Muse Spark 1.2 vs DeepSeek V4 Flash: Empat Poin Indeks untuk Tagihan Sembilan Kali Lipat

$72.02 dan $637.85. Itulah jumlah yang dikeluarkan Artificial Analysis untuk menjalankan DeepSeek V4 Flash dan Muse Spark 1.2 melalui sembilan benchmark yang sama, dan kedua model itu berselisih empat poin — 50 berbanding 54 pada Intelligence Index. Model Meta lebih baik. Model itu juga 8,9 kali lebih mahal untuk menjalankan pekerjaan yang identik, closed-weight, dilayani oleh tepat satu penyedia, dan lima hari lebih muda daripada DeepSeek V4 Flash. Apakah selisih empat poin itu sepadan dengan biaya tersebut sepenuhnya bergantung pada apa yang Anda bangun, dan perbandingan ini terutama bertujuan untuk membuat pertanyaan tersebut dapat dijawab.

Kedua model tiba hanya berselang seminggu — DeepSeek V4 Flash (build 0731) pada 31 Juli 2026, Muse Spark 1.2 pada 5 Agustus — dan keduanya dipasarkan untuk pekerjaan agen jangka panjang. Setiap skor indeks, angka latensi, dan biaya evaluasi di bawah ini berasal dari Artificial Analysis, yang menjalankan sendiri tolok ukurnya dan menerbitkan tagihannya. Jika suatu angka berasal dari Meta atau dari dokumentasi vendor itu sendiri, bukan dari pengujian independen, kalimatnya akan menyatakan demikian.

Empat angka yang menentukan ini

• Intelligence Index — Muse Spark 1.2: 54 (#13 dari 185), DeepSeek V4 Flash: 50 (#3 dari 101 di kelasnya, dibandingkan dengan median kelas 25).

• Harga gabungan per juta token — $0,78 vs $0,06. Tiga belas kali lipat.

• Biaya rangkaian sembilan benchmark yang sama — $637,85 vs $72,02.

• Tempat Anda dapat menjalankannya — satu penyedia dengan bobot tertutup vs enam penyedia API ditambah bobot berlisensi MIT yang dapat Anda host sendiri.

Suite yang sama, dua faktur yang sangat berbeda

Kolom biaya evaluasi adalah perbandingan biaya yang paling jujur untuk dua model, karena ini adalah pekerjaan yang sama, dengan harga yang ditetapkan sesuai tarif masing-masing model, dan setiap model menghabiskan token sebanyak yang ia putuskan. Muse Spark 1.2 membutuhkan $637.85 untuk menyelesaikan Intelligence Index. DeepSeek V4 Flash membutuhkan $72.02 — lebih murah daripada semua model terkenal lainnya yang diukur Artificial Analysis, sebuah temuan yang mendapat sorotan pers tersendiri di awal Agustus.

Yang membuat kesenjangan itu menarik adalah bahwa hal itu terjadi meskipun model DeepSeek V4 Flash justru yang lebih boros kata, bukan karena itu. Saat menjalankan rangkaian pengujian tersebut, DeepSeek V4 Flash menghasilkan 210 juta token keluaran dibandingkan 95 juta milik Muse Spark 1.2 — lebih dari dua kali lipatnya. Model Meta jauh lebih hemat token untuk tugas yang sama, dan itu sama sekali tidak masalah, karena DeepSeek V4 Flash mengenakan biaya $0,28 per juta token keluaran dibandingkan $4,25 milik Meta. Keunggulan harga 15× menelan kerugian akibat keborosan kata 2,2× tanpa terasa.

Ini adalah hal yang perlu dibawa ke dalam model biaya Anda sendiri. Efisiensi token adalah properti nyata dan model penalaran berbeda secara signifikan dalam hal ini, tetapi pada selisih pasar saat ini, hal ini merupakan istilah orde kedua. Kartu tarif yang menentukan, dan baru berubah ketika dua model memiliki harga dalam kisaran sekitar 3× satu sama lain.

Di mana keempat titik itu berada — dan apa yang belum pernah dipublikasikan orang

Berikut bagian yang tidak nyaman dari perbandingan ini: Indeks Kecerdasan adalah gabungan dari sembilan evaluasi yang mencakup agen, pengodean, kemampuan umum, dan penalaran ilmiah, dan Artificial Analysis belum memublikasikan rincian per-tolok ukur untuk Muse Spark 1.2. Jadi, "54 berbanding 50" saat ini hanyalah tajuk tanpa perincian. Selisih empat poin bisa berupa kesenjangan pengodean, kesenjangan konteks panjang, kesenjangan ketahanan terhadap halusinasi, atau empat kesenjangan kecil yang saling meniadakan dalam beban kerja Anda.

Angka-angka dari masing-masing vendor mengisi sebagian kekosongan, dan tidak ada yang dapat diperiksa terhadap yang lain. Meta melaporkan Terminal-Bench 2.1 sebesar 82.9% untuk Muse Spark 1.2 (naik dari 76.2% untuk 1.1) dan DeepSWE v1.1 sebesar 59.3% (naik dari 53.0%) — dijalankan pada harness Meta, pass@1 dari lima percobaan, dengan setiap model yang bersaing dipasangkan dengan produk agennya sendiri. Rilis V4 Flash menempatkan model tersebut sebagai peningkatan pasca-pelatihan yang disetel untuk pekerjaan agen dan terminal pada mixture of experts dengan total 284B / 13B aktif. Tidak ada tolok ukur yang memiliki angka sebanding yang diterbitkan oleh kedua laboratorium, dan tidak ada pihak ketiga yang mereproduksi salah satu dari kedua kumpulan tersebut.

Apa yang ditetapkan secara independen itu sempit dan layak dinyatakan dengan terus terang: pada satu indeks komposit, yang dijalankan oleh satu evaluator, Muse Spark 1.2 unggul empat poin, dengan biaya 8,9 kali lipat. Segala sesuatu yang lebih rinci dari itu masih merupakan materi vendor.

Tiga cara untuk membayar Muse Spark 1.2, satu setengah untuk DeepSeek

Perbandingan harga di sini luar biasa licin, karena Meta mengirimkan dua kartu tarif dan vendor mengirimkan bobotnya sendiri.

• Meta standard tier — $1,25 input, $0,15 input cache, $4,25 output per juta, dengan batas kecepatan sekitar 3.000 permintaan per menit.

• Tingkatan kontributor Meta — $0.10 input, $0.002 input cache, $0.20 output, sebagai imbalan atas izin untuk melatih model Meta di masa depan pada lalu lintas Anda, dengan batas 60 permintaan per menit.

• Daftar DeepSeek V4 Flash — $0.14 input, $0.28 output, $0.003 untuk cache hit (diskon 98%, tarif caching paling agresif dibanding model mana pun dalam kelompok harga ini), dari enam penyedia API yang bersaing.

• DeepSeek V4 Flash yang di-hosting sendiri — bobot terbuka berlisensi MIT, jadi harganya adalah perangkat keras Anda sendiri dan batasnya adalah kapasitas Anda sendiri.

Baca baris kedua dan ketiga bersama-sama dan peringkatnya berbalik: pada tingkat kontributor, Muse Spark 1.2 adalah lebih murah per token daripada DeepSeek V4 Flash, dengan harga $0,10/$0,20 dibandingkan $0,14/$0,28, sementara mencetak empat poin lebih tinggi. Itu adalah harga paling agresif dalam seluruh perbandingan ini dan hampir tidak ada yang bisa menggunakannya, karena 60 permintaan per menit adalah 2% dari anggaran standar dan menyingkirkan pada dasarnya setiap fan-out produksi. Itu dihargai untuk evaluasi dan kerja tim kecil, dan mata uangnya adalah prompt Anda. Apakah trade itu tersedia untuk Anda adalah keputusan tata kelola data yang menjadi milik hukum, bukan item baris yang Anda tukar dalam file konfigurasi.

Sisi open-weights berjalan sebaliknya. Lisensi MIT berarti batas harga minimum tidak ditetapkan oleh vendor sama sekali — jika volume Anda cukup untuk membenarkan pembelian GPU, tidak ada yang bisa menaikkan tarif Anda, menghentikan model Anda, atau mengubah persyaratan. Opsi tersebut tidak memiliki padanan di sisi Meta di tingkat mana pun.

Satu penyedia versus enam

Muse Spark 1.2 dilayani oleh Model API Meta dan tidak di tempat lain. Tidak ada host pihak ketiga, tidak ada pilihan kuantisasi, tidak ada jalur cadangan, dan — pada saat penulisan ini — tidak ada daftar OpenRouter, tidak ada repositori Hugging Face, dan tidak ada entri dalam katalog OrcaRouter. Model tertutup bersumber tunggal merupakan titik kegagalan tunggal secara desain, dan untuk model yang baru berusia lima hari, tidak ada riwayat uptime yang dapat meyakinkan Anda.

DeepSeek V4 Flash adalah kebalikannya. Enam penyedia API melayaninya saat ini, bobotnya berlisensi MIT, dan ada di katalog OrcaRouter dengan harga $0,15 masuk dan $0,29 keluar — harga daftar penyedia, diteruskan tanpa markup — dengan pengalihan otomatis antar penyedia, sehingga degradasi satu host pun tidak menjatuhkan beban kerja. Itulah argumen praktis untuk model yang lebih murah, yang tidak ada hubungannya dengan skornya: Anda dapat memindahkannya, mencerminkannya, atau meninggalkannya sepenuhnya, dan tidak satu pun opsi tersebut memerlukan integrasi baru.

Untuk Muse Spark 1.2 saat ini, evaluasi berarti kontrak kedua, tagihan kedua, dan jalur SDK kedua. Model Meta layak diuji berdasarkan keunggulannya, tetapi perlu dipahami bahwa biaya operasional untuk menjalankannya tidak hanya harga token.

Latensi, diukur pada lalu lintas nyata

Dalam kerangka tolok ukur, Artificial Analysis mencatat waktu hingga token pertama sebesar 1.33 detik untuk DeepSeek V4 Flash dan 26.12 detik untuk Muse Spark 1.2 pada pengaturan penalaran xhigh, dengan kecepatan keluaran masing-masing 103.3 dan 165.0 token per detik. Model Meta menghasilkan lebih cepat begitu mulai dan membutuhkan waktu yang sangat lama untuk mulai, yang persis seperti gambaran deliberasi wajib pada upaya maksimum.

Angka produksi menceritakan versi yang lebih lembut dari cerita yang sama. Selama tujuh hari perutean langsung di OrcaRouter, DeepSeek V4 Flash menunjukkan p50 waktu ke token pertama sebesar 439 milidetik dan p95 sebesar 1.96 detik, pada 111 token per detik dengan tingkat kesalahan 1.6%. Tidak ada angka produksi yang setara untuk Muse Spark 1.2 karena belum dirutekan ke mana pun; Muse Spark 1.1, proksi terdekat yang tersedia, berjalan dengan p50 1.84 detik dan p95 6.00 detik. Respons median di bawah satu detik adalah kategori yang dimiliki DeepSeek V4 Flash dan belum dimasuki oleh versi Muse Spark mana pun.

Kedua model menyatakan konteks sekitar satu juta token — 1.048.576 untuk keduanya, dengan DeepSeek V4 Flash yang membatasi keluaran hingga 384.000 token dan endpoint Muse Spark yang menyatakan tidak ada batas atas keluaran sama sekali. Dalam hal konteks, perbandingan ini seri di atas kertas dan belum terverifikasi dalam praktik untuk keduanya.

Tiga pertanyaan yang layak diajukan sebelum Anda beralih.

Apakah self-hosting DeepSeek V4 Flash sebenarnya lebih murah daripada $0,15 per juta?

Biasanya tidak, dan justru itulah intinya. Mixture of experts dengan parameter 284B dan 13B aktif membutuhkan kapasitas multi-GPU yang serius untuk melayani dengan latensi yang wajar, dan dengan harga $0,15 per juta token input, tarif terkelola sulit dikalahkan kecuali pada volume yang sangat tinggi dan sangat stabil. Nilai lisensi MIT bagi sebagian besar tim bukanlah karena mereka akan meng-host sendiri — melainkan karena mereka memang bisa, yang membatasi harga yang dapat dikenakan oleh penyedia mana pun dan menghilangkan risiko depresiasi. Anggap saja sebagai asuransi, dan belilah token terkelola.

Apakah tier kontributor membuat Muse Spark 1.2 menjadi model yang lebih murah?

Pada kartu tarif, ya; dalam praktiknya, hanya untuk beban kerja di bawah 60 permintaan per menit yang datanya Anda diizinkan untuk disumbangkan. Jika kedua kondisi terpenuhi — lonjakan penelitian, alat internal, kerangka kerja benchmark pada input sintetis — maka model yang unggul empat poin indeks dengan harga per token yang lebih rendah benar-benar pembelian yang lebih baik dan Anda harus mengambilnya. Jika salah satu gagal, tingkat standar adalah harga sebenarnya, dan tingkat standar adalah 13× dari tarif gabungan model V4 Flash.

Empat poin indeks terdengar kecil. Kapan itu menjadi penting?

Ketika kesalahan menumpuk. Pada panggilan klasifikasi atau peringkasan sekali jalan, celah gabungan empat poin sering kali tidak terlihat, dan membayar 9× untuk itu tidak dapat dipertahankan. Pada loop agen lima puluh langkah, perbedaan keberhasilan per langkah yang tampak kecil berkembang menjadi perbedaan besar dalam seberapa sering seluruh proses harus dimulai ulang — dan memulai ulang menghabiskan seluruh lintasan, bukan satu langkah. Itulah kasus di mana harga Meta dapat diperdebatkan. Itu juga kasus di mana Anda harus mengukur pada tugas Anda sendiri daripada mempercayai gabungan, karena tidak ada yang menerbitkan sub-indeks agen yang akan menyelesaikannya untuk 1.2.

Putusan, dan kondisi yang melekat padanya.

Untuk hampir semua beban kerja di mana biaya merupakan kendala nyata, DeepSeek V4 Flash adalah default yang tepat: empat poin di belakang pada satu indeks komposit, tiga belas kali lebih murah secara gabungan, latensi median di bawah satu detik dalam produksi, enam penyedia, bobot MIT, dan tidak ada vendor yang dapat mengubah ketentuan bagi Anda. Saat ini model tersebut adalah model terkenal termurah untuk dijalankan melalui rangkaian tolok ukur lengkap, dan ia tidak sampai di posisi itu karena buruk.

Muse Spark 1.2 sepadan dengan harganya dalam satu bentuk pekerjaan tertentu: pengodean agen berhorizon panjang, di mana lintasan yang gagal itu mahal, di mana pertimbangan ekstra diamortisasi selama menit-menit kerja, bukannya dirasakan oleh pengguna yang menunggu, dan di mana Anda dapat bertahan dengan satu penyedia serta tanpa rincian independen tentang terbuat dari apa keempat poin tersebut. Meta telah merilis tiga model dalam empat bulan dan menggeser sebelas poin indeks dalam waktu itu, jadi kasusnya mungkin cepat menguat — tetapi hari ini ia bertumpu pada tolok ukur pengodean yang dijalankan vendor dan satu skor gabungan.

Jika Anda memilih minggu ini, jalankan keduanya pada lima puluh langkah loop agen Anda sendiri dan bandingkan lintasan yang selesai per dolar daripada token per dolar. Satu pengukuran itu menjawab perbandingan ini lebih baik daripada setiap benchmark yang dipublikasikan di dalamnya.