Muse Spark Open 816B A42B vs Muse Spark 1.3: Nueve puntos, y una espera de cincuenta y cuatro segundos

The version numbers make this comparison look simple, and they are lying to you. Muse Spark 1.3 sits above Muse Spark Open 816B A42B in Meta's own naming, and it sits above it on the independent Intelligence Index too — 48 against 39, a nine-point gap that is the whole reason anyone frames the open weights as the budget option. But Muse Spark 1.3 was released on September 2, 2026, and it is a reasoning-first model sold per token, which means its capability arrives attached to a deliberation cost. Muse Spark Open 816B A42B — the 816-billion-parameter, 42-billion-active mixture of experts whose weights Meta published on October 15, 2026 with no announcement — arrives attached to a hardware cost instead. On October 16, 2026, NVIDIA published a speculative-decoding drafter for the open target, which for the first time puts a documented optimisation path underneath one side of this comparison and not the other. The nine points are real. What is worth knowing is what you pay for them, and in which currency. For a model whose failure modes are still undocumented, the useful counterpart is the record of what has already gone wrong elsewhere: the documented AI incidents and agent failures 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.

Dos formas de ser caro

Las tablas de benchmarks aplanan esto. Ambos modelos son caros; son caros en direcciones opuestas, y la dirección determina para qué cargas de trabajo es incorrecto cada uno.

Muse Spark 1.3 es caro por unidad de pensamiento. Es un razonador verboso —Artificial Analysis midió que consume del orden de 170 millones de tokens durante su evaluación, aproximadamente un tercio más que Muse Spark 1.2— y cada uno de esos tokens se factura como salida a $4,25 por millón. Esa verbosidad es la razón por la que 1.3 se sitúa en un coste medido de $1,60 por tarea del Intelligence Index frente a $0,97 para 1.2, con idénticos precios por token anunciados. No estás pagando más por token. Estás pagando por más tokens, porque el modelo piensa más y en voz alta.

Muse Spark Open 816B A42B es caro antes de hacer nada en absoluto. No hay un medidor por token, así que el costo es el hardware: aproximadamente 1.5 TB en BF16 más una compilación NVFP4 para que quepa en algo que tengas, un nodo Blackwell para la ruta de centro de datos, o dos M5 Ultra Mac Studios para la de escritorio. Ese dinero se va, esté o no ocupado el modelo, lo cual es la propiedad definitoria de un costo fijo y la fuente tanto de su ventaja como de su error de cálculo más común.

La consecuencia práctica es que, por construcción, estos dos modelos están desajustados respecto a cargas de trabajo opuestas. Un producto interactivo con ráfagas no puede amortizar un costo fijo de hardware. Un pipeline estacionario de gran volumen no se preocupa por la facturación por token y no debería estar pagándola.

Lo que nueve puntos de razonamiento realmente compran

Una medición independiente sitúa a Muse Spark 1.3 en 48 en el Intelligence Index, clasificado dentro del pequeño porcentaje superior de los modelos que sigue Artificial Analysis, con una velocidad de salida medida de 127,7 tokens por segundo y un tiempo hasta el primer token de 54,06 segundos. Ese último número es el que una ficha técnica entierra y un usuario experimenta: 1.3 piensa antes de hablar y, ante un prompt difícil, el pensamiento no es instantáneo.

Muse Spark Open 816B A42B se sitúa en 39 —la puntuación más alta de pesos abiertos de cualquier lanzamiento de un laboratorio estadounidense, y aun así un nivel de capacidad por debajo. La propia tarjeta de evaluación de Meta para el modelo abierto, reportada por el proveedor y medida dentro de harnesses por benchmark elegidos por Meta, reporta Terminal-Bench 2.1 en 76,4, DeepSWE 1.1 en 60, MCP-Atlas en 89,2, GDPval-AA v2 en 1401, SciCode en 58,5, JobBench en 61,8 y HLE-Diamond sin herramientas en 26,1. Las filas correspondientes del proveedor para 1.3 marcan 83,9 y 68 en las dos primeras. Son las mismas evaluaciones, y muestran una ventaja constante de siete a ocho puntos en la banda agéntica —que es más o menos donde se sitúa la brecha independiente de nueve puntos en el índice.

Fíjate en la forma de esos datos, no en la aritmética. La brecha entre estos dos modelos se concentra en la resistencia de los agentes y en la profundidad del razonamiento a libro cerrado. No es una brecha de conocimiento, ni es una brecha que aparezca en todas las tareas. Un modelo que es nueve puntos más débil en un índice compuesto no es nueve puntos peor a la hora de recuperar un dato concreto de un corpus fijo, y tratar ese índice como una tasa de descuento uniforme sobre la capacidad es el error más común en comparaciones como esta.

El dial de esfuerzo, y quién factura por él

Esta es la parte de la comparación en la que los dos modelos dejan por completo de parecerse entre sí, y es más útil que la brecha del índice.

Muse Spark Open 816B A42B expone directamente su presupuesto de razonamiento. Low, medium, high y xhigh se corresponden con 16, 64, 256 y 512 tokens de razonamiento, y una indicación en el prompt del sistema hace lo mismo. Tú eliges en cada solicitud desde tu propio código, conoces el coste de cada ajuste de antemano y, como no hay medidor, bajar el dial solo te cuesta precisión y nada más. Un trabajo por lotes que pueda permitirse pensar a fondo a medianoche puede pensar a fondo a medianoche gratis. Un trabajo por lotes que no necesite pensar a fondo puede detenerse.

El esfuerzo de razonamiento de Muse Spark 1.3 no sale gratis en ninguna de las dos direcciones. Cada aumento son tokens de salida, y los tokens de salida son la mitad cara de la hoja de precios. La verbosidad medida del modelo es la consecuencia visible de eso: gasta lo que necesita para alcanzar 48 puntos, y 48 puntos de razonamiento son mucha deliberación. Que eso sea un buen intercambio depende enteramente de si el razonamiento es el producto o un costo adicional por encima de él.

La distinción que hay que llevarse es que, en el modelo abierto, pensar más es una elección de configuración con un coste en tiempo. En Muse Spark 1.3, pensar más es una compra. No son el mismo tipo de decisión y no tienen el mismo techo.

Qué cambia el redactor del 16 de octubre sobre este emparejamiento

Muse Spark 1.3 no tiene ningún borrador de decodificación especulativa publicado. Muse Spark Open 816B A42B adquirió uno el 16 de octubre de 2026, cuando NVIDIA publicó nvidia/Muse-Spark-Open-816B-A42B-DFlash2 — un checkpoint sin restricciones de 4,38 mil millones de parámetros que propone bloques de tokens para el objetivo de 816B, de modo que este pueda verificarlos en una sola pasada forward. Reporta longitudes de aceptación de 3,73 en MT-Bench con decodificación greedy y de 3,01 con muestreo; el número recomendado de tokens especulativos es siete, y se ejecuta en Blackwell mediante vLLM o TensorRT-LLM.

Dos salvedades honestas importan más que las cifras. La primera es que NVIDIA no publicó ninguna mejora de velocidad de extremo a extremo: la longitud de aceptación indica que el borrador acierta con frecuencia, no que el servidor se haya vuelto más rápido. La segunda es que SGLang, el runtime que el propio material de Meta empareja con DFlash V2, no aparece en la lista de motores compatibles de NVIDIA, así que, si tu stack de servicio es SGLang, este checkpoint no está hecho para ti.

Lo que queda sigue siendo estructuralmente interesante. La curva de costes del modelo abierto ahora tiene una ruta de optimización pública e inspeccionable vinculada a ella: un drafter documentado, una receta publicada, un flag de vLLM abierto. La curva de costes de Muse Spark 1.3 es la del proveedor, y no puedes ajustarla, reentrenarla ni acelerarla por tu cuenta. A lo largo de un año, una capacidad fija con una historia de servicio que mejora y una capacidad superior con una congelada no se ordenan como dice el índice.

El límite que realmente lo decide

Dos condiciones son decisivas aquí, y todo lo demás es ruido.

La primera es la tolerancia a la latencia. Cincuenta y cuatro segundos hasta el primer token no es un defecto: es lo que cuesta el razonamiento profundo, y para un trabajo por lotes nocturno es irrelevante. Para una interfaz con una persona delante, es todo el carácter de la carga de trabajo. Si un humano está esperando, el presupuesto de razonamiento de Muse Spark 1.3 juega en tu contra incluso cuando sus respuestas son mejores, y deberías medir el tiempo hasta el primer token en lugar de la puntuación del índice. Si nada está esperando, la verbosidad de 1.3 es una partida de gastos y su capacidad es el producto.

El segundo es si la tarea puede especializarse. Muse Spark 1.3 no se puede ajustar con tus datos a ningún precio, y el hecho de que sea el modelo general más capaz no ayuda cuando tu problema es acotado. Muse Spark Open 816B A42B se distribuye con soporte para TorchTitan junto con los pesos. Un modelo general de 39 puntos ajustado con tu base de código, tu esquema o tu corpus de documentos no es el mismo modelo que obtuvo 39, ni en un sentido ni en el otro —y para una tarea lo suficientemente acotada, la versión ajustada del modelo más débil gana sin que la comparación se acerque. La diferencia de nueve puntos es una medición de capacidad general aplicada a un problema específico, que es donde resulta menos informativa.

Entre esas dos condiciones se encuentran los casos ordinarios, y ahí es donde el índice se gana su lugar. El razonamiento complejo de varios pasos, las cadenas largas de uso de herramientas, la recuperación de los propios callejones sin salida del modelo: ahí es donde 48 frente a 39 marca la diferencia entre que un flujo de trabajo se complete o no, y ningún cambio de configuración por tu parte cierra esa brecha.

Dónde cada uno deja de ser la respuesta correcta

Muse Spark 1.3 deja de ser la opción correcta cuando el razonamiento no es el cuello de botella: la extracción de gran volumen, la clasificación, la transformación de esquema fijo y el trabajo de dominio acotado son tareas en las que estás pagando $1.60 por tarea de indexación por una capacidad que la tarea no utiliza. También deja de ser la opción correcta cuando los datos no pueden salir de tu red, y en ese punto la comparación no es entre 39 y 48, sino entre 39 y no tener un modelo. Y deja de ser la opción correcta cuando la respuesta necesita poder ajustarse, cosa que no ocurre.

Muse Spark Open 816B A42B deja de ser la opción correcta cuando una persona está esperando la salida, cuando el razonamiento realmente necesita el nivel de frontera y cuando la carga de trabajo es lo bastante irregular como para que el hardware inactivo domine la factura. También deja de ser la opción correcta si la lista de modalidades importa: Artificial Analysis midió que el modelo abierto acepta texto e imágenes, mientras que los propios materiales de Meta afirman texto, imagen, video y audio — y la entrada de texto, imagen y video de 1.3 se lista de forma independiente. Si la afirmación amplia es la razón por la que estabas interesado, verifícala en tu propio stack antes de comprometerte con el hardware.

Una advertencia más corresponde aquí, y no en una nota al pie. Los términos de la Muse Model License se aplican a los pesos abiertos e incluyen una cláusula que exige un acuerdo escrito por separado una vez que los ingresos por modelo como servicio superen los $20 millones en cualquier período de doce meses consecutivos, además de la cadena de atribución "Built with Muse Spark Open" en lo que construyas. Eso no es un obstáculo para la mayoría de los equipos. Es algo que conviene haber leído antes de comprometer la arquitectura, porque es una conversación sobre licencias con un proveedor, y esas conversaciones son más baratas si se empiezan a tiempo.

Ejecutar ambos es la respuesta honesta para la mayoría de los equipos

Las organizaciones que acaban teniendo ambos lo hacen porque las dos condiciones en el centro de este artículo realmente dividen sus cargas de trabajo: algunas rutas tienen a una persona esperando, otras no, y solo algunas tienen datos que deben quedarse en casa. La arquitectura es fácil. El modo de fallo es que la división vive en un documento en lugar de en la configuración, y un desarrollador copia una cadena de modelo de un tutorial.

Una capa de enrutamiento es el mecanismo que evita que eso ocurra. OrcaRouter enruta Muse Spark 1.2 y Muse Spark 1.1 al precio de lista del proveedor con un 0 % de margen trasladado directamente, así que un cambio de precio del proveedor queda activo en tu clave el mismo día, sin trabajo de reajuste de precios. No enruta Muse Spark 1.3 y no aloja Muse Spark Open 816B A42B, y este artículo no debe interpretarse como que afirma ninguna de las dos cosas — un modelo cuya propuesta completa es que puedes quedarte con los pesos es un modelo que ejecutas en tu propio hardware. Lo que el enrutador te da es la mitad alcanzable: una API para más de 200 modelos, conmutación automática por error 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 código. Esa es la forma barata de descubrir qué hacen los pesos abiertos con tráfico real antes de que una ruta de producción dependa de ellos.

El número de versión no es la especificación.

Muse Spark 1.3 es el modelo más capaz. Eso está resuelto por mediciones independientes y no está en disputa. Lo que está en disputa es si "más capaz" es el eje en el que se encuentra su carga de trabajo, y para muchísimas cargas de trabajo no lo es: el eje es si una persona está esperando, si la tarea es lo suficientemente acotada como para ajustarla, y si los datos pueden salir del edificio.

Elige Muse Spark 1.3 si el razonamiento es el producto, el trabajo es a ráfagas y nadie está mirando un indicador de carga. Elige Muse Spark Open 816B A42B si la tarea es acotada, los datos son inamovibles, el volumen es constante, o la capacidad de pensar con el nivel de esfuerzo que quieras sin que el medidor esté corriendo vale más que nueve puntos de índice. Y fíjate, antes de decidir, en que la segunda opción acaba de adquirir una historia de servicio que no tenía la semana pasada — sin cuantificar, específica del hardware, a medio documentar y, aun así, la primera evidencia que alguien ha publicado sobre cómo funciona realmente este nivel de 816B.

Muse Spark Open 816B A42B se puede descargar bajo la Muse Model License; Muse Spark 1.3 se vende por token, y los checkpoints de Muse Spark enrutados en OrcaRouter son 1.2 y 1.1.