Muse Spark 1.2 vs Gemini 3.5 Flash-Lite: Due laboratori, due definizioni di subagente

Nel giro di due settimane l'uno dall'altro, due laboratori hanno rilasciato un modello e lo hanno descritto con la stessa parola. Secondo la propria model card, Gemini 3.5 Flash-Lite è "adatto a subagent che eseguono attività mirate all'interno di workflow multi-agente complessi". Meta afferma che Muse Spark 1.2 può servire "sia come agente primario per pianificazione e delega, sia come subagent che opera in parallelo". Stesso vocabolario, e ci è voluto Artificial Analysis, che ha fatto passare entrambi dal suo Intelligence Index, per mostrare quanto diversamente la intendono: Flash-Lite ha completato la suite in 43 milioni di token di output, Muse Spark 1.2 ne ha richiesti 95 milioni. Uno di questi modelli pensa in modo breve e frequente; l'altro pensa a fondo e a lungo. Entrambi chiamano il risultato subagent.

Quel rapporto di token è il numero più rilevante ai fini della decisione nel confronto, perché un livello di subagent è una cosa che distribuisci — venti alla volta, cento alla volta — e la distribuzione moltiplica qualunque abitudine per chiamata abbia il modello. Quello che segue esamina cosa ha effettivamente costruito ogni laboratorio, come appare l'aritmetica della distribuzione ai prezzi reali, e dove quello economico si rivela essere la scelta costosa.

Cosa intende ogni laboratorio con la parola

La versione Flash-Lite è una definizione di ruolo basata sulle dimensioni. Gemini 3.5 Flash-Lite è il livello più economico della sua famiglia, e questo posizionamento è notevole perché collega direttamente i livelli di pensiero a carichi di lavoro multi-step dei subagent — la prima volta che un livello di quella famiglia è stato descritto dal ruolo dell'agente piuttosto che dalle dimensioni o dalla velocità. Il ragionamento è obbligatorio ma lo sforzo predefinito è minimo, il selettore arriva al massimo al livello alto, e il modello è progettato per essere generato in massa e rispondere rapidamente. Il fornitore riporta il 54,2% su SWE-Bench Pro contro il 49,6% di Gemini 3 Flash, e il 74,0% su OSWorld-Verified contro il 65,1% — entrambi dati dichiarati dal fornitore, non riprodotti in modo indipendente, ed entrambi presentati come vantaggi agentici piuttosto che di intelligenza pura.

La versione di Meta è una definizione di ruolo basata sulla topologia. La scheda prodotto di Muse Spark 1.2 descrive un modello che può raccogliere contesto, fare un piano e delegare l'esecuzione a subagent paralleli — oppure essere esso stesso uno di questi subagent. Il suo selettore di ragionamento va da minimo a xhigh con un default medio, e Meta nomina esplicitamente i carichi di lavoro target: refactoring multi-file, sessioni di debug prolungate, generazione dell'intero repository. Questo è un modello pensato per essere l'orchestratore che può anche fare il lavoro, il che è un prodotto diverso da un modello pensato per essere istanziato venti alla volta.

Nessuno dei due laboratori ha pubblicato un benchmark per quella specifica affermazione. Meta ha rilasciato la 1.2 il 5 agosto senza alcun post di lancio — la sua pagina di annuncio di Muse Spark 1.1 descrive ancora la versione precedente.

Il divario che l'indice misura effettivamente

Punteggi indipendenti, da Artificial Analysis che esegue lo stesso composito di nove valutazioni su entrambi:

• Indice di Intelligenza — Muse Spark 1.2 (xhigh) 54, rank #13 su 185. Gemini 3.5 Flash-Lite 36, rank #20 su 163. Diciotto punti, contro una mediana di classe di 32.

• Velocità di output — 165,0 token al secondo contro 343,6. Flash-Lite trasmette a velocità più che doppia.

• Tempo al primo token — 26.12 secondi contro 10.30, entrambi al massimo sforzo. Artificial Analysis osserva che i 10.30 secondi di Flash-Lite sono già nella fascia alta per i modelli di ragionamento nella sua fascia di prezzo.

• Verbosità — 95M token di output contro 43M per la stessa suite, con una mediana di 65M tra tutti i modelli. Muse Spark 1.2 è il 46% sopra la mediana; Flash-Lite è il 34% sotto.

• Costo per eseguire l'indice — $637.85 rispetto a $153.08.

• Per-dimensione — I sub-indici di Artificial Analysis collocano Gemini 3.5 Flash-Lite a 49.3 per il coding e 26.8 per l'agentico. Non esiste ancora una ripartizione pubblicata per Muse Spark 1.2; il suo predecessore ha ottenuto 71.3 e 37.5.

Diciotto punti indice non rappresentano una differenza di arrotondamento. Questi non sono due candidati per lo stesso posto.

L'aritmetica del fan-out

Il prezzo per token è l'ottica sbagliata per un livello subagent, perché l'intero scopo del livello è eseguirne molti. Facciamo un esempio ai prezzi di listino — $0,30 in input e $2,50 in output per Gemini 3.5 Flash-Lite, $1,25 in input e $4,25 in output per Muse Spark 1.2.

Un orchestratore distribuisce venti sottoagenti. Ciascuno legge 25.000 token di contesto limitato e riscrive 1.500 token.

• Gemini 3.5 Flash-Lite — 20 × ($0,0075 + $0,00375) = circa 22,5 centesimi per fan-out.

• Muse Spark 1.2 — 20 × ($0.03125 + $0.006375) = circa 75 centesimi per fan-out.

Tre volte e un terzo, che sembra gestibile. Ora applichiamo la differenza di verbosità misurata. Se Muse Spark 1.2 scrive proporzionalmente più di Flash-Lite come ha fatto sull'indice — circa 2,2 volte più token di output a parità di lavoro — quelle risposte da 1.500 token diventano circa 3.300, e il fan-out sale a circa 91 centesimi. Quattro volte, non tre. Con cento fan-out all'ora in un sistema di agenti molto attivo, la differenza è tra 22 e 91 dollari all'ora, o circa 600.000 dollari all'anno di differenza a carico continuo.

Due dettagli sui prezzi rendono il divario reale ancora più ampio in una direzione e più stretto nell'altra:

• Flash-Lite fattura il ragionamento interno alla stessa tariffa dell'output. I prezzi indicati per i token di ragionamento interno sono di $2,50 per milione — lo stesso prezzo dell'output visibile. Pensare non è gratuito, è semplicemente invisibile nella risposta. Se un sub-agente consuma 2.000 token per ragionare prima di rispondere, aggiungi mezzo centesimo per chiamata, ovvero 10 centesimi su tutta la fan-out.

• In termini di rapporto, la cache favorisce Muse Spark 1.2.Le letture di input in cache costano $0,15 per milione contro i $1,25 di listino — uno sconto dell'88%. Flash-Lite legge l'input in cache a $0,03 contro i $0,30, con uno sconto del 90%, ma addebita anche circa $0,083 per milione per la scrittura della cache, mentre Muse Spark 1.2 non prevede alcuna commissione separata per la scrittura della cache. Per un fan-out in cui ogni sub-agente condivide lo stesso ampio prefisso, il divario si riduce sensibilmente.

La latenza di produzione è il campo in cui Flash-Lite si distanzia maggiormente, e i numeri dei benchmark lo nascondono. Su OrcaRouter, nell'arco di una settimana mobile di traffico reale, Gemini 3.5 Flash-Lite mostra un tempo p50 al primo token di 816 millisecondi e un p95 di 4,57 secondi. Muse Spark 1.1 — il proxy disponibile più vicino, dato che la 1.2 non ha ancora telemetria — mostra un p50 di 1,84 secondi e un p95 di 6,00 secondi. Quando venti sottoagenti girano in parallelo, il più lento determina il tempo complessivo, quindi il p95 è il numero che governa la latenza di fan-out, non il p50.

Dove quello economico è la scelta sbagliata

Quattro vincoli su Gemini 3.5 Flash-Lite che non compaiono in un confronto dei prezzi e compariranno in una revisione degli incidenti.

• Un tetto di output di 65.536 token. La metà di quanto consentono la maggior parte dei modelli di questa classe, e un limite invalicabile per un sottoagente chiamato a generare un file di grandi dimensioni o a restituire un lungo documento strutturato. L'endpoint di Muse Spark 1.2 non dichiara alcuna lunghezza massima di completamento — il che è abbastanza insolito da indurre a testarlo piuttosto che a fidarsi, ma non è un limite documentato.

• È un endpoint non moderato. La scheda di Flash-Lite non riporta alcun flag di moderazione; quella di Meta per Muse Spark 1.2 sì. Questo è un autentico vantaggio per alcuni carichi di lavoro e un problema di conformità per altri, e dovrebbe essere una scelta deliberata piuttosto che una scoperta.

• Ricerca integrata costosa. Lo strumento di ricerca web di Flash-Lite costa circa $14 per mille chiamate, contro i $2,50 di Muse Spark 1.2. Se i tuoi subagenti fanno ricerche invece di limitarsi a leggere, il modello economico diventa quello costoso — cinque volte e mezzo in più — e il volume di ricerca in un'architettura fan-out scala con il fan-out.

• Il suo prezzo è salito, non sceso. Gemini 3.5 Flash-Lite è in listino a $0.30 e $2.50, mentre il precedente Gemini 3.1 Flash-Lite era a $0.25 e $1.50. L'output è del 67% più costoso rispetto al livello che sostituisce. Se hai dimensionato un budget per i subagent sul modello precedente, ridimensionalo.

Un'altra asimmetria che vale la pena dichiarare apertamente: Muse Spark 1.2 è servito da esattamente un provider — Meta — senza host di terze parti e senza fallback. Gemini 3.5 Flash-Lite ha il normale footprint di servizio first-party multi-regione. Per un orchestratore, ciò rappresenta un punto unico di guasto per l'intero albero degli agenti; per un livello worker, è un punto unico di guasto per il fan-out.

L'abbinamento su cui la maggior parte dei team finirà davvero

Letto l'uno in relazione all'altro, questi due modelli non sono tanto concorrenti quanto le due metà di un'unica architettura, e la stessa descrizione del prodotto di Meta lo conferma quando descrive il ruolo dell'agente primario separatamente da quello del subagente.

La forma che deriva dai numeri: Muse Spark 1.2 come orchestratore, Gemini 3.5 Flash-Lite come worker. Una chiamata costosa e ponderata che legge il repository, mantiene il piano e decide cosa delegare — dove 26 secondi di ragionamento e una verbosità su scala di 95M token ti comprano un piano che vale la pena eseguire — seguita da venti chiamate economiche, veloci e circoscritte, ognuna delle quali esegue un singolo compito delimitato e risponde in meno di un secondo al p50. Paghi tariffe vicine a quelle di frontiera una volta per attività e tariffe economiche per unità di lavoro, che è esattamente la curva di costo che un'architettura fan-out vuole.

Invertilo e i conti crollano. Venti subagenti Muse Spark 1.2 a 91 centesimi per fan-out costano quattro volte il conto per un lavoro che un modello più debole di 18 punti finisce in un terzo del tempo, e un orchestratore Flash-Lite con indice 36 produrrà piani che i lavoratori non possono salvare.

Costruire un sistema che si divide tra due fornitori era la parte scomoda. Gemini 3.5 Flash-Lite è nel catalogo OrcaRouter a $0.30 e $2.50 — prezzo di listino del fornitore, trasferito con ricarico dello 0%, quindi una variazione di prezzo arriva dalla nostra parte lo stesso giorno invece che dopo un ciclo contrattuale — e Muse Spark 1.1 è lì a $1.25 e $4.25 alle stesse condizioni, entrambi dietro un unico endpoint compatibile con OpenAI. Questo significa che il pattern orchestratore-e-worker è due stringhe di modello in un unico codebase anziché due SDK, due chiavi e due fatture, e il failover automatico copre il caso in cui un fornitore abbia un brutto pomeriggio nel mezzo di un fan-out. Per essere precisi su ciò che è disponibile: Muse Spark 1.2 in sé non è ancora nel catalogo — Meta lo fornisce direttamente, essendone l'unico fornitore — quindi oggi la versione più vicina di questo stack usa la 1.1 nello slot orchestratore.

Scegli in base al ruolo, non in base al punteggio

Se stai scegliendo un livello worker — parsing di documenti, estrazione di dati, modifiche a file mirate, classificazione, la parte centrale ristretta e ripetitiva di un albero di agenti — Gemini 3.5 Flash-Lite è lo strumento migliore, e il deficit di 18 punti nell'indice è per lo più irrilevante, perché non gli stai chiedendo di ragionare. Tieni d'occhio il tetto di output e i prezzi di ricerca.

Se stai scegliendo il modello che decide cosa fanno i lavoratori, Muse Spark 1.2 è il candidato più forte dei due, con l'avvertenza che non ha un punteggio agentico indipendente per dimensione, nessun record in arena di alcun tipo, nessuna telemetria di produzione e un solo provider. Questi sono i divari da colmare prima che possa reggere un piano di produzione.

E se speravi che un unico modello potesse fare entrambi i lavori, la risposta onesta dalle misurazioni è che nessuno dei due può. Flash-Lite non può pianificare all'indice 36; Muse Spark 1.2 non può essere istanziato venti alla volta a 91 centesimi per fan-out. La parola "subagent" presente in entrambe le descrizioni dei prodotti è una coincidenza di marketing, non un segno che appartengano allo stesso slot.