Muse Spark 1.2 vs Gemini 3.5 Flash-Lite: Twee Labs, Twee Definities van Subagent

Binnen twee weken na elkaar brachten twee labs een model uit en beschreven het met hetzelfde woord. Volgens zijn eigen modelkaart: Gemini 3.5 Flash-Lite is "geschikt voor subagenten die gerichte taken uitvoeren binnen complexe multi-agent-workflows." Meta zegt dat Muse Spark 1.2 kan dienen "als ofwel een primaire agent voor planning en delegatie, ofwel een subagent die parallel uitvoert." Dezelfde woordenschat, en Artificial Analysis moest beide door de Intelligence Index laten draaien om te laten zien hoe verschillend ze het bedoelen: Flash-Lite voltooide de suite in 43 miljoen outputtokens, Muse Spark 1.2 had er 95 miljoen nodig. Een van deze modellen denkt kort en vaak; het andere denkt diep en lang. Beide noemen het resultaat een subagent.

Die tokenverhouding is het meest beslissingsrelevante getal in de vergelijking, omdat een subagent-laag iets is dat je uitzwermt — twintig tegelijk, honderd tegelijk — en uitzwermen vermenigvuldigt elke gewoonte die het model per aanroep heeft. Wat volgt doorloopt wat elk lab daadwerkelijk heeft gebouwd, hoe de fan-out-berekening eruitziet bij reële prijzen, en waar de goedkope uiteindelijk de dure keuze blijkt te zijn.

Wat elk lab bedoelt met het woord

De Flash-Lite-versie is een roldefinitie op basis van grootte. Gemini 3.5 Flash-Lite is de goedkoopste laag in zijn familie, en die positionering is opmerkelijk omdat het denkniveaus rechtstreeks koppelt aan meerstaps-subagent-workloads — de eerste keer dat een laag in die familie is beschreven aan de hand van agentrol in plaats van grootte of snelheid. Redeneren is verplicht, maar de standaardinspanning is minimaal, de regelaar gaat tot hoog, en het model is gebouwd om in bulk te worden ingezet en snel te antwoorden. De leverancier rapporteert 54,2% op SWE-Bench Pro tegen 49,6% voor Gemini 3 Flash, en 74,0% op OSWorld-Verified tegen 65,1% — beide door de leverancier gerapporteerde cijfers, niet onafhankelijk gereproduceerd, en beide gepresenteerd als agentische winsten in plaats van ruwe intelligentiewinsten.

Meta's versie is een roldefinitie op basis van topologie. De producttekst van Muse Spark 1.2 beschrijft een model dat context kan verzamelen, een plan kan maken en uitvoering kan delegeren over parallelle subagents — of zelf een van die subagents kan zijn. Het redeneerniveau loopt van minimaal tot xhigh met een standaardwaarde van medium, en Meta noemt de beoogde workloads expliciet: refactors over meerdere bestanden, langdurige debug-sessies, generatie van een volledige repository. Dit is een model dat is ontworpen om de orkestrator te zijn die ook het werk kan doen, wat een ander product is dan een model dat ontworpen is om twintig tegelijk te worden aangemaakt.

Geen van beide laboratoria publiceerde een benchmark voor de specifieke claim. Meta bracht 1.2 uit op 5 augustus zonder enige aankondiging — de aankondigingspagina van Muse Spark 1.1 beschrijft nog steeds de vorige versie.

De kloof die de index daadwerkelijk meet

Onafhankelijke scores, van Artificial Analysis die dezelfde negen-evaluatiecomposiet op beide uitvoert:

• Intelligence Index — Muse Spark 1.2 (xhigh) 54, rang #13 van 185. Gemini 3.5 Flash-Lite 36, rang #20 van 163. Achttien punten, tegenover een klasse-mediaan van 32.

• Uitvoersnelheid — 165.0 tokens per seconde tegen 343.6. Flash-Lite streamt meer dan twee keer zo snel.

• Tijd tot eerste token — 26,12 seconden tegenover 10,30, beide bij maximale inspanning. Artificial Analysis merkt op dat Flash-Lite's 10,30s zelf aan de hoge kant is voor redeneringsmodellen in zijn prijsklasse.

• Uitvoerigheid — 95M outputtokens tegen 43M voor dezelfde suite, met een mediaan van 65M over alle modellen. Muse Spark 1.2 ligt 46% boven de mediaan; Flash-Lite ligt 34% eronder.

• Kosten om de index te runnen — $637,85 tegenover $153,08.

• Per-dimensieArtificial Analysis's subindices plaatsen Gemini 3.5 Flash-Lite op 49,3 voor coderen en 26,8 voor agentisch. Er is nog geen gepubliceerde uitsplitsing voor Muse Spark 1.2; zijn voorganger scoorde 71,3 en 37,5.

Achttien indexpunten is geen afrondingsverschil. Dit zijn niet twee kandidaten voor dezelfde plek.

De fan-out-rekenkunde

De prijs per token is de verkeerde maatstaf voor een subagent-laag, omdat het hele punt van die laag is dat je er veel van draait. Reken een voorbeeld door tegen de lijstprijzen — $0,30 in en $2,50 uit voor Gemini 3.5 Flash-Lite, $1,25 in en $4,25 uit voor Muse Spark 1.2.

Een orchestrator zendt twintig subagenten uit. Elke leest 25.000 tokens aan afgebakende context en schrijft 1.500 tokens terug.

• Gemini 3.5 Flash-Lite — 20 × ($0.0075 + $0.00375) = ongeveer 22,5 cent per fan-out.

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

Drie en een derde keer, wat beheersbaar klinkt. Pas nu het gemeten verschil in uitvoerigheid toe. Als Muse Spark 1.2 naar verhouding meer schrijft dan Flash-Lite, zoals het op de index deed — ruwweg 2,2 keer zoveel outputtokens voor identiek werk — worden die antwoorden van 1.500 tokens ongeveer 3.300, en stijgt de fan-out naar ongeveer 91 cent. Vier keer, niet drie. Bij honderd fan-outs per uur in een druk agentsysteem is dat het verschil tussen $22 en $91 per uur, of ruwweg $600.000 per jaar verschil bij continue belasting.

Twee prijsdetails maken de werkelijke kloof in de ene richting nog breder en in de andere smaller:

• Flash-Lite factureert interne redenering tegen het outputtarief. Het vermeldt interne redeneringstokens voor $2,50 per miljoen — hetzelfde als zichtbare output. Denken is niet gratis, het is slechts onzichtbaar in het antwoord. Als een subagent 2.000 tokens aan nadenken besteedt voordat hij antwoordt, tel dan een halve cent per aanroep op, of 10 cent over de fan-out.

• In verhouding is caching gunstig voor Muse Spark 1.2. Gelezen gecachte invoer kost $0,15 per miljoen tegen een lijstprijs van $1,25 — een korting van 88%. Flash-Lite leest gecachte invoer voor $0,03 tegen $0,30, een korting van 90%, maar rekent ook ongeveer $0,083 per miljoen om de cache te schrijven, terwijl Muse Spark 1.2 geen aparte vergoeding voor het schrijven van de cache publiceert. Bij een fan-out waarbij elke subagent hetzelfde grote prefix deelt, wordt het verschil aanzienlijk kleiner.

Productielatentie is waar Flash-Lite het verst vooroploopt, en benchmarkcijfers verbergen dat. Op OrcaRouter, over een doorlopende week van echt verkeer, toont Gemini 3.5 Flash-Lite een p50-tijd tot eerste token van 816 milliseconden en een p95 van 4,57 seconden. Muse Spark 1.1 — de dichtstbijzijnde beschikbare proxy, aangezien 1.2 nog geen telemetrie heeft — toont een p50 van 1,84 seconde en een p95 van 6,00 seconden. Wanneer twintig subagenten parallel draaien, bepaalt de langzaamste de kloktijd, dus is p95 bepalend voor je fan-out-latentie, niet p50.

Waar de goedkope de verkeerde keuze is.

Vier beperkingen van Gemini 3.5 Flash-Lite die niet naar voren komen in een prijsvergelijking en die naar voren zullen komen in een incidentbeoordeling.

• Een outputplafond van 65.536 tokens. De helft van wat de meeste modellen in deze klasse toestaan, en een harde muur voor een subagent die gevraagd wordt een groot bestand te genereren of een lang gestructureerd document terug te geven. Het endpoint van Muse Spark 1.2 verklaart helemaal geen maximale completielengte — wat ongebruikelijk genoeg is om te testen in plaats van te vertrouwen, maar het is geen gedocumenteerde limiet.

• Het is een ongemodereerd eindpunt. De Flash-Lite-vermelding draagt geen moderatievlag; die van Meta voor Muse Spark 1.2 wel. Dat is een echt voordeel voor sommige workloads en een nalevingsprobleem voor andere, en het zou een bewuste keuze moeten zijn in plaats van een ontdekking.

• Dure ingebouwde zoekfunctie. De webzoekfunctie van Flash-Lite kost ongeveer $14 per duizend oproepen, tegen $2.50 voor Muse Spark 1.2. Als je subagenten onderzoek doen in plaats van alleen te lezen, wordt het goedkope model het dure — vijf en een half keer zo duur — en het zoekvolume in een fan-out-architectuur schaalt mee met de fan-out.

• De prijs is gestegen, niet gedaald.Gemini 3.5 Flash-Lite kost $0.30 en $2.50, terwijl de vorige Gemini 3.1 Flash-Lite $0.25 en $1.50 kostte. De output is 67% duurder dan de laag die het vervangt. Als je een subagent-budget hebt ingesteld op basis van het oudere model, pas dat dan aan.

Nog een asymmetrie die we ronduit moeten benoemen: Muse Spark 1.2 wordt door precies één provider geleverd — Meta — zonder hosting door derden en zonder fallback. Gemini 3.5 Flash-Lite heeft de gebruikelijke first-party multi-regio serving footprint. Voor een orchestrator is dat een single point of failure voor je hele agentenboom; voor een worker-tier is het een single point of failure voor de fan-out.

De combinatie waar de meeste teams uiteindelijk op uit zullen komen

Naast elkaar gelezen, zijn deze twee modellen niet zozeer concurrenten als wel de twee helften van één architectuur, en Meta's eigen producttekst zegt dat ook wanneer het de primaire-agentrol afzonderlijk van de subagentrol beschrijft.

De vorm die uit de cijfers volgt: Muse Spark 1.2 als de orkestrator, Gemini 3.5 Flash-Lite als de werkers. Eén dure, weloverwogen aanroep die de repository leest, het plan vasthoudt en beslist wat te delegeren — waar 26 seconden denkwerk en uitvoerigheid op 95M-token-schaal je een plan opleveren dat het uitvoeren waard is — gevolgd door twintig goedkope, snelle, smalle aanroepen die elk één afgebakende taak doen en in minder dan een seconde op p50 terugkeren. Je betaalt één keer per taak tarieven die dicht bij die van de nieuwste modellen liggen, en budgettarieven per eenheid werk, wat precies de kostencurve is die een fan-out-architectuur wil.

Draai het om en de economie stort in. Twintig Muse Spark 1.2-subagenten tegen 91 cent per fan-out is vier keer de rekening voor werk dat een 18-punten-zwakker model in een derde van de tijd afrondt, en een Flash-Lite-orkestrator op index 36 zal plannen produceren die de werkers niet kunnen redden.

Het opsplitsen over twee leveranciers was vroeger het lastige onderdeel. Gemini 3.5 Flash-Lite staat in de OrcaRouter-catalogus voor $0,30 en $2,50 — leverancierslijstprijs, doorberekend met 0% opslag, dus een prijswijziging komt dezelfde dag bij ons terecht in plaats van na een contractcyclus — en Muse Spark 1.1 staat er voor $1,25 en $4,25 op dezelfde basis, beide achter één OpenAI-compatibel eindpunt. Dat betekent dat het orchestrator-and-workers-patroon uit twee modelstrings in één codebase bestaat in plaats van twee SDK's, twee sleutels en twee facturen, en automatische failover dekt het geval waarin één leverancier een slechte middag heeft midden in een fan-out. Om precies te zijn over wat er beschikbaar is: Muse Spark 1.2 zelf staat nog niet in de catalogus — Meta levert het rechtstreeks als enige provider — dus draait vandaag de dichtstbijzijnde versie van deze stack 1.1 in de orchestrator-rol.

Kies op rol, niet op score.

Als je een werktier kiest — documentparsing, data-extractie, afgebakende bestandswijzigingen, classificatie, het smalle repetitieve midden van een agentboom — is Gemini 3.5 Flash-Lite het betere instrument, en het 18-punts indextekort is grotendeels irrelevant omdat je het niet vraagt om te redeneren. Let op het outputplafond en de zoekprijzen.

Als u het model kiest dat bepaalt wat de werkers doen, is Muse Spark 1.2 de sterkere kandidaat van de twee, met als kanttekeningen dat het geen onafhankelijke per-dimensie agentic score heeft, geen enkel arena-record, geen productietelemetrie en slechts één provider. Dat zijn de hiaten die moeten worden gedicht voordat het een productieplan kan ondersteunen.

En als je hoopte dat één model beide taken kon doen, is het eerlijke antwoord op basis van de metingen dat geen van beide dat doet. Flash-Lite kan niet plannen op index 36; Muse Spark 1.2 kan niet twintig tegelijk worden gespawned voor 91 cent per fan-out. Het woord 'subagent' dat in beide productbeschrijvingen voorkomt, is een marketingtoeval, geen teken dat ze op dezelfde plek thuishoren.