Muse Spark Open 816B A42B vs Muse Spark 1.3: Sembilan Poin, dan Penantian Lima Puluh Empat Detik

Nomor versi membuat perbandingan ini tampak sederhana, dan mereka membohongi Anda. Muse Spark 1.3 berada di atas Muse Spark Open 816B A42B dalam penamaan Meta sendiri, dan juga berada di atasnya di Intelligence Index independen — 48 berbanding 39, selisih sembilan poin yang menjadi alasan utama orang membingkai bobot terbuka sebagai opsi hemat. Namun Muse Spark 1.3 dirilis pada 2 September 2026, dan ini adalah model yang mengutamakan penalaran dan dijual per token, yang berarti kemampuannya hadir bersama biaya deliberasi. Muse Spark Open 816B A42B — campuran pakar 816 miliar parameter, 42 miliar aktif yang bobotnya dipublikasikan Meta pada 15 Oktober 2026 tanpa pengumuman — justru datang dengan biaya perangkat keras. Pada 16 Oktober 2026, NVIDIA menerbitkan drafter speculative-decoding untuk target terbuka, yang untuk pertama kalinya menempatkan jalur optimasi terdokumentasi di bawah salah satu sisi perbandingan ini dan bukan sisi lainnya. Sembilan poin itu nyata. Yang layak diketahui adalah apa yang Anda bayar untuknya, dan dalam mata uang apa. Untuk model yang mode kegagalannya masih belum terdokumentasi, padanan yang berguna adalah catatan tentang apa yang sudah pernah salah di tempat lain: insiden AI dan kegagalan agen yang terdokumentasi seputar model di kelas ini dikumpulkan di OrcaRouter AI Incident Archive di mana setiap entri membawa sumbernya sendiri, tingkat keparahan, tingkat keyakinan, dan penanda diperdebatkan.

Dua cara menjadi mahal

Tabel benchmark meratakan hal ini. Kedua model itu mahal; keduanya mahal ke arah yang berlawanan, dan arah itu menentukan beban kerja mana yang tidak cocok untuk masing-masing model.

Muse Spark 1.3 mahal per unit pemikiran. Ia adalah penalar yang bertele-tele — Artificial Analysis mengukurnya menghabiskan sekitar 170 juta token selama evaluasinya, kira-kira sepertiga lebih banyak daripada Muse Spark 1.2 — dan setiap token tersebut ditagih sebagai output sebesar $4,25 per juta. Verbositas itulah sebabnya 1.3 berada pada biaya terukur $1,60 per tugas Intelligence Index dibandingkan $0,97 untuk 1.2, pada harga token utama yang identik. Anda tidak membayar lebih per token. Anda membayar untuk lebih banyak token, karena model berpikir lebih keras dan dengan lantang.

Muse Spark Open 816B A42B mahal bahkan sebelum melakukan apa pun. Tidak ada meteran per token, jadi biayanya ada pada perangkat keras: sekitar 1,5TB dalam BF16 plus build NVFP4 agar muat di perangkat yang Anda miliki, sebuah node Blackwell untuk jalur pusat data, atau dua M5 Ultra Mac Studios untuk jalur desktop. Uang itu tetap keluar terlepas dari apakah model sedang sibuk atau tidak, yang merupakan sifat penentu dari biaya tetap dan sumber dari keunggulannya sekaligus kesalahan perhitungannya yang paling umum.

Konsekuensi praktisnya adalah bahwa secara desain, kedua model ini tidak cocok untuk beban kerja yang berlawanan. Produk interaktif yang bersifat bursty tidak dapat mengamortisasi biaya perangkat keras tetap. Pipeline stasioner bervolume tinggi tidak peduli pada penagihan per token dan seharusnya tidak membayarnya.

Apa yang sebenarnya diperoleh dari sembilan poin penalaran

Pengukuran independen menempatkan Muse Spark 1.3 pada nilai 48 di Intelligence Index, berada di beberapa persen teratas model yang dilacak Artificial Analysis, dengan kecepatan output terukur 127,7 token per detik dan waktu ke token pertama 54,06 detik. Angka terakhir itulah yang dikubur dalam lembar spesifikasi dan dialami pengguna: 1.3 berpikir sebelum berbicara, dan pada prompt yang sulit, proses berpikirnya tidak instan.

Muse Spark Open 816B A42B berada di 39 — skor bobot terbuka terkuat dari rilis lab AS mana pun, dan masih satu tingkat kemampuan di bawah. Kartu skor Meta sendiri untuk model terbuka tersebut, yang dilaporkan vendor dan diukur di dalam harness per tolok ukur pilihan Meta, melaporkan Terminal-Bench 2.1 pada 76,4, DeepSWE 1.1 pada 60, MCP-Atlas pada 89,2, GDPval-AA v2 pada 1401, SciCode pada 58,5, JobBench pada 61,8 dan HLE-Diamond tanpa alat pada 26,1. Baris vendor yang bersesuaian untuk 1.3 terbaca 83,9 dan 68 pada dua yang pertama. Itu adalah evaluasi yang sama, dan menunjukkan keunggulan konsisten tujuh hingga delapan poin di pita agentik — yang kira-kira merupakan tempat kesenjangan indeks sembilan poin independen berada.

Baca bentuknya, bukan aritmetikanya. Kesenjangan antara kedua model ini terkonsentrasi pada ketahanan agen dan kedalaman penalaran closed-book. Ini bukan kesenjangan pengetahuan, dan bukan kesenjangan yang muncul di setiap tugas. Model yang sembilan poin lebih lemah pada skor komposit tidak berarti sembilan poin lebih buruk dalam mengambil fakta tertentu dari korpus tetap, dan memperlakukan indeks itu sebagai tingkat diskon yang seragam untuk kapabilitas adalah kesalahan paling umum dalam perbandingan seperti ini.

Pengatur upaya, dan siapa yang menagih biayanya

Inilah bagian dari perbandingan ketika kedua model sama sekali tidak lagi mirip satu sama lain, dan ini lebih berguna daripada selisih indeks.

Muse Spark Open 816B A42B memaparkan anggaran penalarannya secara langsung. Low, medium, high, dan xhigh memetakan ke 16, 64, 256, dan 512 token penalaran, dan petunjuk system prompt melakukan hal yang sama. Anda memilih per permintaan dari kode Anda sendiri, Anda mengetahui biaya setiap pengaturan sebelumnya, dan karena tidak ada pengukur, menurunkan setelannya hanya membuat Anda kehilangan akurasi dan tidak ada hal lain. Tugas batch yang mampu berpikir keras pada tengah malam dapat berpikir keras pada tengah malam secara gratis. Tugas batch yang tidak perlu berpikir keras dapat berhenti.

Reasoning effort Muse Spark 1.3 tidak gratis ke arah mana pun. Setiap kenaikan satu tingkat berarti token keluaran, dan token keluaran adalah separuh yang mahal dari daftar harga. Verbositas model yang terukur adalah konsekuensi yang terlihat dari hal itu: model membelanjakan apa yang diperlukan untuk mencapai 48 poin, dan 48 poin penalaran adalah perenungan yang sangat banyak. Apakah itu pertukaran yang baik sepenuhnya bergantung pada apakah penalaran tersebut merupakan produknya atau beban tambahan di atasnya.

Perbedaan yang perlu diingat adalah bahwa pada model terbuka, berpikir lebih keras adalah pilihan konfigurasi dengan biaya waktu. Pada Muse Spark 1.3, berpikir lebih keras adalah sebuah pembelian. Itu bukan jenis keputusan yang sama dan keduanya tidak memiliki plafon yang sama.

Apa yang diubah oleh draf 16 Oktober tentang pasangan ini

Muse Spark 1.3 tidak memiliki penyusun draf decoding spekulatif yang dipublikasikan. Muse Spark Open 816B A42B memperolehnya pada 16 Oktober 2026, ketika NVIDIA menerbitkan nvidia/Muse-Spark-Open-816B-A42B-DFlash2 — checkpoint tanpa pembatasan akses berparameter 4,38 miliar yang menyusun draf blok token untuk target 816B agar target tersebut dapat memverifikasinya dalam satu forward pass. Checkpoint ini melaporkan panjang penerimaan 3,73 pada MT-Bench saat decoding greedy dan 3,01 saat sampling, token spekulatif yang direkomendasikan sebanyak tujuh, dan dapat dijalankan di Blackwell melalui vLLM atau TensorRT-LLM.

Dua catatan jujur lebih penting daripada angka-angkanya. Yang pertama adalah bahwa NVIDIA tidak menerbitkan percepatan end-to-end — panjang penerimaan menunjukkan bahwa draf sering diterima, bukan bahwa server menjadi lebih cepat. Yang kedua adalah bahwa SGLang, runtime yang dipasangkan dengan DFlash V2 dalam materi milik Meta sendiri, tidak ada dalam daftar engine yang didukung NVIDIA, jadi jika serving stack Anda adalah SGLang, checkpoint ini tidak ditujukan untuk Anda.

Yang tersisa masih tetap menarik secara struktural. Pada kurva biaya model terbuka kini melekat jalur optimisasi yang publik dan dapat diperiksa: drafter yang terdokumentasi, resep yang diterbitkan, dan flag vLLM yang terbuka. Kurva biaya Muse Spark 1.3 adalah milik vendor, dan Anda tidak dapat menyetelnya, melatihnya ulang, atau mempercepatnya sendiri. Selama setahun, kemampuan tetap dengan narasi penyajian yang membaik dan kemampuan lebih tinggi dengan narasi penyajian yang dibekukan tidak diurutkan sebagaimana yang dinyatakan indeks.

Batas yang benar-benar menentukannya

Dua kondisi yang menentukan di sini, dan segala hal lainnya hanyalah gangguan.

Yang pertama adalah toleransi latensi. Lima puluh empat detik hingga token pertama bukanlah cacat — itulah harga dari penalaran mendalam, dan untuk pekerjaan batch semalaman hal itu tidak relevan. Untuk antarmuka dengan seseorang di depannya, itu menentukan seluruh karakter beban kerja tersebut. Jika ada manusia yang menunggu, anggaran penalaran Muse Spark 1.3 justru merugikan Anda bahkan ketika jawabannya lebih baik, dan Anda seharusnya mengukur waktu hingga token pertama alih-alih skor indeks. Jika tidak ada yang menunggu, kecenderungan bertele-tele 1.3 hanyalah pos biaya dan kemampuannya adalah produknya.

Yang kedua adalah apakah tugas tersebut dapat dikhususkan. Muse Spark 1.3 tidak dapat di-fine-tune pada data Anda berapa pun harganya, dan fakta bahwa ia adalah model umum yang lebih mumpuni tidak membantu begitu masalah Anda sempit. Muse Spark Open 816B A42B hadir dengan dukungan TorchTitan bersama bobotnya. Model umum bernilai 39 poin yang di-fine-tune pada basis kode, skema, atau korpus dokumen Anda bukanlah model yang sama dengan yang mencetak 39, dalam kedua arah — dan untuk tugas yang cukup sempit, versi yang di-fine-tune dari model yang lebih lemah menang dengan selisih yang tidak tipis. Selisih sembilan poin adalah pengukuran kemampuan umum yang diterapkan pada masalah spesifik, dan di situlah pengukuran itu paling tidak informatif.

Di antara kedua kondisi itu terdapat kasus-kasus biasa, dan di sanalah indeks ini membuktikan kegunaannya. Penalaran bertahap yang sulit, rantai penggunaan alat yang panjang, pemulihan dari jalan buntu model itu sendiri — di situlah 48 versus 39 menjadi perbedaan antara apakah sebuah alur kerja selesai atau tidak, dan tidak ada perubahan konfigurasi di sisi Anda yang dapat menutupnya.

Di mana masing-masing tidak lagi menjadi jawaban yang tepat

Muse Spark 1.3 tidak lagi tepat ketika penalaran bukan menjadi hambatan: ekstraksi bervolume tinggi, klasifikasi, transformasi skema tetap, dan pekerjaan domain sempit semuanya adalah tugas ketika Anda membayar $1,60 per tugas indeks untuk kemampuan yang tidak digunakan oleh tugas tersebut. Muse Spark 1.3 juga tidak lagi tepat ketika data tidak dapat keluar dari jaringan Anda, pada titik itu perbandingannya bukan antara 39 dan 48 melainkan antara 39 dan tidak memiliki model. Dan Muse Spark 1.3 tidak lagi tepat ketika jawabannya perlu dapat disetel, padahal memang tidak bisa.

Muse Spark Open 816B A42B tidak lagi tepat ketika seseorang menunggu output, ketika penalaran benar-benar membutuhkan tier terdepan, dan ketika beban kerja cukup meledak-ledak sehingga perangkat keras yang menganggur mendominasi tagihan. Ia juga tidak lagi tepat jika daftar modalitas menjadi penting: Artificial Analysis mengukur model terbuka tersebut menerima teks dan gambar, sementara materi Meta sendiri mengklaim teks, gambar, video, dan audio — dan input teks, gambar, serta video 1.3 dicantumkan secara independen. Jika klaim luas itulah alasan Anda tertarik, verifikasi pada stack Anda sendiri sebelum berkomitmen pada perangkat keras.

Ada satu lagi catatan yang lebih tepat diletakkan di sini daripada di catatan kaki. Ketentuan Muse Model License berlaku untuk bobot terbuka, dan di dalamnya terdapat klausul yang mengharuskan perjanjian tertulis terpisah begitu pendapatan model-sebagai-layanan melewati $20 juta dalam rentang dua belas bulan berturut-turut mana pun, ditambah string atribusi "Built with Muse Spark Open" pada apa yang Anda bangun. Itu bukan penghalang bagi sebagian besar tim. Itu adalah hal yang perlu sudah dibaca sebelum arsitektur ditetapkan, karena ini adalah percakapan lisensi dengan vendor, dan percakapan semacam itu lebih murah jika dimulai lebih awal.

Menjalankan keduanya adalah jawaban yang jujur untuk sebagian besar tim

Organisasi yang akhirnya memiliki keduanya melakukannya karena dua kondisi yang menjadi inti artikel ini benar-benar membagi beban kerja mereka: beberapa jalur memiliki manusia yang menunggu, sebagian tidak, dan hanya sebagian yang memiliki data yang harus tetap berada di rumah. Arsitekturnya mudah. Mode kegagalannya adalah bahwa pemisahan itu berada di dalam dokumen, bukan di dalam konfigurasi, dan seorang developer menyalin string model dari sebuah tutorial.

Lapisan routing adalah mekanisme yang mencegah hal itu terjadi. OrcaRouter me-routing Muse Spark 1.2 dan Muse Spark 1.1 pada harga daftar penyedia dengan markup 0% yang diteruskan langsung, sehingga perubahan harga vendor langsung berlaku pada key Anda di hari yang sama tanpa pekerjaan penetapan harga ulang. Ini tidak me-routing Muse Spark 1.3 dan tidak meng-host Muse Spark Open 816B A42B, dan tulisan ini tidak boleh dibaca sebagai mengklaim keduanya — model yang seluruh proposisinya adalah bahwa Anda dapat menyimpan bobotnya adalah model yang Anda jalankan di perangkat keras Anda sendiri. Yang diberikan router kepada Anda adalah separuh yang dapat dijangkau: satu API di lebih dari 200 model, failover otomatis ketika penyedia mengalami penurunan performa, fusi model untuk menggabungkannya, dan DSL routing yang memindahkan lalu lintas antar model melalui konfigurasi, bukan melalui kode. Itulah cara murah untuk mengetahui apa yang dilakukan bobot terbuka pada lalu lintas nyata sebelum rute produksi bergantung padanya.

Nomor versi bukanlah spesifikasi

Muse Spark 1.3 adalah model yang lebih mumpuni. Itu sudah dipastikan oleh pengukuran independen dan tidak diperdebatkan. Yang diperdebatkan adalah apakah "lebih mumpuni" adalah sumbu tempat beban kerja Anda berada, dan untuk sangat banyak beban kerja, bukan itu sumbunya: sumbunya adalah apakah seseorang sedang menunggu, apakah tugasnya cukup sempit untuk disetel, dan apakah datanya dapat keluar dari gedung.

Pilih Muse Spark 1.3 jika penalaran adalah produknya, pekerjaannya bersifat bursty, dan tidak ada yang memperhatikan spinner. Pilih Muse Spark Open 816B A42B jika tugasnya sempit, datanya tidak bisa dipindahkan, volumenya stabil, atau kemampuan untuk berpikir pada tingkat upaya apa pun yang Anda inginkan tanpa meteran berjalan bernilai lebih dari sembilan poin indeks. Dan perhatikan, sebelum memutuskan, bahwa opsi kedua baru saja memperoleh cerita penyajian yang belum dimilikinya minggu lalu — tanpa kuantifikasi, spesifik perangkat keras, separuh terdokumentasi, dan meskipun demikian merupakan bukti pertama yang dipublikasikan siapa pun tentang bagaimana tier 816B ini sebenarnya berjalan.

Muse Spark Open 816B A42B dapat diunduh di bawah Muse Model License; Muse Spark 1.3 dijual per token, dan checkpoint Muse Spark yang dirutekan pada OrcaRouter adalah 1.2 dan 1.1.