Meta baru sahaja melancarkan Muse Spark Open, model terbuka dengan 816 bilion parameter, tetapi skornya justru dilampaui oleh Qwen3.8-Flash-Next yang hanya mempunyai 180 bilion parameter. Ujian terkini oleh pihak ketiga Artificial Analysis menunjukkan bahawa model raksasa Meta hanya mendapat skor komposit 39, manakala Qwen3.8 mendapat 40. Lebih mengejutkan lagi, perbezaan parameter yang diaktifkan: Meta memerlukan 42 bilion parameter untuk setiap pelaksanaan, manakala Qwen hanya perlu mengaktifkan 6 bilion parameter—efisiensinya 7 kali lebih tinggi. Kos pelaksanaan tempatan menjadi lebih jelas. Selepas dikuantisasi ke 4-bit, fail model Meta beratnya 506 GB, melebihi kapasiti server biasa; manakala Qwen hanya 111 GB, cukup untuk dimuatkan pada satu kad profesional. Dengan menambahkan lebih daripada empat kali parameter dan memori GPU, tetapi kemampuan inferensinya justru dilampaui oleh model yang lebih kecil—perusahaan besar perlu merenung semula pendekatan buta mereka dalam menambah parameter secara berterusan.