Muse Spark Open 816B A42B vs Muse Spark 1.2 : le modèle ouvert a enfin une solution de serving

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 colonne manquante était tout l'argument

Si l’on fait abstraction de l’air de famille, il ne s’agit pas de deux configurations d’un même produit. Il s’agit d’un ensemble de poids téléchargeable et d’un point de terminaison loué, et les chiffres qui décident de l’adoption réelle ne sont pas ceux de la fiche de benchmark.

Sur le plan des capacités, l’Intelligence Index indépendant place Muse Spark 1.2 à 40 et Muse Spark Open 816B A42B à 39. C’est une égalité dans tout sens pratique ; un seul point se situe dans le bruit de la manière dont ces composites sont assemblés, et ce n’est pas une raison de choisir l’un ou l’autre modèle.

En matière de vitesse et de coût, l’écart n’était pas un écart mais un trou. Muse Spark 1.2 dispose d’une vitesse de sortie mesurée, d’un prix publié par token et d’un coût par tâche d’indexation. Muse Spark Open 816B A42B n’avait rien de tout cela, parce que personne ne l’avait servi à grande échelle et n’en avait rapporté le résultat. C’est de cette asymétrie que les gens débattaient réellement, et c’est la partie qui vient de bouger.

Ce que le checkpoint de NVIDIA ajoute, et ce qu'il ne fait délibérément pas

Le dépôt s'appelle nvidia/Muse-Spark-Open-816B-A42B-DFlash2, il est sans restriction d'accès, et c'est un modèle de brouillon — un petit modèle dont le seul rôle est de deviner le prochain bloc de tokens afin que le modèle cible 816B puisse vérifier tout un bloc en une seule passe avant au lieu d'émettre un token à la fois.

• De quoi il est fait — 4,38 milliards de paramètres denses en BF16, cinq couches de décodeur, une attention à fenêtre glissante avec une fenêtre de 2 048 tokens, une taille de bloc de huit, et il puise dans cinq couches de la cible de 62 couches. Ce n'est pas un modèle, mais un greffon : il ne produit aucun texte par lui-même et ne peut pas fonctionner sans la cible pour laquelle il a été entraîné à produire des ébauches.

• Ce qu'il rapporte — des longueurs d'acceptation de 3,73 sur MT-Bench en décodage glouton et de 3,01 en échantillonnage, des ratios de débit SPEED-Bench de 3,30 et 2,78, et un nombre recommandé de jetons spéculatifs de sept. Sur un GPU Blackwell via vLLM ou TensorRT-LLM, cela représente une accélération substantielle de la cible.

• Ce qu'il ne rapporte pas — une accélération de bout en bout, en tokens par seconde, par rapport à une référence non spéculative appariée. La longueur d'acceptation vous indique que le draft est souvent accepté. Elle ne vous dit pas que le serveur est devenu plus rapide, et les deux peuvent diverger fortement lorsque la cible est déjà limitée par la bande passante mémoire.

• Où cela s'exécute — NVIDIA Blackwell avec Linux, via deux moteurs nommés. SGLang, le runtime qu'utilise le matériel DFlash V2 de Meta lui-même, est absent de la liste. C'est un artefact de datacenter, pas quelque chose qui s'intègre à un déploiement de bureau.

Donc, la mise à jour honnête est la suivante : la colonne de vitesse du modèle ouvert est passée de vide à annotée, et non de vide à remplie. Un lecteur qui compare ces deux modèles aujourd'hui peut dire Muse Spark Open 816B A42B peut être servi sur des Blackwell de centre de données avec décodage spéculatif. Ce lecteur ne peut toujours pas dire combien de tokens par seconde il obtiendra.

Dimension par dimension, avec la classe de preuve attachée

Chaque ligne indique la dimension, les deux côtés, et dans quelle mesure le côté gagnant est bien étayé — car sur ce duo, la classe de preuves importe plus que la direction.

• Capacité — Muse Spark 1.2 à 40, Muse Spark Open 816B A42B à 39, tous deux mesurés indépendamment par Artificial Analysis. À un point près. Pas décisif.

• Vitesse — Muse Spark 1.2, de manière décisive et indépendante : le classement Artificial Analysis de Muse Spark 1.2 affiche actuellement 374,6 tokens par seconde, premier sur 186 modèles mesurés, avec un temps jusqu'au premier token de 12,67 secondes. Un instantané antérieur du même classement indiquait 361,4 tokens par seconde, classé premier sur 185, ce qu'il vaut la peine de savoir avant de citer l'un ou l'autre de ces chiffres comme un fait figé — le rang est l'affirmation durable, la décimale ne l'est pas. Muse Spark Open 816B A42B ne dispose d'aucun chiffre de débit de bout en bout de la part de qui que ce soit. Ses seuls chiffres proches du débit concernent un drafter, et il s'agit de taux d'acceptation plutôt que d'un débit serveur.

• Coût — Muse Spark 1.2 à 1,25 $ par million de tokens d'entrée et 4,25 $ par million de tokens de sortie, une remise de 88 % sur les entrées en cache, et un coût mesuré de 0,97 $ par tâche de l'Intelligence Index. Muse Spark Open 816B A42B n'a pas de prix par token et aucun coût publié par tâche ; son coût est le matériel, l'électricité et l'attention de quelqu'un, et il n'existe aucun chiffre indépendant.

• Poids — Muse Spark Open 816B A42B, intégralement, et uniquement. Environ 1,5 To en BF16, plus une version NVFP4, derrière une acceptation de conditions. Les poids de Muse Spark 1.2 ne sont distribués sous aucune forme, et aucun drafter n'y change rien.

• Fine-tuning — Muse Spark Open 816B A42B, avec la prise en charge de TorchTitan livrée avec les poids. Muse Spark 1.2 ne peut être affiné sur vos données à aucun prix. C'est le plus grand avantage structurel du modèle ouvert, et il n'est affecté par rien de ce que NVIDIA a publié.

• Contexte — une égalité à 1 048 576 jetons, avec une physique différente derrière. Sur le modèle ouvert, un contexte pleine longueur en BF16 coûte de l’ordre de 266 Go de cache KV en plus des poids. Sur Muse Spark 1.2, c’est le problème de capacité de quelqu’un d’autre.

• Effort de raisonnement — le modèle ouvert vous permet de régler le curseur sur faible, moyen, élevé et xhigh, ce qui correspond à 16, 64, 256 et 512 jetons de raisonnement, ou de définir la même chose avec une indication dans le prompt système. Comme vous payez en temps d’horloge murale plutôt qu’en dollars par jeton de sortie, monter le curseur coûte du temps ajusté à l’exactitude et rien au compteur. Sur Muse Spark 1.2, la même délibération est facturée comme sortie.

• Modalités — contestées, et la question se résout en faveur de Muse Spark 1.2 au vu des éléments disponibles. Artificial Analysis a mesuré que 1.2 acceptait le texte, les images, la parole et la vidéo, et a mesuré que le modèle ouvert n’acceptait que le texte et les images, tandis que les propres documents de Meta revendiquent le texte, l’image, la vidéo et l’audio pour Muse Spark Open 816B A42B. L’affirmation large est avancée par le fournisseur ; l’étroite est mesurée.

• Licence — Muse Spark Open 816B A42B sous la Muse Model License, qui comporte une clause exigeant un accord écrit distinct si les revenus de votre modèle en tant que service dépassent 20 millions de dollars au cours de toute période de douze mois consécutifs, et qui exige la mention d'attribution « Built with Muse Spark Open ». Le rédacteur NVIDIA superpose à cela l'accord NVIDIA Open Model Agreement. Muse Spark 1.2 fonctionne selon des conditions d'API ordinaires.

• Socle matériel — le modèle ouvert nécessite deux M5 Ultra Mac Studios pour la voie desktop MLX, ou un nœud Blackwell pour la voie TensorRT-LLM, ou un nœud à quatre GPU pour la recette BF16. Le drafter n’ajoute rien à la voie desktop. Muse Spark 1.2 n’a besoin de rien de tout cela.

• Risque de dépréciation — la fiche de Muse Spark 1.2 elle-même affiche une bannière annonçant qu'une version plus récente, Muse Spark 1.3, est sortie. Les poids sur votre disque ne peuvent pas être dépréciés sous vos pieds, et c'est la seule ligne de cette liste où la possession l'emporte grâce à un fait plutôt qu'à une préférence.

La bannière est l'argument en faveur de la possession

Cette dernière ligne mérite mieux qu'une simple puce. Le modèle que vous louez est déjà signalé comme supplanté par le successeur de son fournisseur, ce qui n'est pas un scandale — c'est ainsi que fonctionnent les offres hébergées —, mais cela signifie que la comparaison n'est pas aussi limpide que « 39 contre 40, et le plus rapide gagne ».

Une équipe qui s'appuie sur Muse Spark 1.2 développe sur un point de terminaison avec une migration connue à venir. Une équipe qui possède les poids 816B a un modèle avec une capacité fixe et un comportement configurable, et c'est à elle de planifier la décision de migration. Le coût de ce contrôle est le débit, le matériel et le fait d'accepter que l'histoire du drafter est encore à moitié terminée.

Ce que la location achète encore qu'aucun rédacteur ne corrige

Le décodage spéculatif rend un grand modèle ouvert moins cher à servir. Il n'en fait pas pour autant un remplacement direct d'un point de terminaison hébergé rapide dans une boucle interactive, et c'est cette distinction qui compte pour les équipes produit.

Les 374,6 tokens par seconde et le premier token en 12,67 secondes de Muse Spark 1.2 sont mesurés dans le cadre d'une charge de travail standardisée. Une boucle d'agent multiplie le second chiffre par le nombre d'allers-retours par tâche, et les remises de cache sont appliquées par le fournisseur sans que vous ayez à gérer quoi que ce soit. Déployer sa propre solution implique une planification de capacité, une pile de pilotes et une configuration spéculative que vous ajustez vous-même. Les longueurs d'acceptation du drafter sont le début de ce travail, pas la fin.

Router la scission au lieu de choisir un camp.

La plupart des équipes qui finissent par faire tourner les deux y parviennent parce que les charges de travail diffèrent réellement : les chemins interactifs veulent le point de terminaison rapide, tandis que les chemins par lots et sur site veulent les poids. Le mode de défaillance est une séparation qui vit dans un document de conception plutôt que dans la configuration.

OrcaRouter route Muse Spark 1.2 — et Muse Spark 1.1 — au prix catalogue du fournisseur, avec 0 % de marge répercutée directement, donc un changement de prix du fournisseur atteint votre clé le jour même, sans aucun travail de re-tarification de votre côté. Il ne route ni n'héberge Muse Spark Open 816B A42B, ni ce drafter DFlash2, et il serait erroné de lire cet article comme affirmant le contraire : un modèle dont la valeur tient au fait que vous pouvez détenir les poids est un modèle que vous exécutez sur votre propre matériel. Ce que le routeur apporte, c'est l'autre moitié du partage — une API unique pour plus de 200 modèles, le basculement automatique lorsqu'un fournisseur se dégrade, la fusion de modèles pour les combiner, et un DSL de routage qui déplace le trafic entre les modèles par configuration plutôt que par une modification de code. Cette dernière partie est le moyen le plus économique de tester si un chemin auto-hébergé non éprouvé est prêt, sans parier une route de production dessus.

Que faire d'une comparaison inachevée

Choisissez Muse Spark 1.2 si vous avez besoin aujourd'hui d'un débit mesuré et d'un coût par tâche mesuré, si un humain attend la sortie, si vous avez besoin d'une entrée vocale et vidéo confirmée de manière indépendante, ou si vous voulez un modèle Muse sur une seule clé sans acheter de GPU. À 1,25 $ en entrée et 4,25 $ en sortie avec une remise de 88 % sur les entrées mises en cache, c'est un achat défendable, même en sachant que la fiche de son propre fournisseur renvoie déjà vers la 1.3.

Prenez Muse Spark Open 816B A42B si la tâche est suffisamment étroite pour être fine-tunée avec TorchTitan, si les données ne peuvent pas quitter votre réseau, si le volume est suffisamment important et régulier pour amortir le matériel, ou si le cadran de raisonnement gratuit vaut plus pour vous que le point d'indice auquel vous renoncez. La version NVFP4 et le drafter NVIDIA signifient ensemble que la voie du datacenter n'est plus spéculative au sens qui comptait en octobre — elle est simplement non quantifiée.

Ce que vous ne devez pas faire, c'est prendre les poids ouverts parce qu'ils sont gratuits, ou prendre le modèle hébergé parce qu'il est plus rapide, sans remarquer que ces deux phrases répondent à des questions différentes. L'une porte sur ce qu'est le modèle, l'autre sur la manière dont vous allez l'exécuter. La semaine dernière, seule la seconde question avait une réponse. Cette semaine, pour la première fois, les deux en ont une — et la réponse du modèle ouvert s'accompagne de barres d'erreur.

Muse Spark Open 816B A42B est téléchargeable sous la licence Muse Model License ; Muse Spark 1.2 est vendu au token et est routé sur OrcaRouter au prix catalogue.