Muse Spark vs DeepSeek V4.1 Pro: Satu Unduhan Tiba, Satu Tak Pernah Dirilis

Tiga nama menentukan perbandingan ini, dan hanya dua di antaranya yang bisa Anda pegang. Muse Spark Open menjadi unduhan nyata pada 15 Oktober 2026, ketika Meta menerbitkan bobot, konfigurasi, dan lisensi untuk anggota terbuka dari Meta Muse Spark keluarga. DeepSeek V4.1 Pro belum pernah dirilis: tingkat ini dinamai tepat satu kali, di dalam entri changelog 10 September yang menjelaskan rencana perutean yang segera ditarik, dan sejak itu tidak menerbitkan kartu model, baris harga, repositori, maupun tanggal. Nama ketiga adalah yang membuat judul dapat dijawab, karena itulah unggulan yang sebenarnya akan dipilih pembaca untuk dibandingkan — DeepSeek V4 Pro, unggulan berlisensi MIT dengan 1,6 triliun parameter yang telah dapat diunduh dan dipanggil sejak 13 Agustus 2026, dengan DeepSeek V4.1 Flash berada di bawahnya sebagai anggota lini yang sama yang murah, cepat, dan mampu membaca gambar.

Jika dikatakan seperti itu, pertanyaan yang menarik bukanlah model mana yang lebih pintar. Yang menarik adalah apa yang berubah bagi seseorang yang membangun di atas bobot, bukan endpoint: satu sisi perbandingan ini kemarin memperoleh lisensi yang dapat dibaca dan diperdebatkan, sisi lainnya belum pernah memilikinya, dan aritmetika harga per tugas berjalan berlawanan arah dengan aritmetika harga per token.

Dua bagian judul itu bukan jenis objek yang sama.

Bentuk pasangan ini cukup tidak biasa sehingga perlu dinyatakan sebelum angka apa pun. Biasanya halaman "vs" memiliki masalah versi — dua nama model yang masing-masing menyembunyikan tiga checkpoint. Di sini, satu sisi memiliki masalah versi dan sisi lainnya memiliki masalah keberadaan.

Sisi Meta terselesaikan dengan rapi. Muse Spark adalah keluarga, bukan peluncuran: lini ini diperkenalkan pada 8 April 2026, dan sejak itu telah diarahkan ulang empat kali. Muse Spark 1.1 hadir pada 16 Juli 2026, Muse Spark 1.2 pada 5 Agustus, dan Muse Spark 1.3 pada 2 September, dengan level penalaran "max" milik 1.3 dibuka dua hari kemudian pada 4 September setelah pengujian keamanan tambahan. Muse Spark Open adalah artefak kelima dengan nama tersebut dan satu-satunya yang dapat Anda host sendiri.

Sisi DeepSeek sama sekali tidak terpecahkan. DeepSeek V4.1 Pro adalah nama tier tanpa apa pun di belakangnya, dan perbedaan antara nama itu dan empat model DeepSeek yang benar-benar ada adalah alasan utama halaman ini harus menyebut pengganti. Pembacaan yang jujur adalah bahwa pembaca yang mencari perbandingan ini sebenarnya memiliki dua pertanyaan berbeda — apa yang baru saja Meta letakkan di disk, dan kapan tier DeepSeek yang telah dijanjikan itu benar-benar akan ada.

Apa yang sebenarnya mendarat, dan sudah berapa lama ia berada di sana

Muse Spark Open bukan peluncuran kejutan dan juga bukan peluncuran konvensional, dan jarak antara kedua deskripsi itu adalah hal paling menarik dari rilis ini. Repositori Hugging Face — checkpoint BF16 dan build NVFP4 terpisah, dengan nama Muse-Spark-Open-816B-A42B — memiliki stempel waktu pembuatan 2026-09-15. Artefak itu lalu tergeletak di sana selama sebulan, aksesnya dibatasi dan tanpa pengumuman, sementara teks lisensi dan kebijakan penggunaan di dalam formulir akses mempertahankan tanggalnya sendiri: 15 Oktober 2026. Artefak itu ada dengan tenang; dokumennya menyusul sebulan kemudian.

Apa yang dibuktikan oleh metadata dan postingan rilis Meta sendiri tanpa tolok ukur dari siapa pun:

Skala — sekitar 816 miliar parameter total dengan sekitar 42 miliar yang aktif per token, sebuah campuran pakar yang jarang di seluruh 62 lapisan dan 256 pakar per lapisan MoE, dengan 8 yang dipilih per token.

• Konteks — jendela 1,048,576 token, dibagikan ke setiap modalitas alih-alih dipisah di antara modalitas-modalitas tersebut.

• Modalitas — teks, gambar, video, dan audio masuk; teks keluar. Daftar independen Artificial Analysis mencatat baris input yang sama, yang menggambarkan model yang menerima teks, gambar, ucapan, dan video.

• Penalaran — pengaturan upaya penalaran dengan tingkat low, medium, high, dan xhigh, serta tidak ada cara untuk mematikan penalaran sepenuhnya.

• Akses — dibatasi. Formulir permintaan meminta nama lengkap resmi, tanggal lahir, dan organisasi dengan pengenal korporat, serta tidak dapat diubah setelah diajukan. Siapa pun yang menganggap ini sebagai unduhan sekali klik harus bersiap menghadapi antrean.

Itu adalah bagian dari catatan yang sudah pasti. Bagian yang belum pasti adalah pengukurannya, dan penting untuk tepat soal mana yang mana — lihat bagian angka di bawah ini.

Organisasi deepseek-ai, dan nama yang tidak ada di dalamnya

Segala sesuatu yang diterbitkan tentang DeepSeek V4.1 Pro muat dalam satu kalimat dari changelog DeepSeek sendiri, bertanggal 2026-09-10, dalam catatan yang dirilis bersama DeepSeek V4.1 Flash. Di sana disebutkan bahwa mulai 04:00 UTC pada 14 September, permintaan ke deepseek-v4-pro akan dialihkan ke model Flash yang baru dirilis dan ditagih dengan tarif Flash, dan bahwa hal ini akan berlanjut "sampai V4.1-Pro diluncurkan." Para developer keberatan karena model produksi ditukar di bawah mereka tanpa jendela migrasi, dan entri changelog yang sama mencatat pembalikannya: DeepSeek memutuskan untuk tetap melayani DeepSeek V4 Pro setelah 14 September dengan penagihan yang tidak berubah.

Rencana perutean itu mati. Nama itu tetap bertahan, dan klausa itulah keseluruhan catatan publiknya. Diverifikasi terhadap sumber-sumber primer pada 16 Oktober 2026:

• Halaman Models & Pricing DeepSeek hanya menyajikan tepat dua nama model — deepseek-flash dan deepseek-v4-pro, yang mengacu pada DeepSeek-V4.1-Flash dan DeepSeek-V4-Pro-0813. Tidak ada kolom, baris, atau harga V4.1 Pro.

• Catatan perubahan DeepSeek tidak memiliki entri Oktober apa pun, dan entri terbarunya adalah 2026-09-10, 2026-08-21 dan 2026-08-13.

• Organisasi deepseek-ai di Hugging Face tidak memiliki repositori yang bernama V4.1 Pro. Repositori model terbarunya adalah DeepSeek-V4.1-Flash, yang dibuat pada 2026-09-10.

Satu sinyal yang belum dikonfirmasi layak dicatat dan tidak lebih dari itu. Pada pagi hari 15 Oktober, seorang pelacak melaporkan sebuah endpoint DeepSeek berperilaku berbeda setelah pemadaman layanan berakhir — berhasil melewati prompt penalaran relasional yang sama-sama gagal dilewati oleh DeepSeek-V4-Pro-0813 dan generasi V4.1, terulang pada empat sampel, dengan kecepatan sekitar 180 token per detik — dan menebak nama V4.1 Pro. Tidak ada kartu model, tidak ada file bobot, dan tidak ada pernyataan vendor di baliknya, dan pembangunan ulang secara senyap atas konfigurasi penyajian yang ada akan terlihat identik dari luar. Anggap ini sebagai alasan untuk mengawasi, bukan sebagai rilis.

Apa yang hampir pasti akan diwarisi oleh V4.1 Pro layak dinyatakan secara terpisah, karena ini adalah inferensi dan bukan pelaporan. Setiap model DeepSeek yang telah dirilis dalam lini V4 dan V4.1 — DeepSeek-V4-Pro-0813, DeepSeek-V4-Flash, DeepSeek-V4-Flash-0731, dan DeepSeek-V4.1-Flash — mencantumkan license:mit pada kartu modelnya, dan envelope yang dilayani telah konsisten: 1M token masuk, hingga 384K keluar. Tier Pro dalam lini itu diharapkan menyamai keduanya. Belum ada yang dipublikasikan yang menyatakan demikian.

Sumbu yang tidak dibawa papan skor: lisensi

Di sinilah kedua opsi open-weight benar-benar berpisah jalan, dan inilah bagian yang menentukan artikel bagi siapa pun yang merilis produk alih-alih menjalankan benchmark. Listing Artificial Analysis untuk Muse Spark Open menjawab pertanyaan lisensi dengan "penggunaan komersial diizinkan dengan pembatasan", dan alasannya ada dalam teks Meta sendiri.

Lisensi Muse Model bukan lisensi OSI dan bukan MIT. Dua klausul mengubah arti "bobot terbuka" dalam praktiknya, dan tidak satu pun ada di judul.

• Ketentuan model-as-a-service. Bagian 3 mensyaratkan bahwa jika Anda atau afiliasi Anda memberi pihak ketiga akses ke model sebagai produk atau layanan melalui API, dan total pendapatan bruto agregat Anda melebihi dua puluh juta dolar AS dalam periode dua belas bulan berturut-turut mana pun, Anda harus memberi tahu Meta dan membuat perjanjian tertulis terpisah sebelum menjalankan bisnis tersebut. Memasukkan model ke dalam produk Anda sendiri dikecualikan; menjualnya kembali tidak.

• Ketentuan atribusi. Penerima lisensi harus menampilkan "Built with Muse Spark Open" secara mencolok di antarmuka produk apa pun yang menggunakan model tersebut atau turunannya, atau di dokumentasi, situs, atau menu pengaturan yang menyertainya.

Sebaliknya, seluruh lini DeepSeek yang dirilis berlisensi MIT — DeepSeek V4 Pro, DeepSeek V4.1 Flash, dan pendahulu-pendahulu mereka semuanya memakai lisensi itu, tanpa ambang pendapatan, tanpa kewajiban notifikasi, dan tanpa persyaratan atribusi. Konsekuensi praktisnya tidak samar. Jika rencana Anda melibatkan hosting model di balik API untuk orang lain, lisensi Meta memiliki pemicu pendapatan yang tidak dimiliki lisensi DeepSeek. Jika rencana Anda melibatkan peluncuran produk konsumen yang dibangun di atas bobot, lisensi Meta mewajibkan Anda menampilkan satu kalimat, dan lisensi DeepSeek tidak mewajibkan Anda menampilkan apa pun.

Dua hal yang diberikan Muse Model License secara gamblang, dan keduanya layak dinyatakan karena itulah inti sebenarnya dari bobot terbuka: Anda boleh melakukan fine-tuning, distilasi, merge, mempublikasikan, mensublisensikan, dan menjual turunannya, dan Meta tidak mengklaim kepemilikan atas output. Restriksinya sempit dan pemberian lisensinya luas. Tetapi jika Anda memilih di antara keduanya berdasarkan tinjauan hukum ketimbang kemampuan, pilihannya tidaklah berimbang, dan itulah jawaban yang diberikan adu ini sebelum salah satu model menghasilkan satu token pun.

Angka-angkanya, dan garis yang berjalan mundur

Artificial Analysis adalah satu-satunya pihak ketiga dengan daftar publik untuk kedua kubu, dan ia tidak menempatkan keduanya dalam kategori yang sama — model open-weight diperingkatkan terhadap model open-weight dari kelas ukuran yang sama, yang di sini tidak banyak mendistorsi karena semua yang dibahas adalah open-weight. Yang berikut ini adalah pengukurannya, bukan klaim vendor dan bukan klaim kami.

• Muse Spark Open (xhigh) — Intelligence Index 39, peringkat kesembilan dari 118 entri di kelasnya dan jauh di atas median kelas sebesar 19; $1,25 untuk input dan $4,25 untuk output per juta token; $0,84 per tugas indeks yang diselesaikan; kecepatan output 103,4 token per detik; waktu ke token pertama 0,65 detik; 110M token output yang dihasilkan selama indeks, dibandingkan median 130M; 816B total dan 42B parameter aktif; Muse Model License.

• DeepSeek V4 Pro 0813 (max) — Intelligence Index 36; $1,32 masuk dan $3,96 keluar per juta token; $0,67 per tugas indeks; 92 token per detik; waktu ke token pertama 1,66 detik; 160M token keluaran, di atas median; 1,6T total dan 49B parameter aktif; MIT.

• DeepSeek V4.1 Flash (max) — kolom ketiga yang berguna, dan kolom yang mengubah urutan keseluruhan perbandingan. Indeks Kecerdasan 39 — skor yang sama dengan Muse Spark Open — dengan $0,30 untuk input dan $1,20 untuk output per juta token, $0,27 per tugas indeks, 179 token per detik dan waktu 1,15 detik ke token pertama, dibandingkan dengan 250 juta token keluaran, pengukuran paling verbose di kelas itu.

Baca ketiganya bersama-sama dan pembalikannya adalah intinya. Model-model DeepSeek lebih bertele-tele per tugas — 160M dan 250M token keluaran dibandingkan 110M milik Muse Spark Open — namun biayanya lebih rendah per tugas yang diselesaikan, karena harga per tokennya jauh lebih murah. Biaya per token dan biaya per tugas mengarah ke arah yang berlawanan di sini, dan siapa pun yang membandingkannya hanya berdasarkan tarif input/output utama akan sampai pada kesimpulan yang salah tentang mana yang lebih murah untuk dioperasikan.

Dua catatan penting tentang harga yang secara signifikan mengubah perhitungan. Pertama, daftar harga DeepSeek sendiri memotong tarif menjadi separuh di luar jam sibuk, dan jam sibuk adalah jendela yang sempit — 01:00–04:00 dan 06:00–10:00 UTC, Senin hingga Jumat, tidak termasuk hari libur nasional Tiongkok, dengan akhir pekan dan hari libur sepenuhnya di luar jam sibuk. Angka $1.32 / $3.96 dan $0.30 / $1.20 di atas adalah tarif jam sibuk yang DeepSeek publikasikan; tarif di luar jam sibuk adalah $0.66 / $1.98 untuk DeepSeek V4 Pro dan $0.15 / $0.60 untuk DeepSeek V4.1 Flash. Sebagian besar waktu dalam seminggu berada di luar jam sibuk. Kedua, Meta sama sekali tidak menerbitkan harga untuk Muse Spark Open — baris $1.25 / $4.25 adalah rute hosted yang diukur Artificial Analysis, dilaporkan sebagai median di antara penyedia yang melayani model tersebut, bukan harga daftar vendor untuk bobotnya. Bobot yang Anda hosting tidak memiliki harga per token; yang ada adalah tagihan perangkat keras.

Satu peringatan jujur lagi di sisi Muse Spark. Angka 39 di atas milik Muse Spark Open pada xhigh, dan itu bukan angka terbaik keluarga ini. Muse Spark 1.3 pada max mencetak skor 48 pada indeks yang sama — sembilan poin lebih tinggi — dan Muse Spark 1.2, checkpoint yang paling banyak dipanggil para developer, mencetak skor 40. Menilai kemampuan keluarga ini hanya dari checkpoint terbuka akan merendahkannya; menilai lisensi checkpoint terbuka dari lini tertutup akan menjadi kesalahan kategori, karena keduanya diatur oleh ketentuan yang berbeda.

Di mana keduanya sama sekali bukan pengganti

Selisih indeks antara 39 dan 36 cukup kecil untuk berada dalam batas noise dari cara setiap harness dijalankan, itulah sebabnya spesifikasi di bawah ini lebih penting daripada skor dalam menentukan pilihan di antara keduanya.

• Modalitas — ini sama sekali tidak berimbang. Muse Spark Open membaca teks, gambar, video, dan audio. DeepSeek V4 Pro hanya membaca teks dan tidak ada yang lain; lembar harga DeepSeek sendiri menandai baris visi "Tidak didukung" untuknya, dan Artificial Analysis mencatat hal yang sama. Jika pipeline Anda memasukkan rekaman layar, video, atau ucapan ke dalam model, perbandingannya berakhir di sini.

• Konteks — keduanya 1M token, dan tidak ada yang perlu dipisahkan. Muse Spark Open membagi anggaran itu lintas modalitas; milik DeepSeek hanya teks secara rancangan.

• Keluaran maksimum — DeepSeek mempublikasikan 384K token untuk DeepSeek V4 Pro dan DeepSeek V4.1 Flash. Meta tidak mempublikasikan angka keluaran maksimum untuk Muse Spark Open yang dapat kami verifikasi. Batas atas yang tidak dipublikasikan adalah risiko yang perlu diuji, bukan diasumsikan, jika Anda menghasilkan artefak panjang dalam satu panggilan.

• Waktu hingga token pertama — satu-satunya metrik latensi yang jelas dimenangkan Muse Spark Open, yakni 0,65 detik berbanding 1,66 untuk DeepSeek V4 Pro dan 1,15 untuk DeepSeek V4.1 Flash. Untuk loop interaktif atau agentik di mana token pertama menentukan panggilan alat berikutnya, itu adalah perbedaan nyata dan tetap bertahan meskipun selisih indeksnya lebih kecil.

• Throughput — DeepSeek V4.1 Flash adalah yang tercepat di antara ketiganya dengan 179 token per detik, sedangkan Muse Spark Open 103,4 dan DeepSeek V4 Pro 92. Yang perlu diperhatikan, Muse Spark 1.2 yang tertutup mencatat 361 token per detik — checkpoint terbuka adalah deployment yang berbeda dengan profil kecepatan yang berbeda, dan tidak semestinya diasumsikan mewarisi angka dari lini tertutup tersebut.

• Sebaran latensi di seluruh keluarga — layak satu baris karena ini jebakan. Waktu terukur ke token pertama Muse Spark 1.3 adalah 54,06 detik pada penalaran maksimum, dibandingkan median sejawat sekitar 3,7. Konfigurasi yang berat penalaran dapat memakan hampir satu menit sebelum token pertama tiba. Apa pun yang Anda simpulkan dari baris Muse Spark, periksa checkpoint mana dan tingkat upaya mana yang menghasilkannya.

Menjalankan perbandingan alih-alih membacanya

Tidak ada sisi dari berita utama ini yang dapat diputuskan melalui argumen, karena dua hal yang dipertaruhkan — apakah 39 berbanding 36 berarti apa pun pada trafik Anda, dan apakah throughput serta latensi Muse Spark Open tetap bertahan pada stack penyajian yang berbeda — hanya terlihat dalam permintaan Anda sendiri. Cara murah untuk mengetahuinya adalah menjalankan keduanya dengan prompt yang sama.

Itulah tujuan kami. OrcaRouter menempatkan empat model di sini yang memiliki endpoint — Muse Spark 1.2, Muse Spark 1.1, deepseek-v4-pro dan deepseek/deepseek-v4.1-flash — di balik satu API di lebih dari 200 model, pada harga daftar masing-masing penyedia dengan markup 0% yang diteruskan, sehingga pemotongan harga vendor langsung aktif di sisi kami pada hari yang sama. Kedua keluarga model ada pada satu kunci: tanpa kontrak kedua, tanpa SDK kedua, tanpa migrasi untuk menguji satu terhadap yang lain, dan failover otomatis sehingga eksperimen yang dirutekan yang berjalan buruk akan dialihkan ke model lainnya alih-alih ke halaman error.

Bagian kejujurannya lebih penting daripada promosinya, jadi: Muse Spark Open tidak ada di katalog kami dan kami tidak akan menyiratkan sebaliknya. Model yang proposisi utamanya adalah bahwa Anda dapat mengunduhnya adalah model yang Anda jalankan sendiri, dan checkpoint 816B adalah keputusan perangkat keras — resep BF16 milik Meta sendiri menyebarkannya ke empat node yang masing-masing berisi delapan H200. DeepSeek V4.1 Pro juga tidak ada di katalog kami, karena model itu tidak ada. Uji routed yang tersedia hari ini berjalan pada checkpoint yang memang ada: Muse Spark 1.2 dan Muse Spark 1.1 di satu sisi, DeepSeek V4 Pro dan DeepSeek V4.1 Flash di sisi lainnya.

Siapa yang harus memilih yang mana?

Jika Anda membutuhkan modalitas, pilih milik Meta. Muse Spark Open membaca video, gambar, audio, dan teks dalam satu anggaran 1M token dan menjawab dalam bentuk teks, dan tidak ada satu pun dalam lini produk DeepSeek yang dirilis yang melakukan itu. DeepSeek V4.1 Flash membaca gambar dan jauh lebih unggul dalam hal nilai, tetapi ini bukan model video atau audio, dan DeepSeek V4 Pro hanya teks.

Jika Anda memerlukan biaya terendah per tugas yang diselesaikan, atau memerlukan lisensi yang dapat Anda bangun menjadi bisnis tanpa tinjauan hukum, ambil milik DeepSeek. DeepSeek V4.1 Flash menyamai skor indeks Muse Spark Open dengan biaya per tugas sekitar sepertiga dari biaya Muse Spark Open berdasarkan pengukuran Artificial Analysis, dan DeepSeek V4 Pro mengalahkannya dalam hal biaya per tugas sekaligus menjadi model yang lebih bertele-tele. MIT di seluruh lini yang dirilis berarti tidak ada ambang pendapatan dan tidak ada kalimat atribusi.

Jika Anda memerlukan token pertama tercepat untuk loop interaktif, 0,65 detik milik Muse Spark Open adalah angka terbaik dalam perbandingan ini dengan faktor dua, dan ini adalah satu-satunya sumbu di mana skor indeks yang lebih kecil jelas tidak relevan.

Dan jika pertanyaan yang Anda bawa ke sini adalah "haruskah saya menunggu DeepSeek V4.1 Pro," jawabannya hari ini adalah tidak ada yang perlu ditunggu yang memiliki tanggal. Dua model DeepSeek yang dapat Anda panggil sudah menjadi model yang harus dijadikan pembanding dalam perbandingan ini, dan salah satunya — DeepSeek V4.1 Flash — mengungguli model unggulan yang seharusnya berada di atas nama tingkatan itu. Yang perlu diperhatikan bukanlah nomor tingkatan, melainkan apakah sisi DeepSeek pada tabel ini berubah sama sekali: entri Oktober dalam changelog DeepSeek, sebuah repositori di organisasi deepseek-ai, atau baris keempat yang mencantumkan harga di halaman Models & Pricing. Sampai salah satunya muncul, pergerakan yang lebih menarik ada di sisi Meta dalam pembukuan ini, tempat lisensi, tagihan perangkat keras, dan angka verbositas 110M-token kini semuanya hal yang benar-benar dapat diperiksa oleh pembaca.

Untuk model yang mode kegagalannya masih belum terdokumentasi, padanan yang berguna adalah catatan tentang apa yang sudah pernah gagal di tempat lain: insiden AI dan kegagalan agen yang terdokumentasi pada model di kelas ini dihimpun dalam the OrcaRouter AI Incident Archive, di mana setiap entri memuat sumbernya sendiri, tingkat keparahan, peringkat keyakinan, dan penanda status disengketakan.