Muse Spark 1.2 versus DeepSeek V4 Flash: Vier indexpunten voor negen keer de rekening

$72,02 en $637,85. Dat zijn de bedragen die Artificial Analysis kwijt was aan het draaien van DeepSeek V4 Flash en Muse Spark 1.2 door dezelfde negen benchmarks, en de modellen eindigden vier punten uit elkaar — 50 tegen 54 op de Intelligence Index. Meta's model is beter. Het is ook 8,9 keer duurder om hetzelfde werk te laten doen, closed-weight, geleverd door precies één provider, en vijf dagen jonger dan DeepSeek V4 Flash. Of vier punten dat waard is, hangt volledig af van wat je bouwt, en deze vergelijking draait vooral om het beantwoordbaar maken van die vraag.

Beide modellen verschenen binnen een week van elkaar — DeepSeek V4 Flash (build 0731) op 31 juli 2026, Muse Spark 1.2 op 5 augustus — en beide worden op de markt gebracht voor langdurig agentwerk. Alle indexscores, latentiecijfers en evaluatiekosten hieronder zijn afkomstig van Artificial Analysis, dat de benchmarks zelf uitvoert en de rekening publiceert. Waar een getal afkomstig is van Meta of uit de eigen documentatie van de leverancier in plaats van een onafhankelijke uitvoering, vermeldt de zin dat.

De vier getallen die dit beslissen

• Intelligentie-index — Muse Spark 1.2 54 (#13 van 185), DeepSeek V4 Flash 50 (#3 van 101 in zijn klasse, tegen een klasse-mediaan van 25).

• Gewogen prijs per miljoen tokens — $0.78 vs $0.06. Dertien keer.

• Kosten van dezelfde suite met negen benchmarks — $637,85 versus $72,02.

• Waar je het kunt draaien — één provider met gesloten gewichten versus zes API-providers plus MIT-gelicenseerde gewichten die je zelf kunt hosten.

Dezelfde suite, twee heel verschillende facturen

De kolom met evaluatiekosten is de meest eerlijke kostenvergelijking die beschikbaar is voor twee modellen, omdat het hetzelfde werk betreft, geprijsd tegen de eigen tarieven van elk model, waarbij elk model evenveel tokens uitgeeft als het zelf besluit uit te geven. Muse Spark 1.2 had $637,85 nodig om de Intelligence Index te voltooien. DeepSeek V4 Flash had $72,02 nodig — goedkoper dan elk ander bekend model dat Artificial Analysis heeft gemeten, een bevinding die begin augustus zijn eigen perscyclus kreeg.

Wat dat gat interessant maakt, is dat het gebeurt ondanks dat het DeepSeek V4 Flash-model het uitgebreidere model is, niet omdat het dat is. Bij het uitvoeren van de suite produceerde DeepSeek V4 Flash 210 miljoen output-tokens tegenover de 95 miljoen van Muse Spark 1.2 — meer dan twee keer zoveel. Meta's model is aanzienlijk token-efficiënter bij dezelfde taak, en dat maakt helemaal niets uit, omdat DeepSeek V4 Flash $0,28 per miljoen output rekent tegenover Meta's $4,25. Een 15× prijsvoordeel verslindt een 2,2× uitgebreidheidsnadeel zonder het te merken.

Dit is wat je moet meenemen in je eigen kostenmodel. Tokenefficiëntie is een reële eigenschap en redeneermodellen verschillen daar sterk in, maar bij de huidige marktspreads is het een tweede-orde-term. De prijslijst is bepalend en slaat pas om wanneer twee modellen qua prijs binnen een factor van ongeveer 3 van elkaar liggen.

Waar de vier punten zijn — en wat niemand heeft gepubliceerd.

Hier is het ongemakkelijke deel van deze vergelijking: de Intelligence Index is een samenstelling van negen evaluaties op het gebied van agents, coderen, algemene bekwaamheid en wetenschappelijk redeneren, en Artificial Analysis heeft nog geen uitsplitsing per benchmark voor Muse Spark 1.2 gepubliceerd. Dus "54 versus 50" is momenteel een kop zonder uitsplitsing. Vier punten kunnen een codeerkloof zijn, een kloof op lange context, een kloof in hallucinatiebestendigheid, of vier kleine kloven die elkaar op jouw workload tenietdoen.

{{1}}De eigen cijfers van elke leverancier vullen een deel van de leemte op, en geen van beide kan tegen de andere worden afgezet.{{/1}} {{2}}Meta rapporteert Terminal-Bench 2.1 op 82,9% voor Muse Spark 1.2 (tegen 76,2% voor 1.1) en DeepSWE v1.1 op 59,3% (tegen 53,0%) — uitgevoerd op Meta's testomgeving, met pass@1 over vijf pogingen, waarbij elk concurrerend model is gekoppeld aan zijn eigen agentproduct.{{/2}} {{3}}De V4 Flash-release positioneerde het model als een post-training-upgrade, afgestemd op agent- en terminalwerk en gebaseerd op een mixture of experts met 284B totaal / 13B actief.{{/3}} {{4}}Er is geen benchmark waar beide labs een vergelijkbaar cijfer voor hebben gepubliceerd, en geen derde partij heeft een van beide sets gereproduceerd.{{/4}}

Wat onafhankelijk is vastgesteld is beperkt en verdient het om ronduit te worden gezegd: op één samengestelde index, uitgevoerd door één evaluator, eindigde Muse Spark 1.2 vier punten voor, tegen 8,9 keer de kosten. Alles wat gedetailleerder is dan dat is nog steeds leveranciersmateriaal.

Drie manieren om te betalen voor Muse Spark 1.2, anderhalf voor DeepSeek

Prijsvergelijkingen zijn hier bijzonder lastig, omdat Meta twee prijslijsten hanteert en de leverancier de gewichten zelf levert.

• Meta standaardlaag — $1.25 invoer, $0.15 gecachte invoer, $4.25 uitvoer per miljoen, met een limiet van ongeveer 3.000 verzoeken per minuut.

• Meta-bijdragerniveau — $0,10 input, $0,002 gecachte input, $0,20 output, in ruil voor toestemming om toekomstige Meta-modellen te trainen op je verkeer, met een maximum van 60 verzoeken per minuut.

• DeepSeek V4 Flash prijslijst — $0,14 input, $0,28 output, $0,003 bij een cachehit (een korting van 98%, het meest agressieve cachingtarief van elk model in deze prijsklasse), van zes concurrerende API-providers.

• DeepSeek V4 Flash self-hosted — open gewichten onder MIT-licentie, dus de prijs is je eigen hardware en het plafond is je eigen capaciteit.

Lees de tweede en derde regel samen en de rangschikking keert om: op de contributietier is Muse Spark 1.2 goedkoper per token dan DeepSeek V4 Flash, namelijk $0.10/$0.20 ten opzichte van $0.14/$0.28, terwijl het vier punten hoger scoort. Dat is de meest agressieve prijszetting in deze hele vergelijking en vrijwel niemand zal er gebruik van kunnen maken, want 60 verzoeken per minuut is 2% van het standaardbudget en sluit vrijwel elke productie-fan-out uit. Het is geprijsd voor evaluatie en werk in kleine teams, en de valuta is je prompts. Of die ruil voor jou beschikbaar is, is een datagovernance-beslissing die bij juridische zaken hoort, niet een regelitem dat je in een configuratiebestand omwisselt.

De open-gewichten-kant werkt de andere kant op. MIT-gewichten betekenen dat de prijsvloer helemaal niet door de leverancier wordt bepaald — als jouw volume de GPU's rechtvaardigt, kan niemand je tarief verhogen, je model uitfaseren of de voorwaarden wijzigen. Die keuzevrijheid heeft geen equivalent aan de Meta-kant, op geen enkel niveau.

Eén aanbieder versus zes

Muse Spark 1.2 wordt uitsluitend aangeboden via Meta's Model-API en nergens anders. Geen hosting door derden, geen kwantisatiekeuze, geen fallbackpad, en — op het moment van schrijven — geen OpenRouter-vermelding, geen Hugging Face-repository en geen vermelding in de OrcaRouter-catalogus. Een gesloten model van één aanbieder is per definitie een single point of failure, en bij een model van vijf dagen oud is er geen uptimegeschiedenis om je gerust te stellen.

DeepSeek V4 Flash is het tegenovergestelde geval. Zes API-providers bieden het vandaag aan, de gewichten zijn MIT, en het staat in de OrcaRouter-catalogus voor $0,15 in en $0,29 uit — de lijstprijs van de provider, doorgegeven met 0% opslag — met automatische failover tussen providers, zodat een enkele host die verslechtert het werk niet mee naar beneden haalt. Dat is het praktische argument voor het goedkopere model dat niets te maken heeft met de score: je kunt het verplaatsen, spiegelen of helemaal verlaten, en geen van die opties vereist een nieuwe integratie.

Voor Muse Spark 1.2 betekent een evaluatie vandaag de dag een tweede contract, een tweede factuur en een tweede SDK-pad. Meta's model is het waard om op zijn merites te testen, maar wees je ervan bewust dat de operationele kosten om het te draaien niet alleen uit de tokenprijs bestaan.

Latentie, gemeten op echt verkeer

In de benchmarkomgeving noteert Artificial Analysis een tijd tot eerste token van 1.33 seconden voor DeepSeek V4 Flash en 26.12 seconden voor Muse Spark 1.2 bij de xhigh-reasoning-instelling, met outputsnelheden van respectievelijk 103.3 en 165.0 tokens per seconde. Meta's model genereert sneller zodra het is gestart, maar doet er zeer lang over om te starten – dat is precies wat verplichte deliberatie bij maximale inspanning eruitziet.

Productiecijfers vertellen een zachtere versie van hetzelfde verhaal. Over zeven dagen live routing op OrcaRouter toont DeepSeek V4 Flash een p50-tijd tot eerste token van 439 milliseconden en een p95 van 1,96 seconden, bij 111 tokens per seconde met een foutpercentage van 1,6%. Er is geen vergelijkbaar productiecijfer voor Muse Spark 1.2, omdat het nog nergens wordt gerouteerd; Muse Spark 1.1, de dichtstbijzijnde beschikbare proxy, draait een p50 van 1,84 seconden en een p95 van 6,00 seconden. Een mediane respons onder de seconde is een categorie waarin DeepSeek V4 Flash zich bevindt en die geen enkele Muse Spark-versie heeft bereikt.

Beide modellen claimen ongeveer een miljoen tokens aan context — 1.048.576 voor beide, waarbij DeepSeek V4 Flash de gegenereerde output beperkt tot 384.000 tokens en het Muse Spark-eindpunt helemaal geen limiet voor de gegenereerde output aangeeft. Wat context betreft is deze wedstrijd op papier gelijk en in de praktijk voor beide ongeverifieerd.

Drie vragen die de moeite waard zijn om te stellen voordat je overstapt

Is het zelf hosten van DeepSeek V4 Flash daadwerkelijk goedkoper dan $0,15 per miljoen?

Meestal niet, en dat is precies het punt. Een mixture of experts met 284B parameters en 13B actieve parameters heeft serieuze multi-GPU-capaciteit nodig om met redelijke latentie te kunnen draaien, en tegen $0,15 per miljoen invoertokens is de gehoste prijs moeilijk te verslaan, behalve bij een zeer hoog, zeer constant volume. De waarde van de MIT-licentie voor de meeste teams is niet dat ze zelf zullen hosten — het is dat ze dat geloofwaardig zouden kunnen, wat de prijs die een provider kan vragen beperkt en het risico op beëindiging wegneemt. Zie het als verzekering en koop de gehoste tokens.

Maakt het bijdragerniveau Muse Spark 1.2 het goedkopere model?

Op de tariefkaart, ja; in de praktijk alleen voor workloads van minder dan 60 verzoeken per minuut waarvan je de data mag doneren. Als aan beide voorwaarden is voldaan — een onderzoekspiek, een intern hulpmiddel, een benchmarkomgeving met synthetische invoer — dan is een model dat vier indexpunten voorligt tegen een lagere prijs per token werkelijk de betere koop en moet je het nemen. Als een van beide niet geldt, is het standaardtarief de echte prijs, en het standaardtarief is 13× het gemengde tarief van het V4 Flash-model.

Vier indexpunten klinkt klein. Wanneer maakt het uit?

Wanneer fouten zich opstapelen. Bij een eenmalige classificatie- of samenvattingsaanroep is een verschil van vier punten op een samengestelde score vaak onzichtbaar, en 9× ervoor betalen is onverdedigbaar. Bij een agentlus van vijftig stappen vermenigvuldigt een per stap klein ogend verschil in succes zich tot een groot verschil in hoe vaak de hele run opnieuw moet worden gestart — en een herstart kost het hele traject, niet één stap. Dat is het geval waarin Meta's prijs verdedigbaar is. Het is ook het geval waarin je op je eigen taak zou moeten meten in plaats van een samengestelde score te vertrouwen, want niemand heeft de agentische subindex gepubliceerd die het voor 1.2 zou beslechten.

Het vonnis, en de voorwaarde die daaraan verbonden is

Voor vrijwel elke workload waar kosten een reële beperking zijn, is DeepSeek V4 Flash de juiste standaard: vier punten achter op één samengestelde index, dertien keer goedkoper in gewogen gemiddelde, mediaanlatentie onder een seconde in productie, zes providers, MIT-gewichten, en geen leverancier die de voorwaarden voor je kan wijzigen. Het is momenteel het goedkoopste bekende model om een volledige benchmarksuite te draaien, en dat is niet omdat het slecht is.

Muse Spark 1.2 verdient zijn prijs in één specifieke vorm van werk: agentisch programmeren met een lange horizon, waarbij een mislukt traject duur is, waarbij de extra bedenktijd wordt afgeschreven over minuten werk in plaats van gevoeld door een wachtende gebruiker, en waarbij je kunt leven met één enkele provider en geen onafhankelijke uitsplitsing van waar de vier punten uit bestaan. Meta heeft in vier maanden drie modellen uitgebracht en in die tijd elf indexpunten bewogen, dus de zaak kan snel sterker worden — maar vandaag rust hij op door leveranciers uitgevoerde codeerbenchmarks en één samengestelde score.

Als je deze week een keuze maakt, draai beide dan vijftig stappen op je eigen agent-loop en vergelijk voltooide trajecten per dollar in plaats van tokens per dollar. Die ene meting beantwoordt deze vergelijking beter dan elke gepubliceerde benchmark erin.