Muse Spark vs DeepSeek V4.1 Pro: un download è arrivato, uno non è mai stato distribuito

Tre nomi decidono questo confronto, e solo due di essi sono cose che puoi tenere in mano. Muse Spark Open è diventato un download reale il 15 ottobre 2026, quando Meta ha pubblicato i pesi, la configurazione e la licenza per il membro aperto della sua Meta Muse Spark famiglia. DeepSeek V4.1 Pro non è mai stato rilasciato: il nome del livello è comparso esattamente una volta, all'interno di una voce di changelog del 10 settembre che descriveva un piano di routing ritirato immediatamente, e da allora non ha pubblicato alcuna scheda del modello, alcuna riga di prezzo, alcun repository e alcuna data. Il terzo nome è quello che rende possibile rispondere al titolo, perché è il modello di punta rispetto al quale un lettore sceglierebbe davvero — DeepSeek V4 Pro, il modello di punta da 1,6 trilioni di parametri, con licenza MIT, scaricabile e invocabile dal 13 agosto 2026, con DeepSeek V4.1 Flash che si trova sotto di esso come il membro economico, veloce e capace di leggere le immagini della stessa linea.

Messa così, la domanda interessante non è quale modello sia più intelligente. È cosa è cambiato per chi costruisce sui pesi anziché sugli endpoint: un lato di questo confronto ha acquisito ieri una licenza che puoi leggere e contestare, l'altro non ne ha mai avuta una, e l'aritmetica del prezzo per attività va nella direzione opposta rispetto all'aritmetica del prezzo per token.

Le due metà del titolo non sono lo stesso tipo di oggetto.

La forma di questo abbinamento è abbastanza inusuale da doverla dichiarare prima di qualsiasi numero. Di solito una pagina "vs" ha un problema di versione — due nomi di modello che nascondono tre checkpoint ciascuno. Qui un lato ha un problema di versione e l'altro ha un problema di esistenza.

Il lato di Meta si risolve in modo netto. Muse Spark è una famiglia, non un lancio: la linea è stata introdotta l'8 aprile 2026 e da allora è stata ripuntata quattro volte. Muse Spark 1.1 è arrivato il 16 luglio 2026, Muse Spark 1.2 è arrivato il 5 agosto, e Muse Spark 1.3 è arrivato il 2 settembre, con il livello di ragionamento "max" di 1.3 aperto due giorni dopo, il 4 settembre, dopo ulteriori test di sicurezza. Muse Spark Open è il quinto artefatto con questo nome e l'unico che puoi ospitare autonomamente.

Il lato di DeepSeek non si risolve affatto. DeepSeek V4.1 Pro è un nome di tier senza nulla dietro, e la differenza tra esso e i quattro modelli DeepSeek che esistono davvero è l'intera ragione per cui questa pagina deve indicare un sostituto. La lettura onesta è che un lettore che cerca questo confronto ha in mano due domande diverse — cosa ha appena messo su disco Meta, e quando esisterà davvero il tier DeepSeek che è stato promesso.

Cosa è effettivamente arrivato, e da quanto tempo era lì

Muse Spark Open non è un rilascio a sorpresa e non è nemmeno un lancio convenzionale, e il divario tra queste due descrizioni è la cosa più interessante del rilascio. Il repository Hugging Face — un checkpoint BF16 e una build NVFP4 separata, con il nome Muse-Spark-Open-816B-A42B — riporta un timestamp di creazione del 2026-09-15. Poi è rimasto lì per un mese, con accesso controllato e senza annunci, mentre il testo della licenza e la politica di utilizzo all'interno del modulo di accesso conservavano la propria data: 15 ottobre 2026. L'artefatto esisteva in silenzio; la documentazione lo raggiunse un mese dopo.

Ciò che i metadati e il post di rilascio di Meta stesso stabiliscono, senza che nessuno esegua un benchmark:

• Scala — circa 816 miliardi di parametri totali con circa 42 miliardi attivi per token, una miscela sparsa di esperti su 62 livelli e 256 esperti per livello MoE, con 8 selezionati per token.

• Contesto — una finestra da 1.048.576 token, condivisa tra tutte le modalità anziché suddivisa tra esse.

• Modalità — testo, immagine, video e audio in ingresso; testo in uscita. L'elenco indipendente di Artificial Analysis registra la stessa riga di input, descrivendo un modello che accetta testo, immagine, parlato e video.

• Reasoning — un'impostazione dell'intensità di ragionamento con i livelli low, medium, high e xhigh, e nessun modo per disattivare del tutto il ragionamento.

• Accesso — soggetto ad autorizzazione. Il modulo di richiesta richiede nome legale completo, data di nascita e organizzazione con identificativi aziendali, e non può essere modificato dopo l'invio. Chi lo considera un download con un solo clic deve mettere in conto una coda.

Quella è la parte del record che è consolidata. La parte che non è consolidata è la misurazione, e vale la pena essere precisi su quale sia quale — vedi la sezione dei numeri qui sotto.

L'organizzazione deepseek-ai, e il nome che non è al suo interno

Tutto ciò che è stato pubblicato su DeepSeek V4.1 Pro si riassume in una frase del changelog di DeepSeek stesso, datato 2026-09-10, nella nota che ha accompagnato il rilascio di DeepSeek V4.1 Flash. Diceva che dalle 04:00 UTC del 14 settembre le richieste a deepseek-v4-pro sarebbero state instradate al modello Flash appena rilasciato e fatturate alle tariffe di Flash, e che ciò sarebbe continuato "fino al lancio di V4.1-Pro". Gli sviluppatori hanno contestato il fatto che un modello di produzione venisse sostituito sotto di loro senza alcuna finestra di migrazione, e la stessa voce del changelog registra l'inversione di rotta: DeepSeek ha deciso di continuare a servire DeepSeek V4 Pro dopo il 14 settembre con fatturazione invariata.

Il piano di instradamento è morto. Il nome gli è sopravvissuto, e quella clausola costituisce l'intera documentazione pubblica. Verificato su fonti primarie il 16 ottobre 2026:

• La pagina Modelli e prezzi di DeepSeek presenta esattamente due nomi di modello — deepseek-flash e deepseek-v4-pro, che corrispondono a DeepSeek-V4.1-Flash e DeepSeek-V4-Pro-0813. Non esiste alcuna colonna, riga o prezzo per V4.1 Pro.

• Il changelog di DeepSeek non contiene alcuna voce di ottobre di alcun tipo, e le sue voci più recenti sono 2026-09-10, 2026-08-21 e 2026-08-13.

• L'organizzazione deepseek-ai su Hugging Face non ha alcun repository denominato per un V4.1 Pro. Il suo repository di modello più recente è DeepSeek-V4.1-Flash, creato il 2026-09-10.

Un segnale non confermato merita di essere registrato, e niente di più. La mattina del 15 ottobre, un tracker ha segnalato un endpoint DeepSeek che si comportava diversamente dopo la fine di un'interruzione del servizio — superando un prompt di ragionamento relazionale che DeepSeek-V4-Pro-0813 e la generazione V4.1 avevano entrambi fallito, riproducendosi su quattro campioni, a circa 180 token al secondo — e ha ipotizzato il nome V4.1 Pro. Non c'è alcuna model card, alcun file di pesi né alcuna dichiarazione del fornitore dietro di esso, e una ricostruzione silenziosa di una configurazione di serving esistente apparirebbe identica dall'esterno. Trattalo come un motivo per tenere d'occhio, non come un rilascio.

Ciò che un V4.1 Pro erediterebbe quasi certamente vale la pena dichiararlo separatamente, perché si tratta di un'inferenza e non di un dato riportato. Ogni modello DeepSeek rilasciato nelle linee V4 e V4.1 — DeepSeek-V4-Pro-0813, DeepSeek-V4-Flash, DeepSeek-V4-Flash-0731 e DeepSeek-V4.1-Flash — riporta license:mit sulla propria model card, e l'inviluppo servito è stato coerente: 1M token in input, fino a 384K in output. Ci si aspetterebbe che un tier Pro di quella linea corrisponda a entrambi. Non è stato pubblicato nulla che lo affermi.

L'asse che nessun tabellone porta: la licenza

È qui che le due opzioni a pesi aperti si separano davvero, ed è la sezione che decide l'articolo per chiunque distribuisca un prodotto anziché eseguire un benchmark. La scheda di Artificial Analysis per Muse Spark Open risponde alla domanda sulla licenza con «l'uso commerciale è consentito con restrizioni», e il motivo è nel testo di Meta stesso.

La Muse Model License non è una licenza OSI e non è MIT. Due clausole cambiano ciò che significa "open weights" nella pratica, e nessuna delle due è nel titolo.

La clausola model-as-a-service. La Sezione 3 richiede che, se tu o le tue affiliate concedete a terzi l'accesso al modello come prodotto o servizio tramite un'API, e i vostri ricavi lordi aggregati superano i venti milioni di dollari statunitensi in un qualsiasi periodo consecutivo di dodici mesi, devi notificare a Meta e stipulare un accordo scritto separato prima di gestire tale attività. L'integrazione del modello in un prodotto proprio è esclusa; la rivendita no.

• Il termine di attribuzione. I licenziatari devono mostrare in modo ben visibile "Built with Muse Spark Open" nell'interfaccia di qualsiasi prodotto che utilizzi il modello o un suo derivato, oppure nella documentazione, nel sito o nel menu delle impostazioni che lo accompagnano.

Di contro, l'intera gamma DeepSeek rilasciata è MIT — DeepSeek V4 Pro, DeepSeek V4.1 Flash e i loro predecessori la adottano tutti, senza soglia di ricavi, senza obbligo di notifica e senza obbligo di attribuzione. Le conseguenze pratiche non sono sottili. Se il tuo piano prevede di ospitare il modello dietro un'API per altri, la licenza di Meta ha una trappola sui ricavi che quella di DeepSeek non ha. Se il tuo piano prevede di distribuire un prodotto di consumo costruito sui pesi, la licenza di Meta ti obbliga a mostrare una frase, mentre quella di DeepSeek non ti obbliga a mostrare nulla.

Due cose che la Muse Model License concede in modo chiaro, e vale la pena affermarle perché sono il vero senso dei pesi aperti: puoi fare fine-tuning, distillare, fondere, pubblicare, sublicenziare e vendere derivati, e Meta non rivendica alcuna proprietà sugli output. La restrizione è limitata e la concessione è ampia. Ma se scegli tra questi due in base alla revisione legale anziché alla capacità, la scelta non è vicina, ed è la risposta che questo confronto dà prima che l'uno o l'altro modello generi un token.

I numeri, e la linea che va all'indietro

Artificial Analysis è l'unica terza parte con classifiche pubbliche per entrambi gli schieramenti, e non li mette nello stesso calderone — i modelli open-weight sono classificati rispetto a modelli open-weight della stessa classe di dimensione, il che qui non distorce molto perché tutto ciò di cui si parla è open-weight. Quello che segue è la sua misurazione, non un'affermazione di un fornitore e non nostra.

• Muse Spark Open (xhigh) — Indice di Intelligenza 39, nono su 118 voci nella sua classe e ben al di sopra della mediana di classe di 19; $1.25 in entrata e $4.25 in uscita per milione di token; $0.84 per attività di indice completata; velocità di output 103.4 token al secondo; tempo al primo token 0.65 secondi; 110M token di output generati durante l'indice, rispetto a una mediana di 130M; 816B parametri totali e 42B attivi; Muse Model License.

• DeepSeek V4 Pro 0813 (max) — Indice di intelligenza 36; $1,32 in input e $3,96 in output per milione di token; $0,67 per attività dell'indice; 92 token al secondo; tempo al primo token 1,66 secondi; 160M token di output, sopra la mediana; 1,6T parametri totali e 49B parametri attivi; MIT.

• DeepSeek V4.1 Flash (max) — la terza colonna utile, e quella che riordina l'intero confronto. Intelligence Index 39 — lo stesso punteggio di Muse Spark Open — a 0,30 $ in ingresso e 1,20 $ in uscita per milione di token, 0,27 $ per attività dell'indice, 179 token al secondo e un tempo al primo token di 1,15 secondi, contro 250 M di token in uscita, la misurazione più prolissa di quella classe.

Leggi i tre insieme e l'inversione è il punto. I modelli di DeepSeek sono più verbosi per attività — 160M e 250M token di output contro i 110M di Muse Spark Open — eppure costano meno per attività completata, perché il prezzo per token è molto più basso. Il costo per token e il costo per attività puntano in direzioni opposte qui, e chiunque li confronti basandosi solo sulle tariffe nominali di input/output trarrà la conclusione sbagliata su quale dei due sia più economico da usare.

Due avvertenze sui prezzi che cambiano in modo sostanziale il calcolo. Primo, il listino prezzi di DeepSeek stesso dimezza le tariffe fuori dalle ore di punta, e la fascia di punta è una finestra ristretta — 01:00–04:00 e 06:00–10:00 UTC, dal lunedì al venerdì, esclusi i giorni festivi pubblici cinesi, con weekend e festivi interamente fuori punta. Le cifre di $1,32 / $3,96 e $0,30 / $1,20 sopra sono le tariffe di punta pubblicate da DeepSeek; le tariffe fuori punta sono $0,66 / $1,98 per DeepSeek V4 Pro e $0,15 / $0,60 per DeepSeek V4.1 Flash. La maggior parte di una settimana è fuori punta. Secondo, Meta non ha pubblicato alcun prezzo per Muse Spark Open — la riga $1,25 / $4,25 è una route ospitata misurata da Artificial Analysis, riportata come mediana tra i fornitori che servono il modello, non un prezzo di listino del fornitore per i pesi. I pesi che ospiti non hanno un prezzo per token; hanno una bolletta hardware.

Un'ulteriore onesta avvertenza sul fronte Muse Spark. Il 39 di cui sopra appartiene a Muse Spark Open a xhigh, e non è il miglior numero della famiglia. Muse Spark 1.3 a max ottiene 48 sullo stesso indice — nove punti in più — e Muse Spark 1.2, il checkpoint che la maggior parte degli sviluppatori ha finora chiamato, ottiene 40. Valutare la capacità della famiglia basandosi sul checkpoint aperto la sottostimerebbe; desumere la licenza del checkpoint aperto dalla linea chiusa sarebbe un errore di categoria, perché sono regolati da termini diversi.

Laddove i due non siano affatto sostituti

Il divario nell'indice tra 39 e 36 è abbastanza piccolo da rientrare nel rumore di come è stato eseguito ciascun harness, motivo per cui le specifiche di seguito contano più dei punteggi nel decidere tra loro.

• Modalità — qui non c'è partita. Muse Spark Open legge testo, immagini, video e audio. DeepSeek V4 Pro legge solo testo e nient'altro; il listino prezzi di DeepSeek stesso contrassegna la riga della visione come "Non supportato" per questo modello, e Artificial Analysis registra lo stesso. Se la tua pipeline alimenta un modello con registrazioni dello schermo, video o parlato, il confronto finisce qui.

• Contesto — entrambi sono da 1M token, e non c'è nulla da separare. Muse Spark Open condivide quel budget tra le modalità; quello di DeepSeek è solo testuale per costruzione.

• Output massimo — DeepSeek pubblica 384K token per DeepSeek V4 Pro e DeepSeek V4.1 Flash. Meta non pubblica alcun valore di output massimo per Muse Spark Open che abbiamo potuto verificare. Un tetto non pubblicato è un rischio da testare anziché da presumere se generi artefatti lunghi in una sola chiamata.

• Tempo al primo token — l'unica voce di latenza che Muse Spark Open vince chiaramente, con 0,65 secondi contro 1,66 di DeepSeek V4 Pro e 1,15 di DeepSeek V4.1 Flash. Per i cicli interattivi o agentici in cui il primo token condiziona la successiva chiamata allo strumento, è una differenza reale e resiste al divario di indice più contenuto.

• Throughput — DeepSeek V4.1 Flash è il più veloce dei tre a 179 token al secondo, con Muse Spark Open a 103,4 e DeepSeek V4 Pro a 92. Da notare che il modello chiuso Muse Spark 1.2 ha misurato 361 token al secondo — il checkpoint aperto è un deployment diverso con un profilo di velocità diverso, e non si deve presumere che erediti i numeri della linea chiusa.

• Latenza distribuita in tutta la famiglia — vale una riga perché è una trappola. Il tempo misurato al primo token di Muse Spark 1.3 è di 54,06 secondi con reasoning al massimo, rispetto a una mediana tra pari di circa 3,7. Una configurazione ad alto impiego di reasoning può far trascorrere quasi un minuto prima che arrivi il primo token. Qualunque conclusione tu tragga da una riga di Muse Spark, controlla quale checkpoint e quale livello di effort l'abbiano prodotta.

Eseguire il confronto invece di leggerlo

Nessuno dei due lati di questo titolo può essere risolto con un'argomentazione, perché le due cose in gioco — se 39 contro 36 significhi qualcosa sul tuo traffico, e se il throughput e la latenza di Muse Spark Open reggano su uno stack di serving diverso — sono visibili solo nelle tue richieste. Il modo più economico per scoprirlo è eseguire entrambi sugli stessi prompt.

Ecco a cosa serviamo. OrcaRouter mette qui i quattro modelli che hanno endpoint — Muse Spark 1.2, Muse Spark 1.1, deepseek-v4-pro e deepseek/deepseek-v4.1-flash — dietro un'unica API su oltre 200 modelli, al prezzo di listino di ciascun provider con 0% di markup trasferito, così un taglio di prezzo di un fornitore è attivo dalla nostra parte lo stesso giorno. Entrambe le famiglie sono su un'unica chiave: nessun secondo contratto, nessun secondo SDK, nessuna migrazione per testare l'una contro l'altra, e failover automatico, così un esperimento instradato che va male degrada verso l'altro modello invece che verso una pagina di errore.

La parte dell'onestà conta più del discorso di vendita, quindi: Muse Spark Open non è nel nostro catalogo e non intendiamo lasciar intendere il contrario. Un modello la cui intera proposta è che puoi scaricarlo è un modello che esegui tu stesso, e il checkpoint da 816B è una decisione hardware — la ricetta BF16 di Meta stessa lo distribuisce su quattro nodi da otto H200. Anche DeepSeek V4.1 Pro non è nel nostro catalogo, perché non esiste. Il test con routing disponibile oggi gira sui checkpoint che esistono: Muse Spark 1.2 e Muse Spark 1.1 da un lato, DeepSeek V4 Pro e DeepSeek V4.1 Flash dall'altro.

Chi dovrebbe scegliere cosa

Se ti serve la multimodalità, scegli quello di Meta. Muse Spark Open legge video, immagini, audio e testo in un unico budget di 1M token e risponde in testo, e nessun modello della linea DeepSeek rilasciata lo fa. DeepSeek V4.1 Flash legge le immagini e ha un rapporto qualità-prezzo nettamente migliore, ma non è un modello per video o audio, mentre DeepSeek V4 Pro è solo testo.

Se hai bisogno del costo più basso per attività completata, o di una licenza su cui puoi costruire un'azienda senza una revisione legale, scegli quella di DeepSeek. DeepSeek V4.1 Flash ha eguagliato il punteggio dell'indice di Muse Spark Open a circa un terzo del costo per attività secondo la misurazione di Artificial Analysis, e DeepSeek V4 Pro lo ha superato sul costo per attività pur essendo il modello più verboso. MIT su tutta la linea distribuita significa nessuna soglia di ricavi e nessuna frase di attribuzione.

Se ti serve il primo token più veloce per un ciclo interattivo, i 0,65 secondi di Muse Spark Open sono il miglior dato di questo confronto, di un fattore due, ed è l'unico asse in cui il punteggio dell'indice più basso è chiaramente irrilevante.

E se la domanda che hai portato qui era "dovrei aspettare DeepSeek V4.1 Pro", la risposta oggi è che non c'è nulla da aspettare che abbia una data. I due modelli DeepSeek che puoi chiamare sono già quelli rispetto ai quali questo confronto deve essere eseguito, e uno di essi — DeepSeek V4.1 Flash — supera il modello di punta al di sopra del quale si collocherebbe il nome del tier. La cosa da tenere d'occhio non è il numero del tier, ma se il lato DeepSeek di questa tabella cambi in qualche modo: una voce di ottobre nel changelog di DeepSeek, un repository nell'organizzazione deepseek-ai, o una quarta riga con prezzo nella pagina Models & Pricing. Finché non ne compare uno, il movimento più interessante è dalla parte di Meta del registro, dove una licenza, una fattura hardware e un dato di verbosità di 110M token sono ora tutte cose che un lettore può effettivamente verificare.

Per un modello le cui modalità di guasto non sono ancora documentate, il contraltare utile è il registro di ciò che è già andato storto altrove: gli incidenti AI documentati e i fallimenti degli agenti relativi ai modelli di questa classe sono raccolti in OrcaRouter AI Incident Archive, dove ogni voce riporta le proprie fonti, il livello di gravità, il grado di confidenza e il flag di contestazione.