Muse Spark Open 816B A42B vs. Muse Spark 1.2: el modelo abierto por fin tiene una historia de servicio

Until this week, comparing Muse Spark Open 816B A42B with Muse Spark 1.2 broke down at the same place every time: one column had measurements and the other had a repository. Meta published the weights for Muse Spark Open 816B A42B — an 816-billion-parameter mixture of experts with 42 billion active parameters, packaged on Hugging Face as Muse-Spark-Open-816B-A42B — on October 15, 2026, with no launch event and no press cycle. Muse Spark 1.2 has been independently listed and measured for months. Then on October 16, 2026, NVIDIA published a 4.38-billion-parameter speculative-decoding checkpoint for the open model, and the shape of the comparison shifted, because that checkpoint is the first third-party artifact built specifically to make the 816B tier serveable. Nothing here is a launch, and nothing here is a price cut. What changed is narrower and more useful: the open side of the ledger acquired its first evidence about how it will actually run. That gap between what a scoreboard measures and what a deployment meets is the reason the record matters: the documented AI failures and agent incidents around models in this class are collected in the OrcaRouter AI Incident Archive where each entry carries its own sources, severity, confidence grade and disputed flag.

La columna que faltaba era todo el argumento

Si se deja de lado el aire de familia, no son dos configuraciones de un mismo producto. Son un conjunto de pesos descargable y un endpoint alquilado, y las cifras que deciden la adopción real no son las que aparecen en la tarjeta de resultados.

En cuanto a capacidad, el índice independiente Intelligence Index sitúa a Muse Spark 1.2 en 40 y a Muse Spark Open 816B A42B en 39. Eso es un empate en cualquier sentido práctico; un solo punto está dentro del ruido de cómo se ensamblan estos compuestos, y no es una razón para elegir ninguno de los dos modelos.

En cuanto a velocidad y coste, la brecha no era una brecha, sino un agujero. Muse Spark 1.2 tiene una velocidad de salida medida, un precio publicado por token y un coste por tarea de índice. Muse Spark Open 816B A42B no tenía nada de eso, porque nadie lo había servido a escala y reportado el resultado. Esa asimetría es lo que la gente estaba discutiendo en realidad, y es la parte que acaba de cambiar.

Qué añade el checkpoint de NVIDIA y qué no añade deliberadamente

El repositorio se llama nvidia/Muse-Spark-Open-816B-A42B-DFlash2, no tiene restricciones y es un modelo borrador: un modelo pequeño cuya única función es adivinar el siguiente bloque de tokens para que el modelo objetivo de 816B pueda verificar un bloque completo en una sola pasada hacia adelante en lugar de emitir un token a la vez.

• De qué está hecho — 4,38 mil millones de parámetros densos en BF16, cinco capas de decodificador, atención de ventana deslizante con una ventana de 2.048 tokens, un tamaño de bloque de ocho, y se conecta a cinco capas del objetivo de 62 capas. Es un adjunto, no un modelo: no produce texto propio y no puede ejecutarse sin el objetivo para el que fue entrenado a generar borradores.

• Lo que reporta — longitudes de aceptación de 3.73 en MT-Bench con decodificación greedy y 3.01 bajo muestreo, relaciones de throughput de SPEED-Bench de 3.30 y 2.78, y un recuento recomendado de siete tokens especulativos. En una GPU Blackwell mediante vLLM o TensorRT-LLM, eso representa una aceleración sustancial del objetivo.

• Lo que no informa — una aceleración de extremo a extremo, en tokens por segundo, frente a una línea base no especulativa equivalente. La longitud de aceptación te indica que el borrador está acertando con frecuencia. No te indica que el servidor se haya vuelto más rápido, y ambas cosas pueden divergir mucho cuando el objetivo ya está limitado por el ancho de banda de memoria.

• Dónde se ejecuta — NVIDIA Blackwell con Linux, a través de dos motores con nombre. SGLang, el runtime que utiliza el propio material de DFlash V2 de Meta, está ausente de la lista. Esto es un artefacto de centro de datos, no algo que se integre en un despliegue de escritorio.

Así que la actualización honesta es esta: la columna de velocidad del modelo abierto ha pasado de estar vacía a estar anotada, no de estar vacía a estar rellenada. Un lector que compare estos dos modelos hoy puede decir Muse Spark Open 816B A42B se puede servir en centro de datos Blackwell con decodificación especulativa. Ese lector todavía no puede decir cuántos tokens por segundo obtendrá.

Dimensión por dimensión, con la clase de evidencia adjunta

Cada línea nombra la dimensión, ambos lados, y qué tan bien fundamentado está el lado ganador — porque en este emparejamiento la clase de evidencia importa más que la dirección.

• Capacidad — Muse Spark 1.2 en 40, Muse Spark Open 816B A42B en 39, ambos medidos de forma independiente por Artificial Analysis. A menos de un punto. No es concluyente.

• Velocidad — Muse Spark 1.2, de forma decisiva e independiente: el listado de Artificial Analysis para Muse Spark 1.2 actualmente registra 374,6 tokens por segundo, el primero de 186 modelos medidos, con un tiempo hasta el primer token de 12,67 segundos. Una instantánea anterior del mismo listado registraba 361,4 tokens por segundo y ocupaba el primer puesto entre 185, lo que conviene saber antes de citar cualquiera de las dos cifras como un hecho fijo: la posición es la afirmación duradera; el decimal, no. Muse Spark Open 816B A42B no tiene ninguna cifra de rendimiento de extremo a extremo de ninguna fuente. Sus únicos números relacionados con el rendimiento pertenecen a un modelo borrador, y esos son tasas de aceptación en lugar de rendimiento del servidor.

• Costo — Muse Spark 1.2 a $1.25 por millón de tokens de entrada y $4.25 por millón de tokens de salida, un descuento del 88% en la entrada en caché, y un costo medido de $0.97 por tarea de Intelligence Index. Muse Spark Open 816B A42B no tiene precio por token ni un costo por tarea publicado; su costo es hardware, energía y la atención de alguien, y no existe ninguna cifra independiente.

• Pesos — Muse Spark Open 816B A42B, en su totalidad, y únicamente. Aproximadamente 1,5 TB en BF16 más una compilación NVFP4, detrás de una barrera de términos. Los pesos de Muse Spark 1.2 no se distribuyen de ninguna forma, y ningún drafter cambia eso.

• Ajuste fino — Muse Spark Open 816B A42B, con soporte de TorchTitan incluido junto con los pesos. Muse Spark 1.2 no se puede ajustar con tus datos a ningún precio. Esta es la mayor ventaja estructural del modelo abierto y no se ve afectada por nada que NVIDIA haya publicado.

• Contexto: un empate en 1.048.576 tokens, con una física distinta detrás. En el modelo abierto, un contexto de longitud completa en BF16 cuesta del orden de 266 GB de caché KV además de los pesos. En Muse Spark 1.2, es el problema de capacidad de otro.

• Esfuerzo de razonamiento — el modelo abierto te permite ajustar bajo, medio, alto y xhigh, que se corresponden con 16, 64, 256 y 512 tokens de razonamiento, o configurar lo mismo con una indicación en el prompt del sistema. Como pagas en tiempo real en lugar de dólares por token de salida, subir el nivel cuesta tiempo ajustado por precisión y nada en el medidor. En Muse Spark 1.2, esa misma deliberación se factura como salida.

• Modalidades — cuestionadas, y se resuelven a favor de Muse Spark 1.2 según la evidencia disponible. Artificial Analysis midió que 1.2 acepta texto, imágenes, voz y vídeo, y midió que el modelo abierto acepta solo texto e imágenes, mientras que los propios materiales de Meta afirman texto, imagen, vídeo y audio para Muse Spark Open 816B A42B. La afirmación amplia está aseverada por el proveedor; la limitada está medida.

• Licencia: Muse Spark Open 816B A42B bajo la Muse Model License, que incluye una cláusula que exige un acuerdo por escrito por separado si los ingresos de tu modelo como servicio superan los $20 millones en cualquier período de doce meses consecutivos, y exige la cadena de atribución "Built with Muse Spark Open". El redactor de NVIDIA superpone el NVIDIA Open Model Agreement sobre ella. Muse Spark 1.2 funciona bajo términos de API ordinarios.

• Requisitos mínimos de hardware — el modelo abierto necesita dos M5 Ultra Mac Studios para la ruta de escritorio MLX, o un nodo Blackwell para la ruta TensorRT-LLM, o un nodo de cuatro GPU para la receta BF16. El drafter no aporta nada a la ruta de escritorio. Muse Spark 1.2 no necesita nada de eso.

• Riesgo de obsolescencia — la propia ficha de Muse Spark 1.2 incluye un banner que anuncia que se ha lanzado una versión más reciente, Muse Spark 1.3. Los pesos en tu disco no pueden quedar obsoletos a tus espaldas, y esa es la única línea de esta lista donde la propiedad gana sobre la base de un hecho, no de una preferencia.

El banner es el argumento para poseer

Esa última línea merece más que una viñeta. El modelo que alquilas ya está marcado como superado por el sucesor de su proveedor, lo cual no es un escándalo —así funcionan los niveles alojados—, pero sí significa que la comparación no es tan limpia como «39 frente a 40 y gana el rápido».

Un equipo que construye sobre Muse Spark 1.2 está construyendo sobre un endpoint con una migración conocida por delante. Un equipo que posee los pesos de 816B tiene un modelo con una capacidad fija y un comportamiento configurable, y la decisión de migrar pasa a ser suya para programarla. El costo de ese control es el rendimiento, el hardware y la aceptación de que la historia del drafter todavía está a medio terminar.

Lo que el alquiler sigue comprando que ningún redactor arregla

La decodificación especulativa hace que un modelo abierto grande sea más barato de servir. No lo convierte en un sustituto directo de un endpoint alojado rápido dentro de un bucle interactivo, y esa distinción es la que importa para los equipos de producto.

Los 374,6 tokens por segundo de Muse Spark 1.2 y su primer token en 12,67 segundos se miden bajo una carga de trabajo estandarizada. Un bucle de agente multiplica la segunda cifra por el número de idas y vueltas por tarea, y el proveedor aplica los descuentos de caché sin que tú tengas que operar nada. Hacerlo por tu cuenta implica planificación de capacidad, una pila de controladores y una configuración especulativa que ajustas tú mismo. Las longitudes de aceptación del borrador son el comienzo de ese trabajo, no el final.

Enrutar la división en lugar de elegir un lado

La mayoría de los equipos que acaban ejecutando ambos llegan a ese punto porque las cargas de trabajo difieren de verdad: las rutas interactivas quieren el endpoint rápido, y las rutas por lotes y locales quieren los pesos. El modo de fallo es una división que vive en un documento de diseño en lugar de en la configuración.

OrcaRouter enruta Muse Spark 1.2 —y Muse Spark 1.1— al precio de lista del proveedor con un 0 % de recargo trasladado directamente, por lo que un cambio en el precio del proveedor llega a tu clave el mismo día sin trabajo de reajuste de precios de tu parte. No enruta ni aloja Muse Spark Open 816B A42B, ni este borrador DFlash2, y sería incorrecto interpretar este artículo como si afirmara lo contrario: un modelo cuyo valor reside en que puedas tener los pesos es un modelo que ejecutas en tu propio hardware. Lo que aporta el enrutador es la otra mitad de la división —una API para más de 200 modelos, conmutación por error automática cuando un proveedor se degrada, fusión de modelos para combinarlos y un DSL de enrutamiento que mueve el tráfico entre modelos mediante configuración en lugar de mediante un cambio de código. Esa última parte es la forma económica de probar si una ruta autoalojada sin probar está lista sin arriesgar en ella una ruta de producción.

Qué hacer con una comparación sin terminar

Elige Muse Spark 1.2 si necesitas un rendimiento medido y un costo medido por tarea hoy, si hay una persona esperando la salida, si necesitas entrada de voz y video confirmada de forma independiente, o si quieres un modelo Muse en una clave sin comprar una GPU. A $1.25 de entrada y $4.25 de salida con un descuento del 88% en entrada en caché, es una compra defendible incluso sabiendo que el listado de su propio proveedor apunta hacia 1.3.

Toma Muse Spark Open 816B A42B si la tarea es lo suficientemente específica como para ajustarla con TorchTitan, si los datos no pueden salir de tu red, si el volumen es lo suficientemente grande y constante como para amortizar el hardware, o si el dial de razonamiento gratuito vale más para ti que el punto de índice que cedes. La compilación NVFP4 y el drafter de NVIDIA juntos significan que la ruta del centro de datos ya no es especulativa en el sentido que importaba en octubre — simplemente no está cuantificada.

Lo que no deberías hacer es quedarte con los pesos abiertos porque son gratuitos, ni con el modelo alojado porque es más rápido, sin darte cuenta de que esas dos frases responden a preguntas distintas. Una tiene que ver con lo que el modelo es; la otra, con cómo lo vas a ejecutar. La semana pasada solo la segunda pregunta tenía respuesta. Esta semana, por primera vez, ambas la tienen, y la respuesta del modelo abierto viene con barras de error.

Muse Spark Open 816B A42B se puede descargar bajo la Muse Model License; Muse Spark 1.2 se vende por token y se enruta en OrcaRouter a precio de lista.