Muse Spark Open 816B A42B vs Muse Spark 1.2: il modello aperto ha finalmente una strategia di serving

Fino a questa settimana, confrontare Muse Spark Open 816B A42B con Muse Spark 1.2si arenava ogni volta nello stesso punto: una colonna aveva misurazioni e l'altra aveva un repository. Meta ha pubblicato i pesi di Muse Spark Open 816B A42B — un mixture of experts da 816 miliardi di parametri con 42 miliardi di parametri attivi, confezionato su Hugging Face come Muse-Spark-Open-816B-A42B — il 15 ottobre 2026, senza evento di lancio né ciclo stampa. Muse Spark 1.2 è stato elencato e misurato in modo indipendente per mesi. Poi, il 16 ottobre 2026, NVIDIA ha pubblicato un checkpoint di speculative decoding da 4,38 miliardi di parametri per il modello aperto, e la forma del confronto è cambiata, perché quel checkpoint è il primo artefatto di terze parti costruito specificamente per rendere erogabile il tier da 816B. Qui non c'è alcun lancio, e qui non c'è alcun taglio di prezzo. Ciò che è cambiato è più circoscritto e più utile: il lato aperto del registro ha acquisito la sua prima prova di come funzionerà davvero. Quel divario tra ciò che misura un tabellone e ciò che incontra un deployment è il motivo per cui il registro conta: i fallimenti dell'IA e gli incidenti degli agenti documentati attorno ai modelli di questa classe sono raccolti in OrcaRouter AI Incident Archive, dove ogni voce porta con sé le proprie fonti, la gravità, il grado di confidenza e il flag di contestazione.

La colonna mancante era l'intero argomento

Togli la somiglianza di famiglia e non sono due configurazioni di un unico prodotto. Sono un insieme scaricabile di pesi e un endpoint a noleggio, e i numeri che decidono l'adozione reale non sono quelli sulla scheda del benchmark.

Sul piano delle capacità, l'Intelligence Index indipendente colloca Muse Spark 1.2 a 40 e Muse Spark Open 816B A42B a 39. È un pareggio in ogni senso pratico; un singolo punto rientra nel rumore di come questi compositi vengono assemblati, e non è una ragione per scegliere l'uno o l'altro modello.

Sulla velocità e sul costo, il divario non era un divario ma un buco. Muse Spark 1.2 ha una velocità di output misurata, un prezzo per token pubblicato e un costo per attività di indicizzazione. Muse Spark Open 816B A42B non aveva nulla di tutto ciò, perché nessuno lo aveva servito su larga scala e riportato il risultato. È di questa asimmetria che le persone stavano effettivamente discutendo, ed è la parte che si è appena mossa.

Cosa aggiunge il checkpoint di NVIDIA e cosa deliberatamente non aggiunge

Il repository si chiama nvidia/Muse-Spark-Open-816B-A42B-DFlash2, non è soggetto a gating ed è un drafter — un piccolo modello il cui unico compito è indovinare il prossimo blocco di token, così che il target da 816B possa verificare un intero blocco in un solo forward pass invece di emettere un token alla volta.

• Di cosa è fatto — 4,38 miliardi di parametri densi in BF16, cinque layer di decoder, attenzione a finestra scorrevole con una finestra di 2.048 token, una dimensione del blocco di otto e collegamenti a cinque dei 62 layer del target. È un'appendice, non un modello: non produce testo proprio e non può funzionare senza il target per cui è stato addestrato a generare bozze.

• Cosa riporta — lunghezze di accettazione di 3,73 su MT-Bench in decodifica greedy e 3,01 con campionamento, rapporti di throughput di SPEED-Bench di 3,30 e 2,78, e un numero consigliato di token speculativi pari a sette. Su una GPU Blackwell tramite vLLM o TensorRT-LLM, si tratta di una sostanziale accelerazione del target.

• Cosa non riporta — uno speedup end-to-end, in token al secondo, rispetto a una baseline non speculativa appaiata. La lunghezza di accettazione ti dice che la bozza viene accettata spesso. Non ti dice che il server è diventato più veloce, e le due cose possono divergere parecchio quando il target è già limitato dalla larghezza di banda della memoria.

• Dove viene eseguito — NVIDIA Blackwell con Linux, tramite due motori denominati. SGLang, il runtime utilizzato dal materiale DFlash V2 di Meta, è assente dall'elenco. Questo è un artefatto da datacenter, non qualcosa che si integra in un deployment desktop.

Quindi l'aggiornamento onesto è questo: la colonna della velocità del modello aperto è passata da vuota ad annotata, non da vuota a piena. Un lettore che confronta questi due modelli oggi può dire Muse Spark Open 816B A42B può essere servito su datacenter Blackwell con decodifica speculativa. Quel lettore non può ancora dire quanti token al secondo otterrà.

Dimensione per dimensione, con la classe di evidenza allegata

Ogni riga nomina la dimensione, entrambe le parti e quanto sono solide le prove a sostegno della parte vincente — perché in questo abbinamento la classe di evidenza conta più della direzione.

• Capacità — Muse Spark 1.2 a 40, Muse Spark Open 816B A42B a 39, entrambi misurati indipendentemente da Artificial Analysis. A un punto di distanza. Non decisivo.

• Velocità — Muse Spark 1.2, in modo decisivo e indipendente: la scheda di Artificial Analysis per Muse Spark 1.2 attualmente riporta 374,6 token al secondo, primo su 186 modelli misurati, con un tempo al primo token di 12,67 secondi. Un'istantanea precedente della stessa scheda riportava 361,4 token al secondo e si classificava primo su 185, cosa che vale la pena sapere prima di citare l'una o l'altra cifra come fatto fisso — il rango è il dato che dura, la cifra decimale no. Muse Spark Open 816B A42B non ha alcun dato di throughput end-to-end da nessuno. I suoi unici numeri vicini al throughput appartengono a un drafter, e quelli sono rapporti di accettazione, non throughput del server.

• Costo — Muse Spark 1.2 a 1,25 $ per milione di token di input e 4,25 $ per milione di output, uno sconto dell'88% sull'input in cache e un costo misurato di 0,97 $ per task dell'Intelligence Index. Muse Spark Open 816B A42B non ha un prezzo per token né un costo pubblicato per task; il suo costo è hardware, potenza e l'attenzione di qualcuno, e non esiste alcun dato indipendente.

• Pesi — Muse Spark Open 816B A42B, interamente, e soltanto. Circa 1,5 TB in BF16 più una build NVFP4, dietro un gate dei termini. I pesi di Muse Spark 1.2 non sono distribuiti in alcuna forma, e nessun drafter lo cambia.

• Fine-tuning — Muse Spark Open 816B A42B, con il supporto TorchTitan fornito insieme ai pesi. Muse Spark 1.2 non può essere sottoposto a fine-tuning sui tuoi dati a qualsiasi prezzo. Questo è il più grande vantaggio strutturale in assoluto del modello aperto e non è intaccato da nulla che NVIDIA abbia pubblicato.

• Contesto — un pareggio a 1.048.576 token, con una fisica diversa dietro. Sul modello aperto un contesto a lunghezza piena in BF16 costa nell'ordine di 266GB di KV cache in aggiunta ai pesi. Su Muse Spark 1.2 è un problema di capacità di qualcun altro.

• Sforzo di ragionamento — il modello open ti consente di impostare low, medium, high e xhigh, che corrispondono a 16, 64, 256 e 512 token di ragionamento, oppure di ottenere lo stesso risultato con un suggerimento nel prompt di sistema. Poiché paghi in tempo reale anziché in dollari per token di output, alzare il livello costa tempo corretto in base all'accuratezza e nulla al contatore. Su Muse Spark 1.2 la stessa riflessione viene fatturata come output.

• Modalità — contestate, e alla luce delle prove disponibili la questione si risolve a favore di Muse Spark 1.2. Artificial Analysis ha misurato che 1.2 accetta testo, immagini, parlato e video, e che il modello aperto accetta solo testo e immagini, mentre i materiali di Meta stessa dichiarano testo, immagine, video e audio per Muse Spark Open 816B A42B. L'affermazione ampia è asserita dal fornitore; quella ristretta è misurata.

• Licenza — Muse Spark Open 816B A42B con licenza Muse Model License, che contiene una clausola che richiede un accordo scritto separato se i tuoi ricavi da model-as-a-service superano i 20 milioni di dollari in un qualsiasi periodo di dodici mesi consecutivi, e richiede la stringa di attribuzione "Built with Muse Spark Open". L'estensore NVIDIA vi sovrappone l'NVIDIA Open Model Agreement. Muse Spark 1.2 è regolato da normali termini API.

• Requisiti minimi hardware: il modello aperto necessita di due M5 Ultra Mac Studios per il percorso desktop MLX, oppure di un nodo Blackwell per il percorso TensorRT-LLM, oppure di un nodo con quattro GPU per la ricetta BF16. Il drafter non aggiunge nulla al percorso desktop. Muse Spark 1.2 non necessita di nulla di tutto ciò.

• Rischio di deprecazione — la scheda di Muse Spark 1.2 stessa riporta un banner che annuncia l'uscita di una versione più recente, Muse Spark 1.3. I pesi sul tuo disco non possono essere deprecati a tua insaputa, e questa è l'unica riga di questo elenco in cui il possesso vince in virtù di un fatto, non di una preferenza.

Il banner è l'argomento a favore del possesso

Quell'ultima riga merita più di un punto elenco. Il modello che noleggi è già contrassegnato come superato dal successore del suo fornitore, il che non è uno scandalo — è così che funzionano i livelli hosted — ma significa comunque che il confronto non è così netto come "39 contro 40 e vince quello veloce".

Un team che sviluppa su Muse Spark 1.2 sta costruendo su un endpoint con una migrazione nota davanti a sé. Un team che possiede i pesi 816B ha un modello con una capacità fissa e un comportamento configurabile, e la decisione sulla migrazione diventa sua da pianificare. Il costo di quel controllo è il throughput, l'hardware e l'accettazione che la storia del drafter è ancora a metà.

Ciò che l'affitto compra ancora e che nessun disegnatore tecnico può sistemare

La decodifica speculativa rende meno costoso servire un grande modello aperto. Non lo rende un sostituto immediato di un endpoint ospitato veloce in un ciclo interattivo, e la distinzione è quella che conta per i team di prodotto.

I 374,6 token al secondo e il primo token a 12,67 secondi di Muse Spark 1.2 sono misurati con un carico di lavoro standardizzato. Un ciclo di agente moltiplica il secondo numero per il numero di round-trip per attività, e gli sconti sulla cache vengono applicati dal fornitore senza che tu debba gestire nulla. Fare da sé significa pianificazione della capacità, uno stack di driver e una configurazione speculativa che tari tu stesso. Le lunghezze di accettazione del drafter sono l'inizio di quel lavoro, non la fine.

Instradando la divisione invece di scegliere un lato

La maggior parte dei team che finisce per eseguire entrambi ci arriva perché i carichi di lavoro sono davvero diversi: i percorsi interattivi vogliono l'endpoint veloce, i percorsi batch e on-premises vogliono i pesi. La modalità di fallimento è una separazione che vive in un documento di progettazione invece che nella configurazione.

OrcaRouter instrada Muse Spark 1.2 — e Muse Spark 1.1 — al prezzo di listino del provider, con lo 0% di markup passato direttamente, così una variazione di prezzo del fornitore raggiunge la tua chiave lo stesso giorno, senza alcun lavoro di riprezzamento dalla tua parte. Non instrada né ospita Muse Spark Open 816B A42B, né questo drafter DFlash2, e sarebbe sbagliato leggere questo articolo come se sostenesse il contrario: un modello il cui valore sta nel fatto che puoi tenere i pesi è un modello che esegui sul tuo hardware. Ciò che il router offre è l'altra metà della divisione — un'unica API su oltre 200 modelli, failover automatico quando un provider peggiora, fusione di modelli per combinarli e un DSL di routing che sposta il traffico tra i modelli tramite configurazione anziché tramite una modifica al codice. Quest'ultima parte è il modo economico per verificare se un percorso self-hosted non ancora collaudato è pronto, senza scommetterci sopra una rotta di produzione.

Cosa fare con un confronto incompleto

Scegli Muse Spark 1.2 se oggi ti servono un throughput misurato e un costo per attività misurato, se c'è una persona in attesa dell'output, se ti serve un input vocale e video confermato in modo indipendente, oppure se vuoi un modello Muse su una sola chiave senza comprare una GPU. A $1,25 in input e $4,25 in output con uno sconto dell'88% sull'input in cache, è un acquisto difendibile anche sapendo che il listino del suo stesso fornitore rimanda già alla 1.3.

Scegli Muse Spark Open 816B A42B se il compito è abbastanza ristretto da poter essere messo a punto con TorchTitan, se i dati non possono uscire dalla tua rete, se il volume è abbastanza grande e costante da ammortizzare l'hardware, oppure se il quadrante di ragionamento gratuito vale per te più del punto di indice a cui rinunci. La build NVFP4 e il drafter NVIDIA insieme fanno sì che il percorso datacenter non sia più speculativo nel senso che contava a ottobre — è semplicemente non quantificato.

Quello che non dovresti fare è scegliere i pesi aperti perché sono gratuiti, o scegliere il modello ospitato perché è più veloce, senza notare che quelle due frasi rispondono a domande diverse. Una riguarda che cosa è il modello, l'altra riguarda come lo eseguirai. La settimana scorsa solo la seconda domanda aveva una risposta. Questa settimana, per la prima volta, entrambe ce l'hanno — e la risposta del modello aperto arriva con delle barre d'errore.

Muse Spark Open 816B A42B è scaricabile con la Muse Model License; Muse Spark 1.2 viene venduto per token ed è instradato su OrcaRouter al prezzo di listino.