Muse Spark Open 816B A42B 対 Muse Spark 1.2：オープンモデルについに配信の物語が Wait, I need to reconsider. Let me translate more naturally. "Serving story" here means a story/solution for serving/deploying the model. Muse Spark Open 816B A42B 対 Muse Spark 1.2：オープンモデルについにサービングの話がやってきた Hmm, let me think about the best translation for "serving story". In ML context, "serving" refers to model serving/deployment. "Story" here means a narrative or solution. Muse Spark Open 816B A42B 対 Muse Spark 1.2：オープンモデルについにサービングの道筋ができた Or perhaps more literally: オープンモデルについにサービングのストーリーが Let me go with a natural rendering: Muse Spark Open 816B A42B 対 Muse Spark 1.2：オープンモデルについにサービングの話ができた

今週まで、Muse Spark Open 816B A42BとMuse Spark 1.2を比較しようとすると、必ず同じところで行き詰まっていた。一方の列には測定値があり、もう一方にはリポジトリがあるだけだった。Metaは2026年10月15日、Muse Spark Open 816B A42Bの重みを公開した。アクティブパラメータ420億の8160億パラメータのMixture-of-Expertsで、Hugging FaceではMuse-Spark-Open-816B-A42Bとしてパッケージ化されている。ローンチイベントもプレスサイクルもなかった。Muse Spark 1.2は数か月にわたり独立に掲載され、測定されてきた。そして2026年10月16日、NVIDIAがこのオープンモデル向けに43.8億パラメータの投機的デコーディング用チェックポイントを公開し、比較の構図は変わった。そのチェックポイントは、816Bティアを実際に提供可能にするために特別に作られた初のサードパーティ製成果物だからだ。ここにあるのはローンチでも値下げでもない。変わったのはもっと狭く、もっと有用な点だ。台帳のオープン側が、実際にどう動くかについての最初の証拠を手に入れたのである。スコアボードが測るものとデプロイが実際に直面するものとの間のこのギャップこそ、この記録が重要である理由だ。このクラスのモデルに関する、記録に残されたAIの障害やエージェントのインシデントはthe OrcaRouter AI Incident Archiveに集められており、各エントリはそれぞれ独自の情報源、重大度、信頼度グレード、異議申し立てフラグを備えている。

欠けていた列こそが、議論のすべてだった

家族的な類似性を取り除いてしまえば、これらは一つの製品の二つの構成ではない。それらはダウンロード可能な重みのセットと、レンタルされたエンドポイントであり、実際の採用を決める数字はベンチマークカードに載っているものではない。

能力面では、独立系のIntelligence IndexがMuse Spark 1.2を40、Muse Spark Open 816B A42Bを39と評価している。これは実用上は引き分けだ。1ポイントの差は、こうした複合指標がどのように組み立てられるかのノイズの範囲内であり、どちらかのモデルを選ぶ理由にはならない。

速度とコストについて言えば、その差は差ではなく穴だった。Muse Spark 1.2 には、測定された出力速度、公表されたトークンあたりの価格、インデックスタスクあたりのコストがある。Muse Spark Open 816B A42B にはそれらがどれもなかった。誰もそれを大規模に提供して結果を報告していなかったからだ。人々が実際に論じていたのはこの非対称性であり、そしてちょうど動いたのもこの部分だ。

NVIDIAのチェックポイントが加えるもの、そして意図的に加えないもの

このリポジトリは nvidia/Muse-Spark-Open-816B-A42B-DFlash2 と呼ばれ、アクセス制限はなく、ドラフターです。ドラフターとは、次のトークンのブロックを推測することだけを役割とする小さなモデルであり、これにより816Bのターゲットは1トークンずつ出力する代わりに、1回の順伝播でブロック全体を検証できます。

• 何でできているか — BF16の43.8億個の密なパラメータ、5つのデコーダ層、2,048トークンのウィンドウを持つスライディングウィンドウアテンション、ブロックサイズ8、そして62層のターゲットのうち5層へのタップ。これはモデルではなくアタッチメントであり、それ自体ではテキストを一切生成せず、下書き用に学習されたターゲットなしでは動作できない。

• 報告内容 — MT-Benchにおける貪欲法デコーディング時の受理長3.73とサンプリング時の3.01、SPEED-Benchのスループット比3.30および2.78、そして推奨される投機的トークン数7。Blackwell GPU上でvLLMまたはTensorRT-LLMを介した場合、これはターゲットの大幅な高速化に相当します。

• 報告されないもの — 条件を揃えた非投機的ベースラインに対する、トークン毎秒でのエンドツーエンドの高速化です。アクセプト長は、ドラフトが頻繁に当たっていることを示します。しかし、サーバーが速くなったことは示しません。ターゲットがすでにメモリ帯域律速である場合、この二つは大きく乖離し得ます。

• 実行環境 — Linux上のNVIDIA Blackwell、名前の挙げられた2つのエンジン経由。Meta自身のDFlash V2資料が使用するランタイムであるSGLangは、このリストに含まれていない。これはデータセンター向けの産物であり、デスクトップへの導入にそのまま組み込めるものではない。

正直な更新内容はこうです：オープンモデルの速度欄は、空欄から注記付きになったのであり、空欄から記入済みになったのではありません。今日これら2つのモデルを比較する読者なら、こう言えます：Muse Spark Open 816B A42B は、データセンター向けBlackwell上で投機的デコーディングを用いてサービング可能である。その読者は、毎秒何トークンを得られるかについては依然として言えない。

次元ごとに、エビデンスクラスを付して

各行は、その次元、両側、そして優勢な側がどれだけ証拠づけられているかを示している — この組み合わせでは、方向性よりも証拠のクラスのほうが重要だからだ。

• 能力 — Muse Spark 1.2 は40、Muse Spark Open 816B A42B は39、いずれもArtificial Analysisによって独自に測定。1ポイント以内。決定的ではない。

• 速度 — Muse Spark 1.2、決定的に、そして独立に：Artificial AnalysisのMuse Spark 1.2掲載情報は現在、毎秒374.6トークン、測定対象186モデル中1位で、初回トークンまでの時間は12.67秒となっている。同じ掲載情報の以前のスナップショットは毎秒361.4トークンで185モデル中1位だった。どちらの数値も固定の事実として引用する前に知っておく価値がある——順位は持続する主張だが、小数点以下はそうではない。Muse Spark Open 816B A42Bには、誰からもエンドツーエンドのスループット値は示されていない。スループットに関係する唯一の数値はドラフターのものであり、それらはサーバースループットではなく受理率だ。

• コスト — Muse Spark 1.2は入力100万トークンあたり$1.25、出力100万トークンあたり$4.25、キャッシュ入力は88%割引、Intelligence Indexタスクあたりの実測コストは$0.97。Muse Spark Open 816B A42Bにはトークンあたりの価格もタスクあたりの公表コストもなく、そのコストとはハードウェア、電力、そして誰かの注意力であり、独立した数値は存在しない。

• 重み — Muse Spark Open 816B A42B、完全に、そしてそれのみ。BF16で約1.5TB、加えてNVFP4ビルドがあり、利用規約ゲートの背後にあります。Muse Spark 1.2の重みはいかなる形でも配布されておらず、どのドラフターもその事実を変えません。

• ファインチューニング — Muse Spark Open 816B A42B、TorchTitan対応が重みとともに提供されます。Muse Spark 1.2 は、いくら払ってもあなたのデータでファインチューニングすることはできません。これはオープンモデル最大の構造的優位性であり、NVIDIAが公表したどんなものにも左右されません。

• コンテキスト — 1,048,576トークンでの同点だが、その背後にある物理は異なる。オープンモデルでは、BF16でのフルレングスのコンテキストには、重みに加えて266GB程度のKVキャッシュが必要になる。Muse Spark 1.2では、それは誰か他の人の容量問題である。

• 推論エフォート — オープンモデルでは、低、中、高、xhigh にダイヤルを合わせることができ、それぞれ 16、64、256、512 の推論トークンに対応します。または、システムプロンプトのヒントで同じことを設定できます。出力トークンあたりのドルではなく実時間で支払うため、ダイヤルを上げると精度調整された時間がかかり、メーターには何も加算されません。Muse Spark 1.2 では、同じ熟考が出力として課金されます。

• モダリティ — 議論の余地があり、利用可能な証拠に基づけば Muse Spark 1.2 に軍配が上がる。Artificial Analysis は、1.2 がテキスト、画像、音声、動画を受け入れると測定し、オープンモデルはテキストと画像のみを受け入れると測定した。一方、Meta 自身の資料は Muse Spark Open 816B A42B についてテキスト、画像、動画、音声を主張している。広い方の主張はベンダーによる主張であり、狭い方の主張は測定されたものである。

• ライセンス — Muse Spark Open 816B A42B は Muse Model License の下にあり、このライセンスには、あなたのモデル・アズ・ア・サービス収益が連続する12か月間のいずれかで2,000万ドルを超えた場合に別途書面による契約を要求する条項があり、また帰属表示文字列「Built with Muse Spark Open」を要求している。NVIDIAの起草者は、その上に NVIDIA Open Model Agreement を積み重ねている。Muse Spark 1.2 は通常のAPI利用規約の下で提供される。

• ハードウェアの最低ライン — オープンモデルでは、MLXデスクトップ経路ならM5 Ultra Mac Studioが2台、TensorRT-LLM経路ならBlackwellノードが1台、BF16レシピなら4 GPUノードが必要。ドラフターはデスクトップ経路には何も追加しない。Muse Spark 1.2にはそのいずれも不要。

• 非推奨リスク — Muse Spark 1.2 自身の掲載ページには、より新しいリリースである Muse Spark 1.3 が登場したことを告げるバナーがある。ディスク上の重みは、あなたの預かり知らぬうちに非推奨にされることはない。そしてこれは、このリストの中で、所有していることが好みではなく事実によって勝る唯一の項目だ。

バナーは所有を促す主張です

その最後の一行は、単なる箇条書き以上の扱いに値する。あなたが借りているモデルは、すでにベンダーの後継モデルによって取って代わられたと印を付けられている。それはスキャンダルではない——ホスト型の階層とはそういうものだ——しかし、それゆえに比較は「39 対 40、そして速い方の勝ち」ほど単純ではないということになる。

Muse Spark 1.2 上に構築するチームは、既知の移行が待ち受けるエンドポイント上に構築している。816B の重みを所有するチームは、固定された能力と構成可能な挙動を備えたモデルを持ち、移行の意思決定は自分たちでスケジュールできるものになる。その制御の代償は、スループット、ハードウェア、そしてドラフターの話がまだ半ばで終わっているという現実を受け入れることだ。

賃貸が今ももたらす、どんな起草者にも直せないもの

投機的デコーディングは、大規模なオープンモデルをより安価に提供できるようにする。しかし、対話ループにおいて高速なホスト型エンドポイントのドロップイン代替となるわけではなく、この区別こそがプロダクトチームにとって重要なものである。

Muse Spark 1.2の毎秒374.6トークンと初回トークン12.67秒は、標準化されたワークロードで測定されたものだ。エージェントループは、2番目の数値にタスクあたりの往復回数を掛け合わせる。そしてキャッシュ割引は、あなたが何も操作しなくてもプロバイダーによって適用される。自前で構築するということは、キャパシティプランニング、ドライバスタック、そして自分で調整する投機的構成を意味する。ドラフターの受理長は、その作業の始まりであって、終わりではない。

一方に加担するのではなく、分裂を方向付ける

最終的に両方を運用することになるチームのほとんどは、ワークロードが本当に異なるからそこに至る。対話型の経路は高速なエンドポイントを求め、バッチとオンプレミスの経路は重みを求める。障害モードは、設定ではなく設計ドキュメントの中に存在する分断だ。

OrcaRouterはMuse Spark 1.2——そしてMuse Spark 1.1——を、プロバイダーの定価のまま、0%のマークアップをそのまま素通ししてルーティングします。そのためベンダーの価格変更は当日中にあなたのキーへ反映され、あなた側で価格を付け直す作業は一切ありません。Muse Spark Open 816B A42Bや、このDFlash2ドラフターをルーティングしたりホストしたりはしませんし、本記事がそう主張していると読むのは誤りです。重みを手元に保持できることに価値があるモデルは、自分のハードウェアで動かすモデルです。ルーターが担うのは、この分業のもう半分です——200以上のモデルをまたぐ単一のAPI、プロバイダーが劣化したときの自動フェイルオーバー、それらを組み合わせるモデルフュージョン、そしてコード変更ではなく設定によってモデル間でトラフィックを移動させるルーティングDSL。この最後の部分こそ、実績のないセルフホスト経路が準備できているかを、本番経路をそれに賭けることなく試すための安上がりな方法です。

未完了の比較の扱い方

Muse Spark 1.2 は、今日時点で実測のスループットとタスクあたりの実測コストが必要なら、人間が出力を待っているなら、独立して確認済みの音声入力と動画入力が必要なら、または GPU を買わずに 1 つのキーで Muse モデルを使いたいなら、選ぶ価値がある。入力 $1.25、出力 $4.25、キャッシュ入力 88% 割引なら、ベンダー自身の掲載が 1.3 を指し示していると分かっていても、正当化できる買い物だ。

Muse Spark Open 816B A42B を選ぼう。タスクが TorchTitan でファインチューニングするのに十分狭く、データを自社ネットワークの外に出せず、処理量がハードウェアを償却できるほど大きく安定しており、あるいは犠牲にするインデックスの1ポイントよりも無料の推論ダイヤルのほうが自分にとって価値があるなら。NVFP4 ビルドと NVIDIA ドラフターが揃えば、データセンター経路は、10月に重要だった意味ではもはや投機的ではない——ただ定量化されていないだけだ。

あなたがすべきでないのは、オープンウェイトが無料だからという理由でそれを選んだり、ホスト型モデルのほうが速いからという理由でそれを選んだりすることだ。しかも、その二つの文が別々の問いに答えていることに気づかないまま。一方はモデルが何であるかについてであり、もう一方はそれをどう実行するかについてだ。先週は、二番目の問いにしか答えがなかった。今週、初めて両方に答えが出た——そしてオープンモデルの答えには誤差範囲が伴う。

Muse Spark Open 816B A42B は Muse Model License の下でダウンロードできます。Muse Spark 1.2 はトークン単位で販売され、OrcaRouter 上で定価でルーティングされます。