 與 85.6。

• Humanity's Last Exam — Muse Glimmer 22.0%；Muse Wonder Full 未在同一測試框架上報告。

• 輸出速度 — Muse Glimmer 每秒 143.8 個 token。Muse Wonder Full 並未在同一測試框架上公布，其每項索引任務的成本也未公布，因為沒有可用來計算它的每 token 費率。

• 每個索引任務的成本 — Muse Glimmer 託管版約 $0.06。Muse Wonder Full：不適用，沒有計量付費途徑。

長上下文那一項才是值得停下來細看的地方。一個 300 億參數的模型量化進 20 GB，卻能在極長的輸入中找出某項事實，表現與當前的前沿 checkpoint 相當——這不是捨入誤差，而是訓練配方所瞄準的目標，也是任何人能為 Glimmer 提出的最強主張。Terminal-Bench 那一項則是另一端：0.5% 意味著這個模型無法完成代理式軟體任務，而無論硬體上省下多少，都無法讓一個永遠跑不完的任務變得更便宜。一篇經同儕審查、納入 Muse-Glimmer-30B 的多代理編排研究發現，它未能尋回任何候選項目，這是從另一個方向得出的相同結論。

所以 Glimmer 閱讀能力好、回答迅速、到處都能運行，卻無法執行。Muse Wonder Full 能執行，並在該系列中取得最高綜合分數——接著卻在法律代理套件上得到 13.1 分，低於 Meta 自家表格中所有其他前沿模型。這兩項事實無法互相解釋。

0.06 美元這個數字是個陷阱，50 美元也一樣

託管的每索引任務成本數字應立即被排除。$0.06 是 Artificial Analysis 透過每百萬 token $0.325 與 $1.35 的託管端點呼叫 Muse Glimmer 所花費的金額——它衡量的是租用該模型的經濟成本，而非運行該模型的成本。自行託管時，按 token 計費的帳單會消失，取而代之的是你已擁有或必須購買的加速器，以及提供服務所需的工程時間。把 $0.06 拿來與前沿模型的每任務成本相比，彷彿兩者可以直接類比，是這個頁面上最容易犯下的單一錯誤。

50 美元是另一種陷阱，方向恰恰相反。相較於每百萬輸出 20 美元的費率，它看起來很便宜，但其實不然，因為它買不到任何可衡量的單位。十則提示和一千萬則提示所費相同，而你為了它而買的那個分數——Meta 指數上的 59.1——並不是公開排行榜針對同一個檢查點所公布的分數。Meta 的表格說在 Artificial Analysis Index 上是 59.0；Artificial Analysis 公布的卻是 56。同一個具名指數出現三分的落差，就告訴你哪個數字是宣稱，哪個是測量。

老實說，這兩個模型根本不在同一條軸線上。Muse Glimmer 是依加速器計價，成本不會隨用量規模變動——一天十次請求時很貴，一千萬次時卻便宜得驚人。Muse Wonder Full 則是按月計價，成本不會隨任何你能衡量的東西變動。一個會隨著你的使用量變動，另一個則完全不動。

實際上位於兩者之間的那一階

讀到這裡的多數團隊，其實兩種極端都不想要。他們想要的是：在自家硬體上跑一個小型模型，負責工作負載中便宜、私密、量大的那一半；再透過 API 取得前緣等級的模型，來處理困難的那一半。而麻煩的地方在於，這兩者通常意味著兩套各自獨立的技術堆疊，以及兩套各自獨立的計費關係。

這個系列中的三個 Meta 模型中，有一個是我們所提供的路由。meta/muse-spark-1.2 ——較大的教師模型 Glimmer 正是從它蒸餾而來——在 OrcaRouter 目錄中的定價為每百萬 token 輸入 $1.25、輸出 $4.25，具備 1,048,576 token 的視窗，快取讀取為 $0.15。這讓它位居中間階層：在執行型工作上比 30B 的學生模型能力強上許多，輸出費率是 Muse Wonder 的五分之一，而且能與其他所有模型使用同一把金鑰即可存取。

兩點老實話，因為這個命名容易招來錯誤的假設。Muse Glimmer 本身並不是我們的路由之一——目錄裡沒有 muse-glimmer 這個項目，也不該有，因為 Glimmer 的重點就在於你自己執行它，永遠不把它路由到任何地方。Muse Wonder Full 也不是我們的，而且和 Glimmer 不同的是，Meta 訂閱體系以外的任何人都無法取用。

這種單一端點的安排換來的，是那套拆分架構中託管的那一半。供應商定價以 0% 加成原樣傳遞，因此供應商一調價，當天就會反映出來；自動容錯移轉能因應上游供應商在執行中途效能下滑的情況；而路由 DSL 則把廉價模型與昂貴模型組合成單一次呼叫，因此只有在廉價模型的信心下滑之處，才會動用昂貴的那一側。對於同一個家族、一端是 30B 檔案、另一端是需訂閱才能取得的檢查點來說，這種組合正是重點所在——大多數流量根本不需要這兩個極端。

選擇，以及決定一切的那一列

• Muse Glimmer 適用於 token 無法離開本機時、沒有網路時、你需要某個可釘選並保留的東西時，或用量高到按 token 計費成為主要成本時。在這個適用範圍內，它速度快、精簡，且擅長長脈絡閱讀；而綜合分數恰恰會在這些工作上低估它。

• Muse Glimmer 適用於對長文件進行大量擷取與檢索，在這種情境下，83.3% 的長上下文召回率才是關鍵數字，而 Terminal-Bench 上的 0.5% 根本不會被提到。

• 當任務必須被執行——代理、電腦操作、終端機工作——或當輸入為語音或影片時，請選擇 Muse Wonder 或更廣泛的系列。0.5% 的執行分數不是預算選項；它是非參與者。

• Muse Spark 1.2：如果你要選購的是中階定位。它是 Glimmer 的蒸餾來源模型，是兩個極端之間的那一階，而它的價格是 frontier series 對落在缺口某處的能力所收費用的五分之一。

• 別只因為綜合分數就選 Muse Wonder Full。Meta 回報，在同一張表中，法律代理套件上為 13.1，而 Claude Opus 5.5 為 55.2；獨立評測委員會則把該模型檢查點排在可呼叫的 Muse Wonder 之上四分，而不是 42 分。如果你的工作成果像 Harvey 那一列，發表表中的最高分並不是你該付費訂閱的正當理由。

42 點的指數差距確實存在，但它也是這頁上最沒用的東西。這些不是彼此相鄰、中間只差一個價格級距的產品；它們是一份檔案和一道門。決策在於 token 要跑在哪裡，再來才是這項工作是在讀取還是在執行——而最後一個決定，也就是大家會忘記的那個決定，是：一個在整個範圍的兩端推出差距這麼大東西的實驗室，會持續變動，所以，你無法鎖定的模型，正是你最不該急著在其上建構的模型。