Muse Spark vs DeepSeek V4.1 Pro: de ene download verscheen, de andere werd nooit uitgebracht

Drie namen bepalen deze confrontatie, en slechts twee ervan zijn dingen die je kunt vasthouden. Muse Spark Open werd op 15 oktober 2026 een echte download, toen Meta de gewichten, de configuratie en de licentie publiceerde voor het open lid van zijn Meta Muse Spark-familie. DeepSeek V4.1 Pro is nooit uitgebracht: het niveau werd precies één keer genoemd, in een changelog-item van 10 september dat een routeringsplan beschreef dat onmiddellijk werd ingetrokken, en heeft sindsdien geen modelkaart, geen prijsregel, geen repository en geen datum gepubliceerd. De derde naam is wat de kop beantwoordbaar maakt, want het is het vlaggenschip waartegen een lezer daadwerkelijk zou kiezen — DeepSeek V4 Pro, het vlaggenschip met 1,6 biljoen parameters onder MIT-licentie, dat sinds 13 augustus 2026 downloadbaar en aanroepbaar is, met DeepSeek V4.1 Flash daaronder, als het goedkope, snelle lid van dezelfde lijn dat afbeeldingen leest.

Zo gesteld is de interessante vraag niet welk model slimmer is. Het is wat er is veranderd voor iemand die op gewichten bouwt in plaats van op endpoints: de ene kant van deze vergelijking kreeg gisteren een licentie die je kunt lezen en waarover je kunt discussiëren, de andere heeft er nooit een gehad, en de prijs-per-taak-rekenkunde loopt tegengesteld aan de prijs-per-token-rekenkunde.

De twee helften van de kop zijn niet hetzelfde soort object.

De vorm van deze combinatie is ongewoon genoeg om te vermelden voordat er ook maar een getal valt. Meestal heeft een "vs"-pagina een versieprobleem — twee modelnamen die elk drie checkpoints verbergen. Hier heeft de ene kant een versieprobleem en de andere een bestaansprobleem.

De kant van Meta lost netjes op. Muse Spark is een familie, geen lancering: de lijn werd op 8 april 2026 geïntroduceerd en is sindsdien vier keer bijgestuurd. Muse Spark 1.1 verscheen op 16 juli 2026, Muse Spark 1.2 op 5 augustus, en Muse Spark 1.3 op 2 september, waarbij het "max"-redeneerniveau van 1.3 twee dagen later, op 4 september, opende na extra veiligheidstests. Muse Spark Open is het vijfde artefact onder de naam en het enige dat je zelf kunt hosten.

De DeepSeek-kant wordt helemaal niet duidelijk. DeepSeek V4.1 Pro is een tiennaam waar niets achter zit, en het verschil tussen die naam en de vier DeepSeek-modellen die wél bestaan is precies de reden waarom deze pagina een vervanger moet noemen. De eerlijke lezing is dat een lezer die naar deze matchup zoekt, twee verschillende vragen heeft — wat heeft Meta zojuist op schijf gezet, en wanneer zal de beloofde DeepSeek-tier daadwerkelijk bestaan.

Wat er daadwerkelijk landde, en hoe lang het daar al had gestaan

Muse Spark Open is geen verrassingsrelease en ook geen conventionele lancering, en de kloof tussen die twee beschrijvingen is het meest interessante aan deze release. De Hugging Face-repository — een BF16-checkpoint en een afzonderlijke NVFP4-build, onder de naam Muse-Spark-Open-816B-A42B — heeft een aanmaaktijdstempel van 2026-09-15. Daarna bleef hij daar een maand lang staan, met beperkte toegang en onaangekondigd, terwijl de licentietekst en het gebruiksbeleid in het toegangsformulier hun eigen datum behielden: 15 oktober 2026. Het artefact bestond in stilte; het papierwerk liep een maand later bij.

Wat de metadata en Meta's eigen releasebericht vaststellen, zonder dat daar ook maar iemands benchmark aan te pas komt:

• Schaal — ongeveer 816 miljard totale parameters met ongeveer 42 miljard actief per token, een sparse mixture of experts over 62 lagen en 256 experts per MoE-laag, waarbij er per token 8 worden geselecteerd.

• Context — een venster van 1.048.576 tokens, gedeeld over elke modaliteit in plaats van verdeeld tussen hen.

• Modaliteiten — tekst, afbeelding, video en audio in; tekst uit. De onafhankelijke vermelding van Artificial Analysis registreert dezelfde invoerrij en beschrijft een model dat tekst, afbeelding, spraak en video verwerkt.

• {{1}}Redeneren{{/1}} — een instelling voor redeneerinspanning met de niveaus low, medium, high en xhigh, en geen enkele manier om redeneren volledig uit te schakelen.

• Toegang — afgeschermd. Het aanvraagformulier vraagt om een volledige wettelijke naam, geboortedatum en organisatie met bedrijfsidentificatoren, en kan na indiening niet worden gewijzigd. Wie dit als een download met één klik beschouwt, moet op een wachtrij rekenen.

Dat is het deel van het dossier dat vaststaat. Het deel dat niet vaststaat, is de meting, en het loont de moeite om precies te zijn over wat wat is — zie de sectie met cijfers hieronder.

De deepseek-ai-organisatie, en de naam die er niet in voorkomt

Alles wat over DeepSeek V4.1 Pro is gepubliceerd, past in één zin uit de eigen changelog van DeepSeek, gedateerd 2026-09-10, in de notitie die samen met DeepSeek V4.1 Flash werd meegeleverd. Daarin stond dat vanaf 04:00 UTC op 14 september verzoeken aan deepseek-v4-pro zouden worden doorgestuurd naar het nieuw uitgebrachte Flash-model en gefactureerd tegen Flash-tarieven, en dat dit zou doorgaan "tot V4.1-Pro wordt gelanceerd." Ontwikkelaars protesteerden tegen het feit dat een productiemodel zonder migratievenster onder hen vandaan werd vervangen, en dezelfde vermelding in de changelog registreert de terugdraaiing: DeepSeek besloot DeepSeek V4 Pro na 14 september te blijven aanbieden, met ongewijzigde facturering.

Het routeringsplan is gesneuveld. De naam overleefde het, en die clausule vormt het volledige openbare verslag. Geverifieerd aan de hand van primaire bronnen op 16 oktober 2026:

• De pagina Modellen & Prijzen van DeepSeek bevat precies twee modelnamen — deepseek-flash en deepseek-v4-pro, die overeenkomen met DeepSeek-V4.1-Flash en DeepSeek-V4-Pro-0813. Er is geen kolom, rij of prijs voor V4.1 Pro.

• De changelog van DeepSeek bevat helemaal geen vermelding voor oktober, en de meest recente vermeldingen zijn 2026-09-10, 2026-08-21 en 2026-08-13.

• De deepseek-ai-organisatie op Hugging Face heeft geen repository die naar een V4.1 Pro is vernoemd. De nieuwste modelrepository is DeepSeek-V4.1-Flash, aangemaakt op 2026-09-10.

Op de ochtend van 15 oktober meldde een tracker dat een DeepSeek-endpoint zich anders gedroeg nadat een dienststoring was afgelopen — het doorstond een prompt voor relationeel redeneren die DeepSeek-V4-Pro-0813 en de V4.1-generatie beide niet doorstonden, wat zich over vier samples reproduceerde, bij ongeveer 180 tokens per seconde — en raadde de naam V4.1 Pro. Er zit geen modelkaart, geen gewichtsbestand en geen leveranciersverklaring achter, en een stille herbouw van een bestaande serving-configuratie zou er van buitenaf identiek uitzien. Beschouw het als een reden om in de gaten te houden, niet als een release.

Wat een V4.1 Pro vrijwel zeker zou erven, is het waard apart te vermelden, want het is inferentie en geen verslaggeving. Elk DeepSeek-model dat in de V4- en V4.1-lijnen is uitgekomen — DeepSeek-V4-Pro-0813, DeepSeek-V4-Flash, DeepSeek-V4-Flash-0731 en DeepSeek-V4.1-Flash — heeft license:mit op de modelkaart staan, en de geserveerde envelop is consistent geweest: 1M tokens in, tot 384K uit. Van een Pro-tier in die lijn zou worden verwacht dat die beide evenaart. Er is niets gepubliceerd dat dat zegt.

De as draagt geen scorebord: de licentie

Dit is waar de twee open-weight opties echt uiteengaan, en dit is het gedeelte dat het artikel bepaalt voor iedereen die een product op de markt brengt in plaats van een benchmark te draaien. De vermelding van Artificial Analysis voor Muse Spark Open beantwoordt de licentievraag met "commercial use is allowed with restrictions", en de reden staat in Meta's eigen tekst.

De Muse Model License is geen OSI-licentie en het is geen MIT. Twee clausules veranderen wat 'open weights' in de praktijk betekent, en geen van beide staat in de kop.

• De model-as-a-service-bepaling. Artikel 3 vereist dat als u of uw gelieerde ondernemingen derden toegang geven tot het model als product of dienst via een API, en uw totale bruto-omzet meer dan twintig miljoen Amerikaanse dollar bedraagt in welke opeenvolgende periode van twaalf maanden dan ook, u Meta op de hoogte moet stellen en een afzonderlijke schriftelijke overeenkomst moet sluiten voordat u dat bedrijf exploiteert. Het inbouwen van het model in uw eigen product is uitgezonderd; doorverkoop ervan niet.

• De attributievoorwaarde. Licentienemers moeten "Built with Muse Spark Open" prominent weergeven in de interface van elk product dat het model of een afgeleide daarvan gebruikt, of in de bijbehorende documentatie, site of het instellingenmenu.

Daarentegen is de hele uitgebrachte DeepSeek-lijn MIT — DeepSeek V4 Pro, DeepSeek V4.1 Flash en hun voorgangers vallen er allemaal onder, zonder omzetdrempel, zonder meldplicht en zonder naamsvermeldingsvereiste. De praktische gevolgen zijn niet subtiel. Als je van plan bent het model achter een API voor anderen te hosten, heeft Meta's licentie een omzetdrempel die de licentie van DeepSeek niet heeft. Als je van plan bent een consumentenproduct op basis van de gewichten uit te brengen, verplicht Meta's licentie je een zin weer te geven, en de licentie van DeepSeek verplicht je niets weer te geven.

Twee dingen die de Muse Model License duidelijk toekent, en ze zijn het vermelden waard omdat ze het werkelijke punt van open weights zijn: je mag fine-tunen, distilleren, samenvoegen, publiceren, sublicentiëren en afgeleide werken verkopen, en Meta claimt geen eigendom over de outputs. De beperking is smal en de toekenning is ruim. Maar als je tussen deze twee kiest op basis van juridische toetsing in plaats van capaciteit, is de keuze snel gemaakt, en het is het antwoord dat deze vergelijking geeft voordat een van beide modellen een token genereert.

De cijfers, en de lijn die achteruit loopt

Artificial Analysis is de enige derde partij met openbare vermeldingen voor beide kampen, en het plaatst ze niet in dezelfde categorie — open-weightmodellen worden vergeleken met open-weightmodellen van dezelfde grootteklasse, wat hier niet veel vertekent omdat alles wat besproken wordt open-weight is. Wat volgt is zijn meting, niet de bewering van een leverancier en niet de onze.

• Muse Spark Open (xhigh) — Intelligence Index 39, negende van 118 inzendingen in zijn klasse en ruim boven de klassemediaan van 19; $1,25 in en $4,25 out per miljoen tokens; $0,84 per voltooide indextaak; outputsnelheid 103,4 tokens per seconde; tijd tot eerste token 0,65 seconde; 110M uitvoertokens gegenereerd tijdens de index, tegenover een mediaan van 130M; 816B totaal en 42B actieve parameters; Muse Model License.

• DeepSeek V4 Pro 0813 (max) — Intelligence Index 36; $1,32 voor input en $3,96 voor output per miljoen tokens; $0,67 per indextaak; 92 tokens per seconde; tijd tot het eerste token 1,66 seconden; 160M outputtokens, boven de mediaan; 1,6T totale en 49B actieve parameters; MIT.

• DeepSeek V4.1 Flash (max) — de nuttige derde kolom, en degene die de hele vergelijking herschikt. Intelligence Index 39 — dezelfde score als Muse Spark Open — tegen $0,30 in en $1,20 uit per miljoen tokens, $0,27 per indextaak, 179 tokens per seconde en een tijd tot het eerste token van 1,15 seconde, tegenover 250M outputtokens, de meest uitgebreide meting in die klasse.

Lees de drie samen en de inversie is het verhaal. De modellen van DeepSeek zijn uitgebreider per taak — 160M en 250M outputtokens tegenover de 110M van Muse Spark Open — en toch kosten ze minder per voltooide taak, omdat de prijs per token zoveel lager is. Kosten per token en kosten per taak wijzen hier in tegenovergestelde richtingen, en wie deze alleen op basis van de opgegeven input-/outputtarieven vergelijkt, zal de verkeerde conclusie trekken over welke goedkoper is om te draaien.

Twee prijskanttekeningen die de rekensom wezenlijk veranderen. Ten eerste halveert de eigen prijslijst van DeepSeek de tarieven buiten de piekuren, en de piek is een smal venster: 01:00–04:00 en 06:00–10:00 UTC, maandag tot en met vrijdag, met uitzondering van Chinese openbare feestdagen, waarbij weekenden en feestdagen volledig buiten de piek vallen. De bovenstaande cijfers $1.32 / $3.96 en $0.30 / $1.20 zijn de piektarieven die DeepSeek publiceert; de off-peaktarieven zijn $0.66 / $1.98 voor DeepSeek V4 Pro en $0.15 / $0.60 voor DeepSeek V4.1 Flash. Het grootste deel van een week valt buiten de piek. Ten tweede heeft Meta helemaal geen prijs gepubliceerd voor Muse Spark Open — de regel van $1.25 / $4.25 is een gehoste route die Artificial Analysis meet, gerapporteerd als de mediaan over aanbieders die het model leveren, niet als een officiële leverancierslijstprijs voor de gewichten. Gewichten die je zelf host hebben geen prijs per token; ze hebben een hardwarerekening.

Nog één eerlijke kanttekening aan de Muse Spark-kant. De 39 hierboven hoort bij Muse Spark Open op xhigh, en het is niet het beste cijfer van de familie. Muse Spark 1.3 op max scoort 48 op dezelfde index — negen punten hoger — en Muse Spark 1.2, de checkpoint die de meeste ontwikkelaars aanroepen, scoort 40. Als je de capaciteit van de familie afleest aan de open checkpoint, zou je die onderschatten; het aflezen van de licentie van de open checkpoint aan de gesloten lijn zou een categoriefout zijn, omdat ze onder verschillende voorwaarden vallen.

Waar de twee helemaal geen substituten zijn

Het indexverschil tussen 39 en 36 is klein genoeg om binnen de ruis te vallen van hoe elke harness werd uitgevoerd, en daarom zijn de specificaties hieronder belangrijker dan de scores bij het kiezen tussen beide.

• Modaliteit — dit is geen close call. Muse Spark Open leest tekst, afbeeldingen, video en audio. DeepSeek V4 Pro leest tekst en verder niets; de eigen prijslijst van DeepSeek markeert de vision-rij voor dit model als "Niet ondersteund", en Artificial Analysis registreert hetzelfde. Als je pipeline schermopnames, video of spraak naar een model voert, houdt de vergelijking hier op.

• Context — bij beide gaat het om 1M tokens, en er valt niets te scheiden. Muse Spark Open verdeelt dat budget over modaliteiten; dat van DeepSeek is door zijn opzet alleen tekst.

• Maximale output — DeepSeek publiceert 384K tokens voor DeepSeek V4 Pro en DeepSeek V4.1 Flash. Meta publiceert geen cijfer voor maximale output voor Muse Spark Open dat wij konden verifiëren. Een niet-gepubliceerd plafond is een risico om te testen in plaats van aan te nemen als je lange artefacten in één aanroep genereert.

• Tijd tot eerste token — de enige latentie-regel waarop Muse Spark Open duidelijk wint, met 0,65 seconden tegenover 1,66 voor DeepSeek V4 Pro en 1,15 voor DeepSeek V4.1 Flash. Voor interactieve of agentische loops waarin de eerste token de volgende toolaanroep bepaalt, is dat een echt verschil, en dat verschil houdt stand ondanks de kleinere indexkloof.

• Doorvoer — DeepSeek V4.1 Flash is de snelste van de drie met 179 tokens per seconde, met Muse Spark Open op 103,4 en DeepSeek V4 Pro op 92. Opvallend is dat de gesloten Muse Spark 1.2 361 tokens per seconde mat — het open checkpoint is een andere deployment met een ander snelheidsprofiel, en er moet niet van worden uitgegaan dat het de cijfers van de gesloten lijn erft.

• Latentiespreiding binnen de familie — een regel waard, want het is een valkuil. De gemeten tijd tot het eerste token van Muse Spark 1.3 is 54,06 seconden bij maximale redeneerstand, tegenover een mediaan van ongeveer 3,7 bij vergelijkbare modellen. Een redeneerintensieve configuratie kan een groot deel van een minuut opslokken voordat het eerste token aankomt. Wat je ook concludeert uit een Muse Spark-rij, controleer welk checkpoint en welk inspanningsniveau eraan ten grondslag lagen.

De vergelijking uitvoeren in plaats van deze te lezen

Geen van beide kanten van deze kop is met argumenten te beslechten, want de twee dingen die op het spel staan — of 39 tegen 36 iets betekent voor jouw verkeer, en of de doorvoer en latentie van Muse Spark Open standhouden op een andere servingstack — zijn alleen zichtbaar in je eigen requests. De goedkope manier om daarachter te komen is om beide op dezelfde prompts te draaien.

Daar zijn we voor. OrcaRouter zet hier de vier modellen die endpoints hebben — Muse Spark 1.2, Muse Spark 1.1, deepseek-v4-pro en deepseek/deepseek-v4.1-flash — achter één API voor meer dan 200 modellen, tegen de lijstprijs van elke provider, met 0% markup doorberekend, zodat een prijsverlaging van een leverancier dezelfde dag nog bij ons live staat. Beide families zitten op één key: geen tweede contract, geen tweede SDK, geen migratie om de ene tegen de andere te testen, en automatische failover zodat een gerouteerd experiment dat slecht uitpakt degradeert naar het andere model in plaats van naar een foutpagina.

Het eerlijkheidsaspect is belangrijker dan de pitch, dus: Muse Spark Open staat niet in onze catalogus en we gaan niet suggereren dat dat wel zo is. Een model waarvan de hele propositie is dat je het kunt downloaden, is een model dat je zelf draait, en de 816B-checkpoint is een hardwarebeslissing — Meta's eigen BF16-recept verdeelt het over vier nodes met elk acht H200's. DeepSeek V4.1 Pro staat ook niet in onze catalogus, want het bestaat niet. De routed test die vandaag beschikbaar is, draait op de checkpoints die dat wel doen: Muse Spark 1.2 en Muse Spark 1.1 aan de ene kant, DeepSeek V4 Pro en DeepSeek V4.1 Flash aan de andere kant.

Wie moet welke kiezen

Als je modaliteit nodig hebt, neem dan die van Meta. Muse Spark Open leest video, afbeeldingen, audio en tekst binnen één budget van 1M tokens en antwoordt in tekst, en niets in de uitgebrachte productlijn van DeepSeek doet dat. DeepSeek V4.1 Flash leest afbeeldingen en biedt met grote afstand meer waar voor je geld, maar het is geen video- of audiomodel, en DeepSeek V4 Pro is een alleen-tekstmodel.

Als je de laagste kosten per voltooide taak nodig hebt, of een licentie nodig hebt waarop je een bedrijf kunt bouwen zonder juridische toetsing, kies dan die van DeepSeek. DeepSeek V4.1 Flash evenaarde de indexscore van Muse Spark Open tegen ongeveer een derde van de kosten per taak volgens de meting van Artificial Analysis, en DeepSeek V4 Pro versloeg die op kosten per taak terwijl het wel het uitgebreidere model was. MIT voor de hele uitgebrachte productlijn betekent geen omzetdrempel en geen attributiezin.

Als je de snelste eerste token nodig hebt voor een interactieve loop, is de 0,65 seconde van Muse Spark Open met een factor twee het beste cijfer in deze vergelijking, en het is de enige as waarop de lagere indexscore duidelijk irrelevant is.

En als de vraag die je hierheen bracht 'moet ik wachten op DeepSeek V4.1 Pro' was, dan is het antwoord vandaag dat er niets is om op te wachten dat een datum heeft. De twee DeepSeek-modellen die je kunt aanroepen, zijn al de modellen waartegen deze vergelijking moet worden uitgevoerd, en een van hen — DeepSeek V4.1 Flash — scoort hoger dan het vlaggenschip waar de tiernaam boven zou staan. Het ding om in de gaten te houden is niet het tiernummer, maar of de DeepSeek-kant van deze tabel überhaupt verandert: een oktober-vermelding in de changelog van DeepSeek, een repository in de deepseek-ai-organisatie, of een vierde geprijsde rij op de pagina Models & Pricing. Tot een van die dingen verschijnt, ligt de interessantere beweging aan Meta's kant van het grootboek, waar een licentie, een hardwarerekening en een uitvoerigheidscijfer van 110M tokens nu allemaal dingen zijn die een lezer daadwerkelijk kan controleren.

Voor een model waarvan de faalmodi nog niet gedocumenteerd zijn, vormt het verslag van wat elders al is misgegaan de nuttige tegenhanger: de gedocumenteerde AI-incidenten en agentstoringen rond modellen in deze klasse zijn verzameld in the OrcaRouter AI Incident Archive, waarbij elke vermelding zijn eigen bronnen, ernstgraad, betrouwbaarheidsgraad en betwist-markering bevat.