Muse Spark 1.2 vs DeepSeek V4 Flash : quatre points d'indice pour neuf fois la facture

$72.02 and $637.85. Ce sont les montants qu'Artificial Analysis a dépensés pour exécuter DeepSeek V4 Flash et Muse Spark 1.2 sur les neuf mêmes benchmarks, et les modèles ont terminé à quatre points d'écart — 50 contre 54 sur l'Intelligence Index. Le modèle de Meta est meilleur. Il est aussi 8,9 fois plus cher à faire passer sur un travail identique, à poids fermés, servi par un seul fournisseur, et plus jeune de cinq jours que DeepSeek V4 Flash. Savoir si quatre points valent cela dépend entièrement de ce que vous construisez, et cette comparaison vise surtout à permettre de répondre à cette question.

Les deux modèles sont arrivés à une semaine d'intervalle — DeepSeek V4 Flash (build 0731) le 31 juillet 2026, Muse Spark 1.2 le 5 août — et tous deux sont commercialisés pour les travaux d'agents à long horizon. Chaque score d'indice, chiffre de latence et coût d'évaluation ci-dessous provient d'Artificial Analysis, qui exécute elle-même les benchmarks et publie la facture. Lorsqu'un chiffre provient de Meta ou de la documentation du fournisseur plutôt que d'un test indépendant, la phrase le précise.

Les quatre nombres qui décident cela

• Indice d'intelligence — Muse Spark 1.2 54 (#13 sur 185), DeepSeek V4 Flash 50 (#3 sur 101 dans sa catégorie, contre une médiane de 25 pour la catégorie).

• Prix mixte par million de jetons — 0,78 $ contre 0,06 $. Treize fois.

• Coût de la même suite de neuf benchmarks — 637,85 $ contre 72,02 $.

• Où l'exécuter — un fournisseur, poids fermés vs six fournisseurs d'API plus des poids sous licence MIT que vous pouvez héberger vous-même.

Même suite, deux factures très différentes

La colonne du coût d'évaluation est la comparaison de coûts la plus honnête disponible pour deux modèles, car il s'agit du même travail, facturé aux tarifs de chaque modèle, chaque modèle dépensant autant de jetons qu'il décide d'en dépenser. Muse Spark 1.2 a nécessité 637,85 $ pour terminer l'Intelligence Index. DeepSeek V4 Flash a nécessité 72,02 $ — moins cher que tous les autres modèles bien connus qu'Artificial Analysis a mesurés, une découverte qui a eu droit à son propre cycle médiatique au début du mois d'août.

Ce qui rend cet écart intéressant, c'est qu'il se produit malgré le fait que le modèle DeepSeek V4 Flash soit le plus verbeux, et non à cause de cela. En exécutant la suite, DeepSeek V4 Flash a émis 210 millions de jetons de sortie contre 95 millions pour Muse Spark 1.2 — plus du double. Le modèle de Meta est nettement plus économe en jetons pour la même tâche, et cela n'a aucune importance, car DeepSeek V4 Flash facture 0,28 $ par million de jetons de sortie contre 4,25 $ pour Meta. Un avantage de prix de 15× engloutit un inconvénient de verbosité de 2,2× sans même s'en apercevoir.

C'est ce qu'il faut intégrer dans votre propre modèle de coût. L'efficacité des tokens est une propriété réelle et les modèles de raisonnement diffèrent d'un facteur important sur ce point, mais aux écarts de marché actuels, c'est un terme de second ordre. La grille tarifaire décide, et ne bascule que lorsque deux modèles ont des prix à peu près dans un rapport de 3× l'un par rapport à l'autre.

Où se trouvent les quatre points — et ce que personne n’a publié

Voici la partie inconfortable de cette confrontation : l'indice d'intelligence est un composite de neuf évaluations portant sur les agents, le codage, les capacités générales et le raisonnement scientifique, et Artificial Analysis n'a pas encore publié la ventilation par benchmark pour Muse Spark 1.2. Ainsi, « 54 contre 50 » est actuellement un titre sans décomposition. Quatre points pourraient être un écart de codage, un écart de contexte long, un écart de résistance aux hallucinations, ou quatre petits écarts qui s'annulent pour ne rien donner sur votre charge de travail.

Les chiffres de chaque fournisseur comblent partiellement le vide, et aucun ne peut être recoupé avec l'autre. Meta rapporte Terminal-Bench 2.1 à 82,9 % pour Muse Spark 1.2 (contre 76,2 % pour 1.1) et DeepSWE v1.1 à 59,3 % (contre 53,0 %) — exécutés sur le harnais de Meta, pass@1 sur cinq tentatives, chaque modèle concurrent étant associé à son propre produit agent. La version V4 Flash a positionné le modèle comme une mise à niveau post-entraînement optimisée pour les travaux d'agent et de terminal sur un mélange d'experts de 284B au total / 13B actifs. Il n'existe aucun benchmark sur lequel les deux laboratoires aient publié un chiffre comparable, et aucun tiers n'a reproduit ni l'un ni l'autre de ces résultats.

Ce qui est établi de manière indépendante est limité et mérite d'être dit clairement : sur un indice composite, géré par un seul évaluateur, Muse Spark 1.2 a terminé avec quatre points d'avance, pour un coût 8,9 fois supérieur. Tout ce qui est plus fin que cela relève encore du matériel promotionnel du fournisseur.

Trois façons de payer pour Muse Spark 1.2, une et demie pour DeepSeek

Les comparaisons de prix sont ici exceptionnellement glissantes, car Meta publie deux grilles tarifaires et que le vendeur fournit lui-même les poids.

• Meta standard tier — 1,25 $ en entrée, 0,15 $ en entrée en cache, 4,25 $ en sortie par million, avec un plafond de débit d’environ 3 000 requêtes par minute.

• Palier contributeur Meta — 0,10 $ en entrée, 0,002 $ en entrée en cache, 0,20 $ en sortie, en échange de l'autorisation d'entraîner les futurs modèles Meta sur votre trafic, plafonné à 60 requêtes par minute.

• Tarif DeepSeek V4 Flash — $0.14 en entrée, $0.28 en sortie, $0.003 en cas de succès de cache (une remise de 98 %, le taux de cache le plus agressif de tous les modèles de cette catégorie), auprès de six fournisseurs d'API concurrents.

• DeepSeek V4 Flash auto-hébergé — Poids ouverts sous licence MIT, donc le prix, c'est votre propre matériel, et le plafond, c'est votre propre capacité.

Lisez les deuxième et troisième lignes ensemble et le classement s'inverse : sur le palier contributeur, Muse Spark 1.2 est moins cher par jeton que DeepSeek V4 Flash, à 0,10 $/0,20 $ contre 0,14 $/0,28 $, tout en obtenant quatre points de plus. C'est le prix le plus agressif de toute cette comparaison et presque personne ne pourra l'utiliser, car 60 requêtes par minute représentent 2 % du budget standard et excluent pratiquement tout fan-out de production. Il est tarifé pour l'évaluation et le travail en petite équipe, et la monnaie d'échange, ce sont vos prompts. Que cet échange vous soit accessible est une décision de gouvernance des données qui relève des services juridiques, et non un élément que l'on remplace dans un fichier de configuration.

Le côté open-weights fonctionne dans l’autre sens. Les poids MIT signifient que le prix plancher n’est pas du tout fixé par le fournisseur — si votre volume justifie les GPU, personne ne peut augmenter votre tarif, déprécier votre modèle ou modifier les conditions. Cette optionnalité n’a aucun équivalent côté Meta, quel que soit le niveau.

Un fournisseur contre six

Muse Spark 1.2 est servi par l'API Model de Meta et nulle part ailleurs. Pas d'hôtes tiers, pas de choix de quantification, pas de chemin de repli, et — au moment de la rédaction — aucune liste OpenRouter, aucun dépôt Hugging Face et aucune entrée dans le catalogue OrcaRouter. Un modèle fermé mono-fournisseur est un point de défaillance unique par construction, et pour un modèle vieux de cinq jours, aucun historique de disponibilité ne vient vous rassurer.

DeepSeek V4 Flash est le cas inverse. Six fournisseurs d'API le servent aujourd'hui, les poids sont sous licence MIT, et il figure dans le catalogue OrcaRouter à 0,15 $ en entrée et 0,29 $ en sortie — prix catalogue du fournisseur, répercuté sans marge — avec bascule automatique entre fournisseurs, de sorte qu'une dégradation d'un seul hôte n'entraîne pas la charge de travail avec lui. C'est l'argument pratique en faveur du modèle moins cher, qui n'a rien à voir avec son score : vous pouvez le déplacer, le mettre en miroir, ou le quitter entièrement, et aucune de ces options ne nécessite une nouvelle intégration.

Pour Muse Spark 1.2 aujourd'hui, une évaluation signifie un deuxième contrat, une deuxième facture et un deuxième chemin SDK. Le modèle de Meta mérite d'être testé sur ses mérites, mais sachez que le coût opérationnel de son exécution ne se limite pas au prix du token.

Latence, mesurée sur le trafic réel

Dans le banc d'essai de référence, Artificial Analysis enregistre un temps jusqu'au premier jeton de 1,33 seconde pour DeepSeek V4 Flash et de 26,12 secondes pour Muse Spark 1.2 avec son réglage de raisonnement xhigh, et des vitesses de génération de 103,3 et 165,0 jetons par seconde respectivement. Le modèle de Meta génère plus vite une fois lancé, mais met très longtemps à démarrer, ce qui correspond exactement à ce à quoi ressemble une délibération obligatoire à effort maximal.

Les chiffres de production racontent une version plus douce de la même histoire. Sur sept jours de routage en direct sur OrcaRouter, DeepSeek V4 Flash affiche un délai p50 jusqu'au premier jeton de 439 millisecondes et un p95 de 1,96 seconde, à 111 jetons par seconde avec un taux d'erreur de 1,6 %. Il n'existe pas de chiffre de production équivalent pour Muse Spark 1.2, car il n'est encore routé nulle part ; Muse Spark 1.1, le substitut disponible le plus proche, affiche un p50 de 1,84 seconde et un p95 de 6,00 secondes. La réponse médiane sous la seconde est une catégorie dans laquelle se trouve DeepSeek V4 Flash, et qu'aucune version de Muse Spark n'a atteinte.

Les deux modèles déclarent environ un million de jetons de contexte — 1 048 576 pour les deux, DeepSeek V4 Flash plafonnant les complétions à 384 000 jetons, tandis que le point de terminaison Muse Spark ne déclare aucun plafond de complétion. Sur le plan du contexte, cette confrontation est à égalité sur le papier et non vérifiée en pratique pour les deux.

Trois questions à se poser avant de changer

L'auto-hébergement de DeepSeek V4 Flash est-il réellement moins cher que 0,15 $ par million ?

Habituellement non, et c'est précisément le but. Un mélange d'experts de 284B paramètres avec 13B actifs nécessite une capacité multi-GPU importante pour être servi avec une latence raisonnable, et à 0,15 $ par million de tokens en entrée, le tarif hébergé est difficile à battre, sauf en cas de volume très élevé et très régulier. La valeur de la licence MIT pour la plupart des équipes n'est pas qu'elles s'auto-hébergeront — c'est qu'elles le pourraient de façon crédible, ce qui plafonne ce que tout fournisseur peut facturer et supprime le risque d'abandon. Traitez-la comme une assurance, et achetez les tokens hébergés.

Est-ce que le palier contributeur fait de Muse Spark 1.2 le modèle le moins cher ?

Sur la grille tarifaire, oui ; en pratique, uniquement pour les charges de travail de moins de 60 requêtes par minute dont vous êtes autorisé à faire don des données. Si les deux conditions sont remplies — un pic de recherche, un outil interne, un harnais de benchmark sur des entrées synthétiques — alors un modèle quatre points d'indice en avance à un prix par jeton inférieur est réellement le meilleur achat et vous devriez le prendre. Si l'une de ces conditions n'est pas remplie, l'offre standard est le prix réel, et l'offre standard est 13 fois le tarif mixte du modèle V4 Flash.

Quatre points d'indice semblent peu. Quand cela importe-t-il ?

Quand les erreurs s'accumulent. Sur un appel unique de classification ou de résumé, un écart composite de quatre points est souvent invisible, et payer 9× pour cela est indéfendable. Sur une boucle d'agent de cinquante étapes, une différence de succès par étape qui paraît minime se multiplie en une grande différence dans la fréquence à laquelle toute l'exécution doit être redémarrée — et un redémarrage coûte toute la trajectoire, pas une seule étape. C'est le cas où le prix de Meta est défendable. C'est aussi le cas où vous devriez mesurer sur votre propre tâche plutôt que de vous fier à un composite, car personne n'a publié le sous-indice agentique qui trancherait la question pour 1.2.

Le verdict, et la condition qui y est attachée.

Pour presque toutes les charges de travail où le coût est une contrainte réelle, DeepSeek V4 Flash est le bon choix par défaut : quatre points de retard sur un indice composite, treize fois moins cher en coût mixte, une latence médiane sous la seconde en production, six fournisseurs, des poids MIT, et aucun fournisseur ne peut modifier les conditions à votre insu. C'est actuellement le modèle bien connu le moins cher à exécuter sur une suite complète de benchmarks, et ce n'est pas en étant mauvais qu'il y est arrivé.

Muse Spark 1.2 justifie son prix dans un type de travail bien précis : le codage agentique à long horizon, où une trajectoire échouée coûte cher, où la réflexion supplémentaire est amortie sur des minutes de travail plutôt que subie par un utilisateur qui attend, et où l'on peut se contenter d'un fournisseur unique sans ventilation indépendante de ce que comprennent les quatre points. Meta a publié trois modèles en quatre mois et a gagné onze points d'indice pendant cette période, aussi l'argument pourrait-il se renforcer rapidement — mais aujourd'hui, il repose sur des benchmarks de codage gérés par le fournisseur et sur un score composite unique.

Si vous choisissez cette semaine, exécutez les deux sur cinquante étapes de votre propre boucle d'agent et comparez les trajectoires terminées par dollar plutôt que les jetons par dollar. Cette seule mesure répond à cette comparaison mieux que toutes les références publiées à ce sujet.