Muse Spark vs. DeepSeek V4.1 Pro: Ein Download landete, einer wurde nie ausgeliefert

Drei Namen entscheiden über dieses Duell, und nur zwei davon sind Dinge, die man in der Hand halten kann. Muse Spark Open wurde am 15. Oktober 2026 tatsächlich herunterladbar, als Meta die Gewichte, die Konfiguration und die Lizenz für das offene Mitglied seiner Meta Muse Spark Familie veröffentlichte. DeepSeek V4.1 Pro wurde nie veröffentlicht: Die Stufe wurde genau einmal genannt, und zwar in einem Changelog-Eintrag vom 10. September, der einen Routing-Plan beschrieb, der umgehend zurückgezogen wurde, und sie hat seitdem keine Modellkarte, keine Preiszeile, kein Repository und kein Datum veröffentlicht. Der dritte Name ist der, der die Schlagzeile beantwortbar macht, denn er ist das Flaggschiff, gegen das ein Leser tatsächlich abwägen würde — DeepSeek V4 Pro, das Flaggschiff mit 1,6 Billionen Parametern und MIT-Lizenz, das seit dem 13. August 2026 herunterladbar und aufrufbar ist, mit DeepSeek V4.1 Flash darunter als das günstige, schnelle, bildlesende Mitglied derselben Modellreihe.

So formuliert ist die interessante Frage nicht, welches Modell klüger ist. Sondern was sich für jemanden geändert hat, der auf Gewichten statt auf Endpunkten aufbaut: Die eine Seite dieses Vergleichs hat gestern eine Lizenz erhalten, die man lesen und über die man streiten kann; die andere hat noch nie eine gehabt, und die Preis-pro-Aufgabe-Rechnung läuft der Preis-pro-Token-Rechnung entgegengesetzt.

Die beiden Hälften der Schlagzeile sind nicht dieselbe Art von Objekt

Die Form dieser Paarung ist ungewöhnlich genug, um sie noch vor jeder Zahl zu nennen. Normalerweise hat eine „vs“-Seite ein Versionsproblem – zwei Modellnamen, die jeweils drei Checkpoints verbergen. Hier hat die eine Seite ein Versionsproblem und die andere ein Existenzproblem.

Metas Seite lässt sich sauber auflösen. Muse Spark ist eine Familie, kein Launch: Die Reihe wurde am 8. April 2026 eingeführt, und seitdem wurde sie viermal neu ausgerichtet. Muse Spark 1.1 erschien am 16. Juli 2026, Muse Spark 1.2 am 5. August und Muse Spark 1.3 am 2. September, wobei die „max“-Reasoning-Stufe von 1.3 zwei Tage später, am 4. September, nach zusätzlichen Sicherheitstests geöffnet wurde. Muse Spark Open ist das fünfte Artefakt unter diesem Namen und das einzige, das man selbst hosten kann.

Die Seite von DeepSeek lässt sich überhaupt nicht auflösen. DeepSeek V4.1 Pro ist ein Stufenname, hinter dem nichts steht, und der Unterschied zwischen ihm und den vier DeepSeek-Modellen, die tatsächlich existieren, ist der ganze Grund, warum diese Seite einen Ersatz nennen muss. Die ehrliche Lesart ist, dass ein Leser, der nach diesem Duell sucht, zwei verschiedene Fragen in den Händen hält – was Meta gerade auf die Platte gelegt hat, und wann die versprochene DeepSeek-Stufe tatsächlich existieren wird.

Was tatsächlich gelandet ist und wie lange es dort schon gelegen hatte

Muse Spark Open ist kein Überraschungs-Release und auch kein konventioneller Launch, und die Kluft zwischen diesen beiden Beschreibungen ist das Interessanteste an der Veröffentlichung. Das Hugging-Face-Repository – ein BF16-Checkpoint und ein separater NVFP4-Build, unter dem Namen Muse-Spark-Open-816B-A42B – trägt einen Erstellungszeitstempel vom 2026-09-15. Danach lag es einen Monat lang dort, zugangsbeschränkt und ohne Ankündigung, während der Lizenztext und die Nutzungsrichtlinie im Zugangsformular ihr eigenes Datum behielten: 15. Oktober 2026. Das Artefakt existierte still; der Papierkram zog einen Monat später nach.

Was die Metadaten und Metas eigener Release-Post belegen – ganz ohne Benchmark von irgendjemandem:

• Skalierung — insgesamt rund 816 Milliarden Parameter, davon etwa 42 Milliarden pro Token aktiv, eine sparse Mixture-of-Experts-Architektur über 62 Schichten hinweg mit 256 Experten pro MoE-Schicht, wobei 8 pro Token ausgewählt werden.

• Kontext — ein Fenster mit 1.048.576 Token, das über alle Modalitäten hinweg gemeinsam genutzt wird, statt zwischen ihnen aufgeteilt zu werden.

• Modalitäten — Text, Bild, Video und Audio als Eingabe; Text als Ausgabe. Die unabhängige Auflistung von Artificial Analysis verzeichnet dieselbe Eingabezeile und beschreibt ein Modell, das Text, Sprache, Bild und Video entgegennimmt.

• Reasoning — eine Einstellung für den Reasoning-Aufwand mit den Stufen niedrig, mittel, hoch und xhigh und keine Möglichkeit, Reasoning vollständig auszuschalten.

• Zugang – beschränkt. Das Antragsformular verlangt den vollständigen rechtlichen Namen, das Geburtsdatum und die Organisation mit Unternehmenskennungen und kann nach der Übermittlung nicht mehr bearbeitet werden. Wer dies als Ein-Klick-Download betrachtet, sollte mit einer Warteschlange rechnen.

Das ist der Teil der Aufzeichnung, der geklärt ist. Der Teil, der nicht geklärt ist, ist die Messung, und es lohnt sich, genau zu unterscheiden, was was ist — siehe den Abschnitt mit den Zahlen unten.

Die deepseek-ai-Organisation und der Name, der nicht darin enthalten ist

Alles, was über DeepSeek V4.1 Pro veröffentlicht wurde, passt in einen einzigen Satz aus DeepSeeks eigenem Changelog vom 10.09.2026, in dem Hinweis, der DeepSeek V4.1 Flash begleitete. Darin hieß es, dass ab 04:00 UTC am 14. September Anfragen an deepseek-v4-pro an das neu veröffentlichte Flash-Modell weitergeleitet und zu Flash-Tarifen abgerechnet würden und dass dies so lange gelte, „bis V4.1-Pro startet“. Entwickler protestierten dagegen, dass ihnen ein Produktionsmodell ohne Migrationsfenster unter den Füßen weggetauscht wurde, und derselbe Changelog-Eintrag dokumentiert die Kehrtwende: DeepSeek entschied, DeepSeek V4 Pro nach dem 14. September weiterhin bereitzustellen, wobei die Abrechnung unverändert bleibt.

Der Routing-Plan starb. Der Name überlebte ihn, und diese Klausel ist die gesamte öffentliche Aufzeichnung. Verifiziert anhand von Primärquellen am 16. Oktober 2026:

• Die Seite „Models & Pricing" von DeepSeek führt genau zwei Modellnamen auf — deepseek-flash und deepseek-v4-pro, die zu DeepSeek-V4.1-Flash bzw. DeepSeek-V4-Pro-0813 aufgelöst werden. Es gibt keine V4.1-Pro-Spalte, keine -Zeile und keinen Preis.

• DeepSeeks Änderungsprotokoll enthält keinerlei Eintrag für Oktober, und seine jüngsten Einträge sind 2026-09-10, 2026-08-21 und 2026-08-13.

• Die Organisation deepseek-ai auf Hugging Face hat kein Repository, das für ein V4.1 Pro benannt ist. Ihr neuestes Modell-Repository ist DeepSeek-V4.1-Flash, erstellt am 2026-09-10.

Ein unbestätigtes Signal ist es wert, festgehalten zu werden – und nicht mehr. Am Morgen des 15. Oktober meldete ein Tracker, dass sich ein DeepSeek-Endpunkt nach dem Ende eines Dienstausfalls anders verhielt – er löste einen Relational-Reasoning-Prompt, an dem DeepSeek-V4-Pro-0813 und die V4.1-Generation beide scheiterten, reproduzierbar über vier Stichproben hinweg, bei ungefähr 180 Tokens pro Sekunde – und riet auf den Namen V4.1 Pro. Dahinter stehen weder eine Modellkarte noch eine Gewichtsdatei noch eine Aussage des Anbieters, und ein stiller Neuaufbau einer bestehenden Serving-Konfiguration sähe von außen identisch aus. Betrachte es als Grund, wachsam zu bleiben, nicht als Release.

Was ein V4.1 Pro mit ziemlicher Sicherheit erben würde, sollte gesondert erwähnt werden, denn es ist eine Schlussfolgerung und keine Berichterstattung. Jedes DeepSeek-Modell, das in den V4- und V4.1-Reihen ausgeliefert wurde — DeepSeek-V4-Pro-0813, DeepSeek-V4-Flash, DeepSeek-V4-Flash-0731 und DeepSeek-V4.1-Flash — trägt license:mit auf seiner Modellkarte, und der bereitgestellte Rahmen war einheitlich: 1M Tokens Eingabe, bis zu 384K Ausgabe. Von einer Pro-Stufe in dieser Reihe würde erwartet, dass sie beidem entspricht. Es wurde nichts veröffentlicht, das dies aussagt.

Die Achse trägt keine Anzeigetafel: die Lizenz.

Hier gehen die beiden Open-Weight-Optionen wirklich getrennte Wege, und es ist der Abschnitt, der den Artikel für jeden entscheidet, der ein Produkt ausliefert, statt einen Benchmark laufen zu lassen. Artificial Analysis' Eintrag für Muse Spark Open beantwortet die Lizenzfrage mit „kommerzielle Nutzung ist mit Einschränkungen erlaubt“, und der Grund steht in Metas eigenem Text.

Die Muse Model License ist keine OSI-Lizenz und sie ist nicht MIT. Zwei Klauseln ändern, was „Open Weights“ in der Praxis bedeutet, und keine von beiden steht in der Überschrift.

• Die Model-as-a-Service-Klausel. Abschnitt 3 verlangt, dass Sie, wenn Sie oder Ihre verbundenen Unternehmen Dritten Zugang zum Modell als Produkt oder Dienst über eine API gewähren und Ihr aggregierter Bruttoumsatz in einem beliebigen Zeitraum von zwölf aufeinanderfolgenden Monaten zwanzig Millionen US-Dollar übersteigt, Meta benachrichtigen und eine separate schriftliche Vereinbarung eingehen müssen, bevor Sie dieses Geschäft betreiben. Die Einbindung des Modells in Ihr eigenes Produkt ist ausgenommen; der Weiterverkauf ist es nicht.

• Die Namensnennungsklausel. Lizenznehmer müssen „Built with Muse Spark Open" gut sichtbar in der Benutzeroberfläche jedes Produkts anzeigen, das das Modell oder ein Derivat davon verwendet, oder in der zugehörigen Dokumentation, Website oder im Einstellungsmenü.

Dagegen steht die gesamte ausgelieferte DeepSeek-Reihe unter MIT — DeepSeek V4 Pro, DeepSeek V4.1 Flash und ihre Vorgänger tragen sie alle, ohne Umsatzschwelle, ohne Benachrichtigungspflicht und ohne Attributionspflicht. Die praktischen Folgen sind keineswegs subtil. Wenn Ihr Plan vorsieht, das Modell hinter einer API für andere Personen zu hosten, hat Metas Lizenz eine Umsatz-Stolperfalle, die DeepSeeks Lizenz nicht hat. Wenn Ihr Plan vorsieht, ein auf den Gewichten aufgebautes Verbraucherprodukt auszuliefern, verpflichtet Metas Lizenz Sie dazu, einen Satz anzuzeigen, während DeepSeeks Lizenz Sie dazu verpflichtet, nichts anzuzeigen.

Zwei Dinge, die die Muse Model License eindeutig gewährt, und sie sind erwähnenswert, weil sie der eigentliche Punkt offener Gewichte sind: Sie dürfen Fine-Tuning betreiben, destillieren, zusammenführen, veröffentlichen, Weiterlizenzen vergeben und Derivate verkaufen, und Meta beansprucht kein Eigentum an den Ausgaben. Die Einschränkung ist eng, und die Gewährung ist weit. Doch wenn Sie zwischen diesen beiden eher auf Grundlage der rechtlichen Prüfung als auf Grundlage der Leistungsfähigkeit wählen, ist die Wahl nicht knapp, und es ist die Antwort, die dieses Duell liefert, bevor eines der beiden Modelle ein Token generiert.

Die Zahlen und die Linie, die rückwärts verläuft

Artificial Analysis ist der einzige Drittanbieter mit öffentlichen Auflistungen für beide Lager, und er steckt sie nicht in dieselbe Schublade – Open-Weight-Modelle werden gegen Open-Weight-Modelle derselben Größenklasse gerankt, was hier nicht viel verzerrt, weil es sich bei allem Besprochenen um Open-Weight-Modelle handelt. Was folgt, ist seine Messung, nicht die Behauptung eines Anbieters und nicht unsere.

• Muse Spark Open (xhigh) — Intelligence Index 39, Neunter von 118 Einträgen in seiner Klasse und deutlich über dem Klassenmedian von 19; 1,25 $ Eingabe und 4,25 $ Ausgabe pro Million Tokens; 0,84 $ pro abgeschlossener Index-Aufgabe; Ausgabegeschwindigkeit 103,4 Tokens pro Sekunde; Zeit bis zum ersten Token 0,65 Sekunden; 110 Mio. während des Index generierte Ausgabe-Tokens, gegenüber einem Median von 130 Mio.; 816 Mrd. Gesamt- und 42 Mrd. aktive Parameter; Muse Model License.

• DeepSeek V4 Pro 0813 (max) — Intelligenz-Index 36; 1,32 $ Eingabe und 3,96 $ Ausgabe pro Million Tokens; 0,67 $ pro Index-Aufgabe; 92 Tokens pro Sekunde; Zeit bis zum ersten Token 1,66 Sekunden; 160 Mio. Ausgabe-Tokens, über dem Median; 1,6 Bio. Parameter insgesamt und 49 Mrd. aktive Parameter; MIT.

• DeepSeek V4.1 Flash (max) — die nützliche dritte Spalte und diejenige, die den gesamten Vergleich neu ordnet. Intelligence Index 39 — derselbe Wert wie Muse Spark Open — bei 0,30 $ Eingabe und 1,20 $ Ausgabe pro Million Token, 0,27 $ pro Index-Aufgabe, 179 Token pro Sekunde und 1,15 Sekunden bis zum ersten Token, gegenüber 250 Mio. Ausgabe-Token, die ausführlichste Messung in dieser Klasse.

Liest man die drei zusammen, ist die Umkehrung die eigentliche Aussage. Die Modelle von DeepSeek sind pro Aufgabe ausführlicher – 160 Mio. und 250 Mio. Ausgabe-Tokens gegenüber 110 Mio. bei Muse Spark Open – und kosten dennoch weniger pro abgeschlossener Aufgabe, weil der Preis pro Token so viel niedriger ist. Kosten pro Token und Kosten pro Aufgabe zeigen hier in entgegengesetzte Richtungen, und wer diese allein anhand der beworbenen Input-/Output-Raten vergleicht, wird zu dem falschen Schluss darüber gelangen, welches Modell günstiger zu betreiben ist.

Zwei Preisvorbehalte, die die Rechnung wesentlich verändern. Erstens halbiert DeepSeeks eigene Preisliste die Tarife außerhalb der Peak-Zeiten, und der Peak ist ein enges Zeitfenster – 01:00–04:00 und 06:00–10:00 UTC, Montag bis Freitag, mit Ausnahme chinesischer gesetzlicher Feiertage, wobei Wochenenden und Feiertage vollständig Off-Peak sind. Die oben genannten Werte von 1,32 $ / 3,96 $ und 0,30 $ / 1,20 $ sind die von DeepSeek veröffentlichten Peak-Tarife; die Off-Peak-Tarife liegen bei 0,66 $ / 1,98 $ für DeepSeek V4 Pro und 0,15 $ / 0,60 $ für DeepSeek V4.1 Flash. Der größte Teil einer Woche ist Off-Peak. Zweitens hat Meta für Muse Spark Open überhaupt keinen Preis veröffentlicht – die Zeile mit 1,25 $ / 4,25 $ ist eine gehostete Route, die Artificial Analysis misst, und wird als Median über die Anbieter hinweg angegeben, die das Modell bereitstellen, nicht als Listenpreis eines Anbieters für die Gewichte. Gewichte, die Sie hosten, haben keinen Preis pro Token; sie haben eine Hardware-Rechnung.

Noch ein ehrlicher Vorbehalt zur Muse Spark-Seite. Die obige 39 gehört zu Muse Spark Open bei xhigh und ist nicht die beste Zahl der Familie. Muse Spark 1.3 erzielt bei max 48 auf demselben Index – neun Punkte mehr – und Muse Spark 1.2, der Checkpoint, den die meisten Entwickler aufrufen, erzielt 40. Die Fähigkeit der Familie am offenen Checkpoint abzulesen, würde sie zu niedrig ansetzen; die Lizenz des offenen Checkpoints an der geschlossenen Linie abzulesen, wäre ein Kategorienfehler, weil für sie unterschiedliche Bedingungen gelten.

Wo die beiden überhaupt keine Substitute sind

Die Index-Differenz zwischen 39 und 36 ist klein genug, um im Rauschen dessen zu liegen, wie jedes Harness ausgeführt wurde, weshalb die unten stehenden Spezifikationen bei der Entscheidung zwischen ihnen mehr zählen als die Punktzahlen.

• Modalität – das ist alles andere als knapp. Muse Spark Open liest Text, Bilder, Video und Audio. DeepSeek V4 Pro liest Text und sonst nichts; DeepSeeks eigene Preisliste markiert die Vision-Zeile für dieses Modell als "Not supported", und Artificial Analysis verzeichnet dasselbe. Wenn Ihre Pipeline Bildschirmaufzeichnungen, Video oder Sprache in ein Modell einspeist, endet der Vergleich hier.

• Kontext – beide umfassen 1 Mio. Token, und es gibt nichts zu trennen. Muse Spark Open teilt dieses Budget über Modalitäten hinweg; das von DeepSeek ist konstruktionsbedingt nur Text.

• Maximale Ausgabe — DeepSeek gibt 384K Token für DeepSeek V4 Pro und DeepSeek V4.1 Flash an. Meta veröffentlicht keine maximale Ausgabegröße für Muse Spark Open, die wir überprüfen konnten. Eine nicht veröffentlichte Obergrenze ist ein Risiko, das man testen sollte, statt sie anzunehmen, wenn Sie lange Artefakte in einem einzigen Aufruf generieren.

• Zeit bis zum ersten Token – die eine Latenzzeile, die Muse Spark Open klar gewinnt, mit 0,65 Sekunden gegenüber 1,66 für DeepSeek V4 Pro und 1,15 für DeepSeek V4.1 Flash. Für interaktive oder agentische Schleifen, in denen das erste Token den nächsten Tool-Aufruf bedingt, ist das ein echter Unterschied, und er bleibt trotz des kleineren Index-Abstands bestehen.

• Durchsatz — DeepSeek V4.1 Flash ist mit 179 Token pro Sekunde der schnellste der drei, gefolgt von Muse Spark Open mit 103,4 und DeepSeek V4 Pro mit 92. Bemerkenswert ist, dass das geschlossene Muse Spark 1.2 361 Token pro Sekunde erreichte — der offene Checkpoint ist eine andere Bereitstellung mit einem anderen Geschwindigkeitsprofil, und es sollte nicht angenommen werden, dass er die Werte der geschlossenen Linie erbt.

• Latenzstreuung innerhalb der Familie – eine Zeile wert, weil sie eine Falle ist. Die gemessene Zeit bis zum ersten Token von Muse Spark 1.3 beträgt bei maximalem Reasoning 54,06 Sekunden, gegenüber einem Peer-Median von etwa 3,7. Eine reasoning-lastige Konfiguration kann den Großteil einer Minute verstreichen lassen, bevor das erste Token eintrifft. Was auch immer Sie aus einer Muse Spark-Zeile schließen, prüfen Sie, welcher Checkpoint und welches Effort-Level sie erzeugt hat.

Den Vergleich durchführen, statt ihn zu lesen

Keine Seite dieser Schlagzeile lässt sich durch Argumente klären, denn die beiden Dinge, um die es geht – ob 39 gegen 36 bei deinem Traffic etwas bedeutet und ob der Durchsatz und die Latenz von Muse Spark Open auf einem anderen Serving-Stack standhalten –, sind nur in deinen eigenen Anfragen sichtbar. Der kostengünstigste Weg, das herauszufinden, ist, beide mit denselben Prompts laufen zu lassen.

Dafür sind wir da. OrcaRouter stellt die vier Modelle hier mit Endpunkten — Muse Spark 1.2, Muse Spark 1.1, deepseek-v4-pro und deepseek/deepseek-v4.1-flash — hinter einer einzigen API für über 200 Modelle, zum Listenpreis des jeweiligen Anbieters mit 0 % Aufschlag weitergegeben, sodass eine Preissenkung eines Anbieters am selben Tag bei uns live ist. Beide Familien laufen über einen Schlüssel: kein zweiter Vertrag, kein zweites SDK, keine Migration, um das eine gegen das andere zu testen, und automatisches Failover, sodass ein geroutetes Experiment, das schiefgeht, auf das andere Modell zurückfällt statt auf eine Fehlerseite.

Der Teil mit der Ehrlichkeit ist wichtiger als das Verkaufsargument, also: Muse Spark Open ist nicht in unserem Katalog, und wir werden nichts anderes suggerieren. Ein Modell, dessen gesamtes Versprechen darin besteht, dass man es herunterladen kann, ist ein Modell, das man selbst betreibt, und der 816B-Checkpoint ist eine Hardware-Entscheidung — Metas eigenes BF16-Rezept verteilt ihn über vier Knoten mit je acht H200s. DeepSeek V4.1 Pro ist ebenfalls nicht in unserem Katalog, weil es nicht existiert. Der heute verfügbare Routing-Test läuft auf den Checkpoints, die es gibt: Muse Spark 1.2 und Muse Spark 1.1 auf der einen Seite, DeepSeek V4 Pro und DeepSeek V4.1 Flash auf der anderen.

Wer sollte welche auswählen?

Wenn Sie Multimodalität benötigen, nehmen Sie das von Meta. Muse Spark Open liest Video, Bild, Audio und Text in einem einzigen 1M-Token-Budget und antwortet in Textform, und nichts in DeepSeeks ausgelieferter Produktlinie tut das. DeepSeek V4.1 Flash liest Bilder und bietet mit großem Abstand das bessere Preis-Leistungs-Verhältnis, aber es ist kein Video- oder Audiomodell, und DeepSeek V4 Pro ist ein reines Textmodell.

Wenn Sie die niedrigsten Kosten pro abgeschlossener Aufgabe benötigen oder eine Lizenz, auf der Sie ohne rechtliche Prüfung ein Geschäft aufbauen können, dann nehmen Sie die von DeepSeek. DeepSeek V4.1 Flash erreichte bei der Messung von Artificial Analysis den Indexwert von Muse Spark Open bei ungefähr einem Drittel der Kosten pro Aufgabe, und DeepSeek V4 Pro übertraf es bei den Kosten pro Aufgabe, war dabei aber das ausführlichere Modell. MIT für die gesamte ausgelieferte Produktlinie bedeutet keine Umsatzschwelle und keinen Attributionssatz.

Wenn Sie das schnellste erste Token für eine interaktive Schleife benötigen, sind die 0,65 Sekunden von Muse Spark Open der beste Wert in diesem Vergleich – um den Faktor zwei –, und es ist die einzige Achse, auf der der kleinere Indexwert eindeutig irrelevant ist.

Und wenn die Frage, mit der du hierher gekommen bist, lautete: „Sollte ich auf DeepSeek V4.1 Pro warten?“, dann lautet die Antwort heute, dass es nichts gibt, worauf man warten müsste, das ein Datum hat. Die beiden DeepSeek-Modelle, die man aufrufen kann, sind bereits diejenigen, gegen die dieser Vergleich laufen muss, und eines von ihnen – DeepSeek V4.1 Flash – erzielt mehr Punkte als das Flaggschiff, über dem die Stufenbezeichnung stehen würde. Worauf man achten muss, ist nicht die Stufennummer, sondern ob sich die DeepSeek-Seite dieser Tabelle überhaupt ändert: ein Oktober-Eintrag in DeepSeeks Changelog, ein Repository in der deepseek-ai-Organisation oder eine vierte bepreiste Zeile auf der Seite Models & Pricing. Bis eines davon auftaucht, ist die interessantere Entwicklung auf Metas Seite der Bilanz zu finden, wo eine Lizenz, eine Hardware-Rechnung und ein Verbositätswert von 110 Mio. Token nun alles Dinge sind, die ein Leser tatsächlich überprüfen kann.

Für ein Modell, dessen Fehlermodi noch nicht dokumentiert sind, ist das nützliche Gegenstück die Aufzeichnung dessen, was andernorts bereits schiefgegangen ist: Die dokumentierten KI-Vorfälle und Agentenfehler rund um Modelle dieser Klasse sind im OrcaRouter AI Incident Archive, wobei jeder Eintrag eigene Quellen, Schweregrad, Konfidenzstufe und Kennzeichnung als umstritten führt.