Muse Spark 1.2 vs DeepSeek V4 Flash: Vier Indexpunkte für das Neunfache der Rechnung

$72,02 und $637,85. Das sind die Beträge, die Artificial Analysis ausgegeben hat, um DeepSeek V4 Flash und Muse Spark 1.2 durch dieselben neun Benchmarks laufen zu lassen, und die Modelle lagen vier Punkte auseinander – 50 gegen 54 auf dem Intelligence Index. Metas Modell ist besser. Es ist außerdem 8,9-mal teurer bei identischer Arbeit, hat geschlossene Gewichte, wird von genau einem Anbieter bereitgestellt und ist fünf Tage jünger als DeepSeek V4 Flash. Ob vier Punkte das wert sind, hängt ganz davon ab, was du baust, und dieser Vergleich dient vor allem dazu, diese Frage beantwortbar zu machen.

Beide Modelle erschienen innerhalb einer Woche nacheinander – DeepSeek V4 Flash (Build 0731) am 31. Juli 2026, Muse Spark 1.2 am 5. August – und beide werden für langfristige Agentenarbeit vermarktet. Alle unten aufgeführten Index-Scores, Latenzwerte und Evaluierungskosten stammen von Artificial Analysis, das die Benchmarks selbst durchführt und die Rechnung veröffentlicht. Wenn eine Zahl von Meta oder aus der eigenen Dokumentation des Anbieters stammt und nicht aus einem unabhängigen Lauf, wird das im Satz erwähnt.

Die vier Zahlen, die darüber entscheiden

• Intelligenz-Index — Muse Spark 1.2 54 (#13 von 185), DeepSeek V4 Flash 50 (#3 von 101 in seiner Klasse, gegenüber einem Klassenmedian von 25).

• Mischpreis pro Million Tokens — 0,78 $ gegenüber 0,06 $. Dreizehnmal.

• Kosten derselben Neun-Benchmark-Suite — $637.85 vs $72.02.

• Wo Sie es ausführen können — ein Anbieter, geschlossene Gewichte vs. sechs API-Anbieter plus MIT-lizenzierte Gewichte, die Sie selbst hosten können.

Dieselbe Suite, zwei sehr unterschiedliche Rechnungen

Die Spalte „Evaluierungskosten“ ist der ehrlichste Kostenvergleich, der für zwei Modelle verfügbar ist, denn es ist dieselbe Arbeit, die zu den eigenen Tarifen jedes Modells abgerechnet wird, wobei jedes Modell so viele Tokens ausgibt, wie es selbst zu ausgeben beschließt. Muse Spark 1.2 benötigte $637.85, um den Intelligence Index abzuschließen. DeepSeek V4 Flash benötigte $72.02 — billiger als jedes andere bekannte Modell, das Artificial Analysis gemessen hat, ein Ergebnis, das Anfang August einen eigenen Pressezyklus bekam.

Was diese Lücke interessant macht, ist, dass sie passiert trotz der Tatsache, dass das DeepSeek V4 Flash Modell das wortreichere ist, nicht wegen dieser Eigenschaft. Beim Ausführen der Testsuite emittierte DeepSeek V4 Flash 210 Millionen Output-Tokens gegenüber 95 Millionen von Muse Spark 1.2 – mehr als doppelt so viele. Metas Modell ist bei derselben Aufgabe deutlich token-effizienter, und das spielt überhaupt keine Rolle, weil DeepSeek V4 Flash 0,28 $ pro Million Output verlangt gegenüber 4,25 $ bei Meta. Ein 15-facher Preisvorteil verschluckt einen 2,2-fachen Nachteil bei der Ausführlichkeit, ohne mit der Wimper zu zucken.

Das ist es, was Sie in Ihr eigenes Kostenmodell einbeziehen sollten. Token-Effizienz ist eine reale Eigenschaft, und Reasoning-Modelle unterscheiden sich dabei um große Faktoren, aber bei den aktuellen Marktspannen ist sie ein Term zweiter Ordnung. Die Preistabelle entscheidet, und sie kippt nur dann um, wenn zwei Modelle preislich innerhalb eines Faktors von etwa 3× liegen.

Wo die vier Punkte sind — und was niemand veröffentlicht hat.

Hier ist der unangenehme Teil dieses Vergleichs: Der Intelligence Index ist ein zusammengesetzter Wert aus neun Bewertungen in den Bereichen Agents, Codierung, allgemeine Leistungsfähigkeit und wissenschaftliches Denken, und Artificial Analysis hat die Aufschlüsselung pro Benchmark für Muse Spark 1.2 noch nicht veröffentlicht. „54 zu 50“ ist also derzeit eine Schlagzeile ohne Zerlegung. Vier Punkte könnten eine Codierungslücke, eine Langkontext-Lücke, eine Lücke bei der Halluzinationsresistenz oder vier kleine Lücken sein, die sich bei Ihrer Arbeitslast gegenseitig aufheben.

Die eigenen Zahlen jedes Anbieters füllen einen Teil der Lücke, und keine kann gegen die andere geprüft werden. Meta berichtet für Terminal-Bench 2.1 einen Wert von 82,9 % für Muse Spark 1.2 (gegenüber 76,2 % für 1.1) und für DeepSWE v1.1 59,3 % (gegenüber 53,0 %) – ausgeführt auf Metas Testumgebung, pass@1 über fünf Versuche, wobei jedes konkurrierende Modell mit seinem eigenen Agentenprodukt gepaart wurde. Die V4-Flash-Veröffentlichung positionierte das Modell als ein Post-Training-Upgrade, das für Agenten- und Terminalarbeit auf einer Mixture-of-Experts-Architektur mit insgesamt 284B / 13B aktiven Parametern optimiert ist. Es gibt keinen Benchmark, für den beide Labore eine vergleichbare Zahl veröffentlicht haben, und keine dritte Partei hat einen der beiden Datensätze reproduziert.

Was unabhängig feststeht, ist eng begrenzt und sollte klar ausgesprochen werden: Bei einem zusammengesetzten Index, der von einem einzigen Bewerter durchgeführt wurde, schnitt Muse Spark 1.2 vier Punkte besser ab – bei dem 8,9-fachen der Kosten. Alles, was detaillierter ist als das, ist weiterhin Anbietermaterial.

Drei Zahlungsarten für Muse Spark 1.2, eineinhalb für DeepSeek

Preisvergleiche sind hier ungewöhnlich schwer zu fassen, weil Meta zwei Tarifkarten ausliefert und der Anbieter die Gewichte selbst liefert.

• Meta Standard-Tarif — 1,25 $ Eingabe, 0,15 $ gecachte Eingabe, 4,25 $ Ausgabe pro Million, mit einem Ratenlimit von etwa 3.000 Anfragen pro Minute.

• Meta-Mitwirkungsstufe — 0,10 $ für Eingabe, 0,002 $ für gecachte Eingabe, 0,20 $ für Ausgabe, im Gegenzug für die Erlaubnis, künftige Meta-Modelle mit Ihrem Datenverkehr zu trainieren, begrenzt auf 60 Anfragen pro Minute.

• DeepSeek V4 Flash Liste — $0,14 Input, $0,28 Output, $0,003 bei einem Cache-Treffer (98 % Rabatt, der aggressivste Cache-Preis aller Modelle in dieser Preisklasse), von sechs konkurrierenden API-Anbietern.

• DeepSeek V4 Flash selbst gehostet — MIT-lizenzierte offene Gewichte, der Preis ist also deine eigene Hardware und die Obergrenze deine eigene Kapazität.

Lesen Sie die zweite und dritte Zeile zusammen, und die Rangfolge kehrt sich um: Auf der Contributor-Stufe ist Muse Spark 1.2 pro Token günstiger als DeepSeek V4 Flash, bei $0,10/$0,20 gegenüber $0,14/$0,28, während es vier Punkte besser abschneidet. Das ist die aggressivste Preisgestaltung in diesem gesamten Vergleich, und fast niemand wird diese Stufe nutzen können, denn 60 Anfragen pro Minute sind 2 % des Standardbudgets und schließen praktisch jede Produktions-Fan-out aus. Sie ist für Evaluierungs- und Kleinteam-Arbeit gedacht, und die Währung sind Ihre Prompts. Ob dieser Tausch für Sie verfügbar ist, ist eine Data-Governance-Entscheidung, die in den Zuständigkeitsbereich der Rechtsabteilung fällt, und nicht ein Posten, den Sie in einer Konfigurationsdatei austauschen.

Bei Open-Weights verhält es sich umgekehrt. MIT-Lizenzen bedeuten, dass die Preisuntergrenze überhaupt nicht vom Anbieter festgelegt wird — wenn Ihr Volumen die GPUs rechtfertigt, kann niemand Ihren Preis erhöhen, Ihr Modell für veraltet erklären oder die Bedingungen ändern. Diese Wahlfreiheit hat bei Meta in keiner Preisklasse ein Äquivalent.

Ein Anbieter gegen sechs

Muse Spark 1.2 wird ausschließlich über die Model-API von Meta bereitgestellt und sonst nirgendwo. Keine Drittanbieter-Hosts, keine Quantisierungsoption, kein Fallback-Pfad und — zum Zeitpunkt der Erstellung — kein OpenRouter-Eintrag, kein Hugging-Face-Repository und kein Eintrag im OrcaRouter-Katalog. Ein geschlossenes Modell eines einzelnen Anbieters ist konstruktionsbedingt ein Single Point of Failure, und bei einem Modell, das erst fünf Tage alt ist, gibt es keine Betriebszeit-Historie, die einen beruhigen könnte.

DeepSeek V4 Flash ist der gegenteilige Fall. Sechs API-Anbieter bieten es heute an, die Gewichte sind MIT-lizenziert, und es ist im OrcaRouter-Katalog für 0,15 $ Eingang und 0,29 $ Ausgang – Listenpreis des Anbieters, ohne Aufschlag durchgereicht – mit automatischem Failover zwischen den Anbietern, sodass ein einzelner Host, der degradiert, die Arbeitslast nicht mit in den Abgrund reißt. Das ist das praktische Argument für das günstigere Modell, das nichts mit seinem Score zu tun hat: Sie können es verschieben, spiegeln oder ganz verlassen, und keine dieser Optionen erfordert eine neue Integration.

Für Muse Spark 1.2 bedeutet eine Evaluierung heute einen zweiten Vertrag, eine zweite Rechnung und einen zweiten SDK-Pfad. Metas Modell ist es wert, auf seine eigenen Qualitäten hin getestet zu werden, aber man sollte sich klarmachen, dass die Betriebskosten nicht nur den Token-Preis umfassen.

Latenz, gemessen an realem Datenverkehr.

In der Benchmark-Umgebung verzeichnet Artificial Analysis eine Zeit bis zum ersten Token von 1,33 Sekunden für DeepSeek V4 Flash und 26,12 Sekunden für Muse Spark 1.2 bei dessen xhigh-Einstellung, mit Ausgabegeschwindigkeiten von 103,3 bzw. 165,0 Token pro Sekunde. Metas Modell generiert schneller, sobald es startet, und braucht sehr lange, bis es beginnt – genau das sieht aus wie verpflichtende Deliberation bei maximalem Aufwand.

Produktionszahlen erzählen eine sanftere Version derselben Geschichte. Über sieben Tage Live-Routing auf OrcaRouter zeigt DeepSeek V4 Flash eine p50-Zeit bis zum ersten Token von 439 Millisekunden und eine p95 von 1,96 Sekunden, bei 111 Tokens pro Sekunde mit einer Fehlerrate von 1,6 %. Es gibt keine vergleichbare Produktionszahl für Muse Spark 1.2, da es noch nirgendwo geroutet wird; Muse Spark 1.1, der nächste verfügbare Proxy, erreicht eine p50 von 1,84 Sekunden und eine p95 von 6,00 Sekunden. Eine mittlere Antwortzeit unter einer Sekunde ist eine Kategorie, in der DeepSeek V4 Flash liegt und die keine Muse-Spark-Version erreicht hat.

Beide Modelle geben grob eine Million Token Kontext an — für beide 1.048.576 —, wobei DeepSeek V4 Flash die Ausgaben auf 384.000 Token begrenzt und der Muse-Spark-Endpoint keinerlei Ausgabebegrenzung vorgibt. Beim Kontext ist dieses Duell auf dem Papier ein Unentschieden und in der Praxis für beide unbestätigt.

Drei Fragen, die sich vor dem Wechsel lohnen

Ist das Self-Hosting von DeepSeek V4 Flash tatsächlich günstiger als 0,15 $ pro Million?

Normalerweise nicht, und genau das ist der Punkt. Ein Mixture-of-Experts-Modell mit 284B Parametern und 13B aktiven Parametern benötigt ernsthafte Multi-GPU-Kapazitäten, um mit angemessener Latenz zu dienen, und bei 0,15 $ pro Million Eingabe-Tokens ist der gehostete Preis außer bei sehr hohem, sehr gleichmäßigem Volumen kaum zu unterbieten. Der Wert der MIT-Lizenz liegt für die meisten Teams nicht darin, dass sie selbst hosten werden – sondern darin, dass sie es glaubwürdig könnten, was begrenzt, was Anbieter verlangen können, und das Einstellungsrisiko beseitigt. Behandle es als Versicherung und kaufe die gehosteten Tokens.

Macht der Mitwirkenden-Tarif Muse Spark 1.2 zum günstigeren Modell?

Auf der Preisliste, ja; in der Praxis nur für Workloads unter 60 Anfragen pro Minute, deren Daten Sie spenden dürfen. Wenn beide Bedingungen erfüllt sind – ein Forschungs-Spike, ein internes Tool, eine Benchmark-Harness mit synthetischen Eingaben – dann ist ein Modell, das vier Indexpunkte vorn liegt, bei einem niedrigeren Preis pro Token tatsächlich der bessere Kauf, und Sie sollten es nehmen. Wenn eine davon nicht zutrifft, ist der Standard-Tarif der tatsächliche Preis, und der Standard-Tarif ist das 13-fache der Mischrate des V4-Flash-Modells.

Vier Indexpunkte klingt nach wenig. Wann macht es einen Unterschied?

Wenn sich Fehler häufen. Bei einem einmaligen Klassifizierungs- oder Zusammenfassungsaufruf ist eine zusammengesetzte Lücke von vier Punkten oft unsichtbar, und das Neunfache dafür zu zahlen ist nicht zu rechtfertigen. Bei einer Agentenschleife mit fünfzig Schritten wird aus einer pro Schritt klein wirkenden Erfolgsdifferenz ein großer Unterschied darin, wie oft der gesamte Lauf neu gestartet werden muss — und ein Neustart kostet die gesamte Trajektorie, nicht nur einen Schritt. Das ist der Fall, in dem Metas Preis vertretbar ist. Es ist auch der Fall, in dem man an der eigenen Aufgabe messen sollte, anstatt einem zusammengesetzten Wert zu vertrauen, denn niemand hat den agentischen Teilindex veröffentlicht, der die Frage für 1.2 entscheiden würde.

Das Urteil und die damit verbundene Bedingung

Für fast jede Workload, bei der Kosten eine echte Einschränkung sind, ist DeepSeek V4 Flash die richtige Standardwahl: vier Punkte Rückstand bei einem zusammengesetzten Index, dreizehnmal günstiger im gewichteten Durchschnitt, Median-Latenz unter einer Sekunde in Produktion, sechs Anbieter, MIT-Gewichte und kein Anbieter, der dir die Bedingungen ändern kann. Es ist derzeit das günstigste bekannte Modell, das eine vollständige Benchmark-Suite durchläuft – und das hat es nicht erreicht, indem es schlecht ist.

Muse Spark 1.2 verdient seinen Preis in einer bestimmten Form von Arbeit: langfristige agentische Codierung, bei der eine fehlgeschlagene Trajektorie teuer ist, bei der die zusätzliche Überlegung über Minuten von Arbeit amortisiert wird, statt von einem wartenden Benutzer gespürt zu werden, und bei der man mit einem einzigen Anbieter und keiner unabhängigen Aufschlüsselung dessen, woraus die vier Punkte bestehen, leben kann. Meta hat in vier Monaten drei Modelle veröffentlicht und in dieser Zeit elf Indexpunkte gewonnen, also könnte sich der Fall schnell festigen — aber heute stützt er sich auf herstellerbetriebene Coding-Benchmarks und eine zusammengesetzte Punktzahl.

Wenn Sie diese Woche eine Wahl treffen, lassen Sie beide fünfzig Schritte in Ihrer eigenen Agent-Loop laufen und vergleichen Sie abgeschlossene Trajektorien pro Dollar statt Tokens pro Dollar. Diese eine Messung beantwortet diesen Vergleich besser als jeder veröffentlichte Benchmark darin.