Muse Spark vs DeepSeek V4.1 Pro: una descarga que llegó, otra que nunca se lanzó

Tres nombres deciden este enfrentamiento, y solo dos de ellos son cosas que puedes tener en tus manos. Muse Spark Open se convirtió en una descarga real el 15 de octubre de 2026, cuando Meta publicó los pesos, la configuración y la licencia del miembro abierto de su Meta Muse Spark familia. DeepSeek V4.1 Pro nunca se ha publicado: el nivel se nombró exactamente una vez, dentro de una entrada del registro de cambios del 10 de septiembre que describía un plan de enrutamiento que se retiró de inmediato, y desde entonces no ha publicado ninguna ficha de modelo, ninguna fila de precios, ningún repositorio y ninguna fecha. El tercer nombre es el que hace que el titular tenga respuesta, porque es el buque insignia contra el que un lector realmente estaría eligiendo — DeepSeek V4 Pro, el buque insignia de 1,6 billones de parámetros y licencia MIT que se puede descargar y llamar desde el 13 de agosto de 2026, con DeepSeek V4.1 Flash situado por debajo como el miembro barato, rápido y capaz de leer imágenes de la misma línea.

Planteado así, la pregunta interesante no es qué modelo es más inteligente. Es qué cambió para alguien que construye sobre pesos en lugar de endpoints: un lado de esta comparación adquirió ayer una licencia que puedes leer y con la que puedes discutir, el otro nunca ha tenido una, y la aritmética del precio por tarea va en sentido contrario a la aritmética del precio por token.

Las dos mitades del titular no son el mismo tipo de objeto

La forma de este emparejamiento es lo bastante inusual como para dejarla clara antes de cualquier cifra. Normalmente, una página de "vs" tiene un problema de versiones: dos nombres de modelo que esconden tres checkpoints cada uno. Aquí, un lado tiene un problema de versiones y el otro tiene un problema de existencia.

El lado de Meta se resuelve sin problemas. Muse Spark es una familia, no un lanzamiento: la línea se presentó el 8 de abril de 2026 y se ha reorientado cuatro veces desde entonces. Muse Spark 1.1 llegó el 16 de julio de 2026, Muse Spark 1.2 el 5 de agosto, y Muse Spark 1.3 el 2 de septiembre, con el nivel de razonamiento "max" de la 1.3 disponible dos días después, el 4 de septiembre, tras pruebas de seguridad adicionales. Muse Spark Open es el quinto artefacto bajo ese nombre y el único que puedes alojar por tu cuenta.

El lado de DeepSeek no se resuelve en absoluto. DeepSeek V4.1 Pro es un nombre de nivel que no tiene nada detrás, y la diferencia entre este y los cuatro modelos de DeepSeek que sí existen es la razón entera por la que esta página tiene que nombrar un sustituto. La lectura honesta es que un lector que busca este enfrentamiento tiene dos preguntas distintas: qué acaba de poner Meta en disco y cuándo existirá realmente el nivel de DeepSeek que se ha prometido.

Qué llegó en realidad, y cuánto tiempo llevaba ahí.

Muse Spark Open no es un lanzamiento sorpresa ni tampoco un lanzamiento convencional, y la brecha entre esas dos descripciones es lo más interesante de la publicación. El repositorio de Hugging Face —un checkpoint BF16 y una compilación NVFP4 independiente, bajo el nombre Muse-Spark-Open-816B-A42B— lleva una marca de tiempo de creación del 2026-09-15. Luego permaneció ahí durante un mes, restringido y sin anunciarse, mientras que el texto de la licencia y la política de uso dentro del formulario de acceso mantenían su propia fecha: 15 de octubre de 2026. El artefacto existía en silencio; el papeleo se puso al día un mes después.

Lo que los metadatos y la propia publicación de lanzamiento de Meta establecen sin el benchmark de nadie:

• Escala — aproximadamente 816 mil millones de parámetros totales con unos 42 mil millones activos por token, una mezcla de expertos dispersa en 62 capas y 256 expertos por capa de MoE, con 8 seleccionados por token.

• Contexto — una ventana de 1,048,576 tokens, compartida entre todas las modalidades en lugar de dividida entre ellas.

• Modalidades: texto, imagen, video y audio de entrada; texto de salida. El listado independiente de Artificial Analysis registra la misma fila de entrada y describe un modelo que acepta texto, imagen, voz y video.

• Reasoning — un ajuste de esfuerzo de razonamiento con niveles bajo, medio, alto y xhigh, y sin forma de desactivar el razonamiento por completo.

• Acceso — restringido. El formulario de solicitud pide nombre legal completo, fecha de nacimiento y organización con identificadores corporativos, y no se puede editar una vez enviado. Quien piense que esto es una descarga con un solo clic debería prepararse para hacer cola.

Esa es la parte del registro que está resuelta. La parte que no está resuelta es la medición, y vale la pena ser preciso sobre cuál es cuál — véase la sección de números más abajo.

La organización deepseek-ai, y el nombre que no está en ella

Todo lo publicado sobre DeepSeek V4.1 Pro cabe en una sola frase del propio registro de cambios de DeepSeek, fechado el 2026-09-10, en la nota que acompañó el lanzamiento de DeepSeek V4.1 Flash. Decía que, a partir de las 04:00 UTC del 14 de septiembre, las solicitudes a deepseek-v4-pro se enrutarían al modelo Flash recién lanzado y se facturarían a las tarifas de Flash, y que esto continuaría "hasta que se lance V4.1-Pro". Los desarrolladores objetaron que se cambiara un modelo de producción bajo sus pies sin una ventana de migración, y la misma entrada del registro de cambios recoge la reversión: DeepSeek decidió seguir sirviendo DeepSeek V4 Pro después del 14 de septiembre con la facturación sin cambios.

El plan de enrutamiento murió. El nombre sobrevivió a ello, y esa cláusula es todo el registro público. Verificado con fuentes primarias el 16 de octubre de 2026:

• La página de Modelos y Precios de DeepSeek muestra exactamente dos nombres de modelo — deepseek-flash y deepseek-v4-pro, que corresponden a DeepSeek-V4.1-Flash y DeepSeek-V4-Pro-0813. No existe ninguna columna, fila ni precio de V4.1 Pro.

• El registro de cambios de DeepSeek no tiene ninguna entrada de octubre, y sus entradas más recientes son 2026-09-10, 2026-08-21 y 2026-08-13.

• La organización deepseek-ai en Hugging Face no tiene ningún repositorio que se llame V4.1 Pro. Su repositorio de modelo más reciente es DeepSeek-V4.1-Flash, creado el 2026-09-10.

Una señal no confirmada merece registrarse y nada más que eso. En la mañana del 15 de octubre, un rastreador informó que un endpoint de DeepSeek se comportaba de manera distinta tras el fin de una interrupción del servicio —resolviendo un prompt de razonamiento relacional que tanto DeepSeek-V4-Pro-0813 como la generación V4.1 fallaron, reproduciéndose en cuatro muestras, a aproximadamente 180 tokens por segundo— y conjeturó el nombre V4.1 Pro. No hay ficha de modelo, ni archivo de pesos, ni declaración de un proveedor que lo respalde, y una reconstrucción silenciosa de una configuración de servicio existente se vería idéntica desde fuera. Trátalo como un motivo para observar, no como un lanzamiento.

Lo que un V4.1 Pro casi con toda seguridad heredaría merece mencionarse por separado, porque se trata de una inferencia y no de un reporte. Todos los modelos DeepSeek que se han lanzado en las líneas V4 y V4.1 —DeepSeek-V4-Pro-0813, DeepSeek-V4-Flash, DeepSeek-V4-Flash-0731 y DeepSeek-V4.1-Flash— llevan license:mit en su tarjeta del modelo, y el envelope de servicio ha sido consistente: 1M tokens de entrada, hasta 384K de salida. Se esperaría que un nivel Pro de esa línea coincidiera en ambos aspectos. No se ha publicado nada que lo indique.

El eje que ningún marcador conlleva: la licencia

Aquí es donde las dos opciones de pesos abiertos realmente se separan, y es la sección que decide el artículo para cualquiera que lance un producto en lugar de ejecutar un benchmark. La ficha de Artificial Analysis para Muse Spark Open responde a la cuestión de la licencia con "el uso comercial está permitido con restricciones", y la razón está en el propio texto de Meta.

La licencia del Modelo Muse no es una licencia de la OSI y no es la MIT. Dos cláusulas cambian lo que significa "pesos abiertos" en la práctica, y ninguna aparece en el titular.

• La cláusula de modelo como servicio. La Sección 3 exige que, si usted o sus entidades afiliadas otorgan a terceros acceso al modelo como producto o servicio a través de una API, y sus ingresos brutos agregados superan los veinte millones de dólares estadounidenses en cualquier período consecutivo de doce meses, debe notificar a Meta y celebrar un acuerdo por escrito por separado antes de operar ese negocio. La incorporación del modelo a su propio producto está exceptuada; revenderlo no lo está.

• El término de atribución. Los licenciatarios deben mostrar de forma prominente "Built with Muse Spark Open" en la interfaz de cualquier producto que utilice el modelo o un derivado, o en la documentación, el sitio o el menú de configuración que lo acompañen.

Frente a eso, toda la línea DeepSeek distribuida es MIT — DeepSeek V4 Pro, DeepSeek V4.1 Flash y sus predecesores la incluyen, sin umbral de ingresos, sin obligación de notificación y sin requisito de atribución. Las consecuencias prácticas no son sutiles. Si tu plan implica alojar el modelo detrás de una API para otras personas, la licencia de Meta tiene un detonante de ingresos que la de DeepSeek no tiene. Si tu plan implica lanzar un producto de consumo construido sobre los pesos, la licencia de Meta te obliga a mostrar una frase, y la de DeepSeek no te obliga a mostrar nada.

Dos cosas que la Muse Model License concede con claridad, y vale la pena decirlas porque son el verdadero punto de los pesos abiertos: puedes afinar, destilar, fusionar, publicar, sublicenciar y vender derivados, y Meta no reclama ninguna propiedad sobre los resultados. La restricción es estrecha y la concesión es amplia. Pero si estás eligiendo entre estas dos opciones por revisión legal más que por capacidad, la elección no está reñida, y es la respuesta que da este enfrentamiento antes de que cualquiera de los dos modelos genere un token.

Los números, y la línea que corre hacia atrás

Artificial Analysis es el único tercero con listados públicos para ambos bandos, y no los mete en el mismo saco — los modelos de pesos abiertos se clasifican frente a modelos de pesos abiertos de la misma clase de tamaño, lo que aquí no distorsiona mucho porque todo lo que se analiza es de pesos abiertos. Lo que sigue es su medición, no una afirmación de un proveedor ni nuestra.

• Muse Spark Open (xhigh) — Intelligence Index 39, noveno de 118 entradas en su clase y muy por encima de la mediana de la clase, de 19; $1,25 de entrada y $4,25 de salida por millón de tokens; $0,84 por tarea de índice completada; velocidad de salida de 103,4 tokens por segundo; tiempo hasta el primer token de 0,65 segundos; 110M de tokens de salida generados durante el índice, frente a una mediana de 130M; 816B de parámetros totales y 42B activos; Muse Model License.

• DeepSeek V4 Pro 0813 (max) — Índice de Inteligencia 36; $1.32 de entrada y $3.96 de salida por millón de tokens; $0.67 por tarea de índice; 92 tokens por segundo; tiempo hasta el primer token: 1.66 segundos; 160M tokens de salida, por encima de la mediana; 1.6T de parámetros totales y 49B activos; MIT.

• DeepSeek V4.1 Flash (max) — la tercera columna útil, y la que reordena toda la comparación. Intelligence Index 39 —la misma puntuación que Muse Spark Open— a $0.30 de entrada y $1.20 de salida por millón de tokens, $0.27 por tarea de índice, 179 tokens por segundo y un tiempo hasta el primer token de 1,15 segundos, frente a 250 M de tokens de salida, la medición más verbosa de esa clase.

Lee los tres en conjunto y la inversión es lo que importa. Los modelos de DeepSeek son más verbosos por tarea —160M y 250M tokens de salida frente a los 110M de Muse Spark Open— y, aun así, cuestan menos por tarea completada, porque el precio por token es mucho más bajo. El costo por token y el costo por tarea apuntan en direcciones opuestas aquí, y quien los compare solo por las tarifas anunciadas de entrada/salida llegará a la conclusión equivocada sobre cuál es más barato de operar.

Dos salvedades de precios que cambian materialmente la aritmética. Primero, la propia tabla de precios de DeepSeek reduce a la mitad las tarifas fuera de las horas pico, y el horario pico es una ventana estrecha —01:00–04:00 y 06:00–10:00 UTC, de lunes a viernes, excluyendo los días festivos públicos chinos—, y los fines de semana y festivos quedan totalmente fuera de pico. Las cifras de $1.32 / $3.96 y $0.30 / $1.20 anteriores son las tarifas pico que publica DeepSeek; las tarifas fuera de pico son $0.66 / $1.98 para DeepSeek V4 Pro y $0.15 / $0.60 para DeepSeek V4.1 Flash. La mayor parte de la semana está fuera de pico. Segundo, Meta no publicó ningún precio para Muse Spark Open en absoluto; la fila de $1.25 / $4.25 es una ruta alojada que mide Artificial Analysis, reportada como la mediana entre los proveedores que sirven el modelo, no un precio de lista del proveedor para los pesos. Los pesos que alojas no tienen precio por token; tienen una factura de hardware.

Una salvedad honesta más en el lado de Muse Spark. El 39 de arriba corresponde a Muse Spark Open en xhigh, y no es el mejor número de la familia. Muse Spark 1.3 en max obtiene 48 en el mismo índice —nueve puntos más—, y Muse Spark 1.2, el checkpoint que la mayoría de los desarrolladores ha estado invocando, obtiene 40. Deducir la capacidad de la familia a partir del checkpoint abierto la subestimaría; deducir la licencia del checkpoint abierto a partir de la línea cerrada sería un error de categoría, porque se rigen por términos diferentes.

Donde los dos no son sustitutos en absoluto

La diferencia en el índice entre 39 y 36 es lo bastante pequeña como para quedar dentro del ruido de cómo se ejecutó cada harness, por lo que las especificaciones a continuación importan más que las puntuaciones a la hora de decidir entre ellos.

• Modalidad — aquí no hay comparación posible. Muse Spark Open lee texto, imágenes, vídeo y audio. DeepSeek V4 Pro lee texto y nada más; la propia hoja de precios de DeepSeek marca la fila de visión como «No compatible» para él, y Artificial Analysis registra lo mismo. Si tu pipeline introduce grabaciones de pantalla, vídeo o voz en un modelo, la comparación termina aquí.

• Contexto — ambos son 1M de tokens, y no hay nada que separar. Muse Spark Open comparte ese presupuesto entre modalidades; el de DeepSeek es solo texto por construcción.

• Salida máxima — DeepSeek publica 384K tokens para DeepSeek V4 Pro y DeepSeek V4.1 Flash. Meta no publica ninguna cifra de salida máxima para Muse Spark Open que hayamos podido verificar. Un límite no publicado es un riesgo que conviene poner a prueba en lugar de dar por sentado si generas artefactos largos en una sola llamada.

• Tiempo hasta el primer token: la única métrica de latencia que Muse Spark Open gana con claridad, con 0,65 segundos frente a 1,66 de DeepSeek V4 Pro y 1,15 de DeepSeek V4.1 Flash. En bucles interactivos o agénticos, donde el primer token condiciona la siguiente llamada a herramienta, eso marca una diferencia real y se mantiene pese a la menor brecha en el índice.

• Rendimiento — DeepSeek V4.1 Flash es el más rápido de los tres, con 179 tokens por segundo, mientras que Muse Spark Open alcanza 103,4 y DeepSeek V4 Pro, 92. Cabe destacar que el modelo cerrado Muse Spark 1.2 registró 361 tokens por segundo — el checkpoint abierto es un despliegue distinto con un perfil de velocidad distinto, y no debe asumirse que herede las cifras de la línea cerrada.

• La dispersión de latencia en toda la familia — merece una línea porque es una trampa. El tiempo medido hasta el primer token de Muse Spark 1.3 es de 54,06 segundos con razonamiento máximo, frente a una mediana de comparables de alrededor de 3,7. Una configuración con mucho razonamiento puede sacrificar casi un minuto antes de que llegue el primer token. Saques lo que saques de una fila de Muse Spark, comprueba qué checkpoint y qué nivel de esfuerzo la produjeron.

Ejecutar la comparación en lugar de leerla

Ninguno de los dos lados de este titular puede zanjarse con argumentos, porque las dos cosas en juego —si 39 contra 36 significa algo en tu tráfico, y si el rendimiento y la latencia de Muse Spark Open se sostienen en una pila de servicio distinta— solo se ven en tus propias solicitudes. La forma barata de averiguarlo es ejecutar ambos con los mismos prompts.

Para eso estamos. OrcaRouter pone aquí los cuatro modelos que tienen endpoints — Muse Spark 1.2, Muse Spark 1.1, deepseek-v4-pro y deepseek/deepseek-v4.1-flash — detrás de una API para más de 200 modelos, al precio de lista de cada proveedor con 0% de recargo traspasado, por lo que un recorte de precio de un proveedor está activo en nuestro lado el mismo día. Ambas familias están en una sola clave: sin segundo contrato, sin segundo SDK, sin migración para probar una contra la otra, y conmutación por error automática para que un experimento enrutado que salga mal se degrade al otro modelo en lugar de a una página de error.

La parte de la honestidad importa más que el discurso de venta, así que: Muse Spark Open no está en nuestro catálogo y no vamos a insinuar lo contrario. Un modelo cuya propuesta entera es que puedas descargarlo es un modelo que ejecutas tú mismo, y el checkpoint de 816B es una decisión de hardware: la propia receta BF16 de Meta lo reparte entre cuatro nodos de ocho H200. DeepSeek V4.1 Pro tampoco está en nuestro catálogo, porque no existe. La prueba enrutada disponible hoy se ejecuta sobre los checkpoints que sí existen: Muse Spark 1.2 y Muse Spark 1.1 por un lado, DeepSeek V4 Pro y DeepSeek V4.1 Flash por el otro.

¿Quién debería elegir cuál?

Si necesitas modalidad, opta por la de Meta. Muse Spark Open lee video, imagen, audio y texto con un único presupuesto de 1M de tokens y responde en texto, y nada en la línea ya lanzada de DeepSeek hace eso. DeepSeek V4.1 Flash lee imágenes y ofrece una mejor relación calidad-precio por un amplio margen, pero no es un modelo de video ni de audio, y DeepSeek V4 Pro es solo de texto.

Si necesitas el menor coste por tarea completada, o necesitas una licencia sobre la que puedas construir un negocio sin una revisión legal, elige la de DeepSeek. DeepSeek V4.1 Flash igualó la puntuación del índice de Muse Spark Open con aproximadamente un tercio del coste por tarea según la medición de Artificial Analysis, y DeepSeek V4 Pro lo superó en coste por tarea aunque era el modelo más verboso. Que toda la línea distribuida use MIT significa que no hay umbral de ingresos ni frase de atribución.

Si necesitas el primer token más rápido para un bucle interactivo, los 0,65 segundos de Muse Spark Open son la mejor cifra de esta comparación por un factor de dos, y es el único eje en el que la puntuación de índice más baja es claramente irrelevante.

Y si la pregunta que trajo aquí era «¿Debería esperar a DeepSeek V4.1 Pro?», la respuesta hoy es que no hay nada que esperar que tenga una fecha. Los dos modelos DeepSeek a los que puede invocar ya son aquellos contra los que hay que hacer esta comparación, y uno de ellos —DeepSeek V4.1 Flash— supera en puntuación al buque insignia por encima del cual se situaría el nombre del nivel. Lo que hay que observar no es el número del nivel, sino si el lado de DeepSeek de esta tabla cambia siquiera: una entrada de octubre en el registro de cambios de DeepSeek, un repositorio en la organización deepseek-ai o una cuarta fila con precio en la página Models & Pricing. Hasta que aparezca una de esas cosas, el movimiento más interesante está en el lado de Meta del libro mayor, donde una licencia, una factura de hardware y una cifra de verbosidad de 110 millones de tokens son ahora cosas que un lector puede comprobar de verdad.

Para un modelo cuyos modos de fallo aún no están documentados, la contraparte útil es el registro de lo que ya ha salido mal en otros lugares: los incidentes de IA y los fallos de agentes documentados en modelos de esta clase se recopilan en the OrcaRouter AI Incident Archive, donde cada entrada incluye sus propias fuentes, gravedad, grado de confianza e indicador de disputa.