Muse Spark Open 816B A42B vs. Muse Spark 1.2: Das offene Modell hat endlich eine Serving-Story

Bis diese Woche brach der Vergleich Muse Spark Open 816B A42B mit Muse Spark 1.2 jedes Mal an derselben Stelle ab: In der einen Spalte standen Messwerte, in der anderen ein Repository. Meta veröffentlichte die Gewichte für Muse Spark Open 816B A42B – ein Mixture-of-Experts-Modell mit 816 Milliarden Parametern und 42 Milliarden aktiven Parametern, auf Hugging Face als Muse-Spark-Open-816B-A42B verpackt – am 15. Oktober 2026, ohne Launch-Event und ohne Presserummel. Muse Spark 1.2 wird seit Monaten unabhängig gelistet und gemessen. Dann veröffentlichte NVIDIA am 16. Oktober 2026 einen Speculative-Decoding-Checkpoint mit 4,38 Milliarden Parametern für das offene Modell, und die Gestalt des Vergleichs verschob sich, denn dieser Checkpoint ist das erste Drittanbieter-Artefakt, das speziell dafür gebaut wurde, die 816B-Klasse betreibbar zu machen. Nichts davon ist ein Launch, und nichts davon ist eine Preissenkung. Was sich geändert hat, ist enger und nützlicher: Die offene Seite der Bilanz hat ihren ersten Beleg dafür erhalten, wie sie tatsächlich laufen wird.Diese Kluft zwischen dem, was eine Anzeigetafel misst, und dem, worauf ein Deployment trifft, ist der Grund, warum die Aufzeichnung zählt: Die dokumentierten KI-Ausfälle und Agent-Vorfälle rund um Modelle dieser Klasse sind gesammelt in the OrcaRouter AI Incident Archive, wo jeder Eintrag seine eigenen Quellen, seinen Schweregrad, seinen Konfidenzgrad und seine Kennzeichnung als strittig trägt.

Die fehlende Spalte war das ganze Argument

Nimmt man die Familienähnlichkeit weg, sind das keine zwei Konfigurationen eines Produkts. Sie sind ein herunterladbarer Satz Gewichte und ein gemieteter Endpunkt, und die Zahlen, die über echte Adoption entscheiden, sind nicht die auf der Benchmark-Karte.

Was die Leistungsfähigkeit betrifft, setzt der unabhängige Intelligence Index Muse Spark 1.2 auf 40 und Muse Spark Open 816B A42B auf 39. Das ist in jeder praktischen Hinsicht ein Gleichstand; ein einzelner Punkt liegt innerhalb des Rauschens der Art und Weise, wie diese zusammengesetzten Werte gebildet werden, und ist kein Grund, eines der beiden Modelle auszuwählen.

Bei Geschwindigkeit und Kosten war die Kluft keine Kluft, sondern ein Loch. Muse Spark 1.2 hat eine gemessene Ausgabegeschwindigkeit, einen veröffentlichten Preis pro Token und Kosten pro Index-Aufgabe. Muse Spark Open 816B A42B hatte nichts davon, weil niemand es im großen Maßstab bereitgestellt und das Ergebnis berichtet hatte. Genau über diese Asymmetrie stritten die Leute tatsächlich, und sie ist der Teil, der sich gerade verändert hat.

Was NVIDIAs Checkpoint hinzufügt – und was er bewusst nicht tut

Das Repository heißt nvidia/Muse-Spark-Open-816B-A42B-DFlash2, es ist nicht zugangsbeschränkt, und es ist ein Entwurfsmodell – ein kleines Modell, dessen einzige Aufgabe darin besteht, den nächsten Block von Token zu erraten, damit das 816B-Zielmodell einen ganzen Block in einem einzigen Vorwärtsdurchlauf verifizieren kann, anstatt jeweils ein Token auszugeben.

• Woraus es besteht — 4,38 Milliarden dichte Parameter in BF16, fünf Decoder-Schichten, Sliding-Window-Attention mit einem 2.048-Token-Fenster, eine Blockgröße von acht und Zugriffe auf fünf Schichten des 62-schichtigen Ziels. Es ist ein Anhang, kein Modell: Es erzeugt keinen eigenen Text und kann nicht ohne das Ziel ausgeführt werden, für das es trainiert wurde, Entwürfe zu erstellen.

• Was es meldet — Akzeptanzlängen von 3,73 auf MT-Bench beim Greedy-Decoding und 3,01 beim Sampling, SPEED-Bench-Durchsatzverhältnisse von 3,30 und 2,78 sowie eine empfohlene spekulative Tokenanzahl von sieben. Auf einer Blackwell-GPU über vLLM oder TensorRT-LLM ist das eine erhebliche Beschleunigung des Zielmodells.

• Was er nicht berichtet — eine End-to-End-Beschleunigung in Tokens pro Sekunde gegenüber einer passenden nicht-spekulativen Baseline. Die Akzeptanzlänge sagt Ihnen, dass der Entwurf oft greift. Sie sagt Ihnen nicht, dass der Server schneller geworden ist, und beide können stark auseinanderdriften, wenn das Ziel bereits durch die Speicherbandbreite begrenzt ist.

• Wo es läuft — NVIDIA Blackwell mit Linux, über zwei namentlich genannte Engines. SGLang, die Runtime, die Metas eigenes DFlash V2-Material verwendet, fehlt in der Liste. Dies ist ein Rechenzentrums-Artefakt, nichts, das sich in ein Desktop-Deployment einfügt.

Die ehrliche Aktualisierung lautet also: Die Geschwindigkeitsspalte des offenen Modells ist von leer zu annotiert geworden, nicht von leer zu gefüllt. Ein Leser, der diese beiden Modelle heute vergleicht, kann sagen: Muse Spark Open 816B A42B ist auf Datacenter-Blackwell mit spekulativem Decoding bereitstellbar. Dieser Leser kann weiterhin nicht sagen, wie viele Tokens pro Sekunde er erhalten wird.

Dimension für Dimension, mit angehängter Evidenzklasse

Jede Zeile nennt die Dimension, beide Seiten und wie gut belegt die siegreiche Seite ist — denn bei dieser Paarung zählt die Evidenzklasse mehr als die Richtung.

• Leistungsfähigkeit — Muse Spark 1.2 mit 40, Muse Spark Open 816B A42B mit 39, beide unabhängig von Artificial Analysis gemessen. Innerhalb eines Punktes. Nicht entscheidend.

• Geschwindigkeit — Muse Spark 1.2, entschieden und unabhängig: Der Eintrag von Artificial Analysis für Muse Spark 1.2 zeigt derzeit 374,6 Tokens pro Sekunde, auf Platz eins von 186 gemessenen Modellen, mit einer Zeit bis zum ersten Token von 12,67 Sekunden. Ein früherer Snapshot desselben Eintrags zeigte 361,4 Tokens pro Sekunde, auf Platz eins von 185, was man wissen sollte, bevor man eine der beiden Zahlen als feststehende Tatsache zitiert — der Rang ist die belastbare Aussage, die Nachkommastelle nicht. Muse Spark Open 816B A42B hat von niemandem einen End-to-End-Durchsatzwert. Seine einzigen durchsatznahen Zahlen gehören zu einem Draft-Modell, und dabei handelt es sich um Akzeptanzraten, nicht um Server-Durchsatz.

• Kosten — Muse Spark 1.2 bei 1,25 $ pro Million Input-Tokens und 4,25 $ pro Million Output-Tokens, ein Rabatt von 88 % auf zwischengespeicherte Eingaben und gemessene 0,97 $ pro Aufgabe des Intelligence Index. Muse Spark Open 816B A42B hat keinen Preis pro Token und keine veröffentlichten Kosten pro Aufgabe; seine Kosten sind Hardware, Strom und die Aufmerksamkeit von jemandem, und es gibt keine unabhängige Zahl.

• Gewichte — Muse Spark Open 816B A42B, vollständig und ausschließlich. Etwa 1,5 TB in BF16 plus ein NVFP4-Build, hinter einem Terms Gate. Die Gewichte von Muse Spark 1.2 werden in keiner Form verbreitet, und kein Drafter ändert daran etwas.

• Feinabstimmung — Muse Spark Open 816B A42B, mit TorchTitan-Unterstützung, die zusammen mit den Gewichten ausgeliefert wird. Muse Spark 1.2 kann zu keinem Preis auf Ihren Daten feinabgestimmt werden. Dies ist der größte strukturelle Vorteil des offenen Modells, und er bleibt von allem unberührt, was NVIDIA veröffentlicht hat.

• Kontext — ein Gleichstand bei 1,048,576 Tokens, mit unterschiedlicher Physik dahinter. Beim offenen Modell kostet ein Kontext in voller Länge in BF16 in der Größenordnung von 266GB KV-Cache zusätzlich zu den Gewichten. Bei Muse Spark 1.2 ist es das Kapazitätsproblem von jemand anderem.

• Reasoning-Effort — das offene Modell lässt dich niedrig, mittel, hoch und xhigh einstellen, was 16, 64, 256 und 512 Reasoning-Tokens entspricht, oder dieselbe Einstellung mit einem System-Prompt-Hinweis vornehmen. Weil du in Wanduhrzeit statt in Dollar pro Ausgabe-Token bezahlst, kostet das Hochdrehen des Reglers um Genauigkeit bereinigte Zeit und nichts am Zähler. Bei Muse Spark 1.2 wird dasselbe Nachdenken als Ausgabe abgerechnet.

• Modalitäten — umstritten, und sie fallen nach den vorliegenden Belegen zugunsten von Muse Spark 1.2 aus. Artificial Analysis hat gemessen, dass 1.2 Text, Bilder, Sprache und Video akzeptiert, und dass das offene Modell nur Text und Bilder akzeptiert, während Metas eigene Unterlagen Text, Bild, Video und Audio für Muse Spark Open 816B A42B beanspruchen. Die weiter gefasste Behauptung ist anbieterseitig behauptet; die engere ist gemessen.

• Lizenz — Muse Spark Open 816B A42B unter der Muse Model License, die eine Klausel enthält, die eine separate schriftliche Vereinbarung verlangt, wenn Ihr Umsatz mit Model-as-a-Service in einem beliebigen Zeitraum von zwölf aufeinanderfolgenden Monaten 20 Millionen US-Dollar überschreitet, und die Attributionszeichenfolge „Built with Muse Spark Open“ verlangt. Der NVIDIA-Verfasser legt die NVIDIA Open Model Agreement zusätzlich darüber. Muse Spark 1.2 läuft unter gewöhnlichen API-Bedingungen.

• Hardware-Mindestanforderung — das offene Modell benötigt zwei M5 Ultra Mac Studios für den MLX-Desktop-Pfad, oder einen Blackwell-Knoten für den TensorRT-LLM-Pfad, oder einen Vier-GPU-Knoten für das BF16-Rezept. Der Drafter trägt nichts zum Desktop-Pfad bei. Muse Spark 1.2 braucht nichts davon.

• Deprecation-Risiko — Der eigene Eintrag von Muse Spark 1.2 enthält ein Banner, das ankündigt, dass eine neuere Version, Muse Spark 1.3, erschienen ist. Gewichte auf Ihrer Festplatte können nicht ohne Ihr Zutun für veraltet erklärt werden, und das ist die eine Zeile in dieser Liste, in der Besitz aufgrund einer Tatsache gewinnt statt aufgrund einer Vorliebe.

Das Banner ist das Argument für den Besitz.

Diese letzte Zeile verdient mehr als einen Aufzählungspunkt. Das Modell, das Sie mieten, ist bereits durch das Nachfolgemodell seines Anbieters als überholt gekennzeichnet, was kein Skandal ist – so funktionieren gehostete Tarife –, aber es bedeutet, dass der Vergleich nicht so sauber ist wie „39 gegen 40, und der Schnellere gewinnt“.

Ein Team, das auf Muse Spark 1.2 aufbaut, baut auf einem Endpunkt auf, vor dem eine bekannte Migration steht. Ein Team, dem die 816B-Gewichte gehören, hat ein Modell mit einer festen Fähigkeit und einem konfigurierbaren Verhalten, und die Migrationsentscheidung wird zu seiner eigenen Planungsaufgabe. Der Preis für diese Kontrolle ist Durchsatz, Hardware und die Akzeptanz, dass die Drafter-Story noch halbfertig ist.

Was Mieten noch bietet, das kein Planer behebt

Spekulative Dekodierung macht es günstiger, ein großes offenes Modell bereitzustellen. Sie macht es jedoch nicht zu einem Drop-in-Ersatz für einen schnellen gehosteten Endpoint in einer interaktiven Schleife, und genau dieser Unterschied ist für Produktteams entscheidend.

Die 374,6 Token pro Sekunde und die 12,67 Sekunden bis zum ersten Token von Muse Spark 1.2 werden unter einer standardisierten Arbeitslast gemessen. Eine Agent-Schleife multipliziert die zweite Zahl mit der Anzahl der Round-Trips pro Aufgabe, und Cache-Rabatte werden vom Anbieter angewendet, ohne dass Sie irgendetwas bedienen müssen. Selbst zu betreiben bedeutet Kapazitätsplanung, einen Treiber-Stack und eine spekulative Konfiguration, die Sie selbst abstimmen. Die Akzeptanzlängen des Drafters sind der Anfang dieser Arbeit, nicht ihr Ende.

Den Split routen, anstatt eine Seite zu wählen.

Die meisten Teams, die am Ende beide betreiben, landen dort, weil sich die Workloads wirklich unterscheiden: Interaktive Pfade wollen den schnellen Endpunkt, Batch- und On-Premises-Pfade wollen die Gewichte. Der Fehlermodus ist eine Aufteilung, die in einem Designdokument statt in der Konfiguration lebt.

OrcaRouter leitet Muse Spark 1.2 — und Muse Spark 1.1 — zum Listenpreis des Anbieters weiter, mit 0 % Aufschlag, der direkt durchgereicht wird, sodass eine Preisänderung des Anbieters noch am selben Tag bei Ihrem Schlüssel ankommt, ohne dass auf Ihrer Seite eine Neukalkulation nötig ist. Es leitet Muse Spark Open 816B A42B oder diesen DFlash2-Drafter weder weiter noch hostet es sie, und es wäre falsch, diesen Beitrag so zu lesen, als würde er etwas anderes behaupten: Ein Modell, dessen Wert darin liegt, dass Sie die Gewichte selbst halten können, ist ein Modell, das Sie auf Ihrer eigenen Hardware betreiben. Was der Router beiträgt, ist die andere Hälfte der Aufteilung — eine API über 200+ Modelle hinweg, automatisches Failover, wenn ein Anbieter an Leistung verliert, Modellfusion, um sie zu kombinieren, und eine Routing-DSL, die Datenverkehr per Konfiguration statt per Codeänderung zwischen Modellen verschiebt. Dieser letzte Punkt ist der günstige Weg, zu testen, ob ein noch unbewährter selbstgehosteter Pfad bereit ist, ohne eine Produktionsroute darauf zu setzen.

Was tun mit einem unvollendeten Vergleich

Nimm Muse Spark 1.2, wenn du heute einen gemessenen Durchsatz und gemessene Kosten pro Aufgabe brauchst, wenn ein Mensch auf die Ausgabe wartet, wenn du unabhängig bestätigte Sprach- und Videoeingabe benötigst oder wenn du ein Muse-Modell mit einem einzigen Schlüssel möchtest, ohne eine GPU zu kaufen. Bei $1.25 Eingang und $4.25 Ausgang mit einem Rabatt von 88 % auf gecachte Eingaben ist es ein vertretbarer Kauf, selbst wenn man weiß, dass die Auflistung des eigenen Anbieters auf 1.3 vorausweist.

Nehmen Sie Muse Spark Open 816B A42B, wenn die Aufgabe eng genug ist, um sie mit TorchTitan feinabzustimmen, wenn die Daten Ihr Netzwerk nicht verlassen dürfen, wenn das Volumen groß und stabil genug ist, um Hardware zu amortisieren, oder wenn Ihnen der kostenlose Reasoning-Regler mehr wert ist als der Indexpunkt, auf den Sie verzichten. Der NVFP4-Build und der NVIDIA-Drafter bedeuten zusammen, dass der Rechenzentrumspfad nicht mehr spekulativ ist in dem Sinne, der im Oktober zählte — er ist lediglich nicht quantifiziert.

Was Sie nicht tun sollten, ist, die offenen Gewichte zu nehmen, weil sie kostenlos sind, oder das gehostete Modell zu nehmen, weil es schneller ist, ohne zu bemerken, dass diese beiden Sätze unterschiedliche Fragen beantworten. Der eine handelt davon, was das Modell ist, der andere davon, wie Sie es betreiben werden. Letzte Woche hatte nur die zweite Frage eine Antwort. Diese Woche haben zum ersten Mal beide eine – und die Antwort des offenen Modells kommt mit Fehlerbalken.

Muse Spark Open 816B A42B ist unter der Muse Model License herunterladbar; Muse Spark 1.2 wird pro Token verkauft und auf OrcaRouter zum Listenpreis geroutet.