Muse Spark 1.2 vs Claude Haiku 4.5: Identyczna cena mieszana, przeciwstawne podejścia do myślenia

Artificial Analysis prices Muse Spark 1.2 at $0.78 per million tokens blended and Claude Haiku 4.5 at $0.77. One cent apart, from two labs that agreed on nothing else. Meta's model cannot stop reasoning; Claude Haiku 4.5 only reasons when you ask it to. Meta gives you 1,048,576 tokens of context; Claude Haiku 4.5 gives you 200,000. Meta shipped this one on August 5, 2026 as a coding model with a terminal agent attached; Claude Haiku 4.5 shipped in October 2025 as the fast, cheap worker a bigger model tells what to do. Same price per token, entirely different machines.

That coincidence is the useful place to start a comparison, because it removes the variable people usually decide on and forces the question to be about shape instead. What follows uses independent numbers where they exist — Artificial Analysis for index scores and lab latency, OrcaRouter's own seven-day production telemetry for real-traffic latency — and flags vendor-reported figures as such, including one benchmark headline of the vendor's that has no third-party counterpart.

Kontrast specyfikacji, jeden wymiar na raz

• Price — Muse Spark 1.2 at $1.25 in / $4.25 out per million; Claude Haiku 4.5 at $1.00 in / $5.00 out. Meta is cheaper on input, Claude Haiku 4.5 on output.

• Cache — 0,15 USD za milion trafień w cache Muse Spark 1.2, czyli 88% zniżki; 0,10 USD za milion odczytów z cache Claude Haiku 4.5, czyli 90% zniżki, a zapisy do cache są rozliczane po 1,25 USD.

• Kontekst — 1 048 576 tokenów wobec 200 000. Różnica 5,2× i największa pojedyncza luka między nimi.

• Maksymalna długość odpowiedzi — Claude Haiku 4.5 deklaruje limit 64 000 tokenów; endpoint Muse Spark 1.2 nie deklaruje żadnej maksymalnej długości uzupełnienia, co jest na tyle nietypowe, że warto to przetestować, a nie zakładać.

• Rozumowanie — obowiązkowe w Muse Spark 1.2, z pięcioma poziomami wysiłku od minimalnego do bardzo wysokiego i domyślnym średnim; opcjonalne w Claude Haiku 4.5, który jest modelem bez rozumowania, dopóki nie włączysz rozszerzonego myślenia i nie zapewnisz mu budżetu na myślenie.

• Inputs — Meta advertises text, images, video, audio and PDF; Claude Haiku 4.5 takes text and images. Both return text.

• Weights and providers — both closed. Muse Spark 1.2 is served only by Meta's own Model API; Claude Haiku 4.5 is available from the vendor and through the usual cloud resellers and aggregators.

• Wiek — Muse Spark 1.2 ma zaledwie kilka dni. Claude Haiku 4.5 działa produkcyjnie od 15 października 2025 r., z granicą wiedzy na lipiec 2025 i dziewięcioma miesiącami zdobytego doświadczenia w praktyce za sobą.

Luka indeksowa jest realna. Liczba, którą wszyscy będą cytować, nie jest.

Artificial Analysis ocenia Muse Spark 1.2 na 54 w swoim Intelligence Index — pozycja #13 z 185. Obecny wynik dla Claude Haiku 4.5 to 24. Zestaw te liczby obok siebie, a masz nagłówek; spójrz, co te wyniki naprawdę oznaczają, a nagłówek się rozpada.

54 to Muse Spark 1.2 oceniony przy ustawieniu xhigh, czyli jego najdroższym ustawieniu rozumowania. 24 to Claude Haiku 4.5 oceniony jako model bez rozumowania — z wyłączonym myśleniem — a Artificial Analysis oznacza to jako szacunek, a nie ukończone uruchomienie. We wcześniejszej wersji tego samego indeksu, przed zmianą wag w v4.1, Artificial Analysis wskazywało Claude Haiku 4.5 na 55 z włączonym rozumowaniem i 42 bez niego. Tych starszych liczb również nie można porównywać z 54, ponieważ wersje indeksu zmieniają skalę, a wynik z ery v3 nie jest wynikiem z v4.1.

Tak więc uczciwe stwierdzenie jest węższe, niż wskazywałaby na to tabela wyników: Muse Spark 1.2 przy maksymalnym wysiłku zdobywa 54 punkty w bieżącym indeksie; nie ma opublikowanego wyniku v4.1 dla Claude Haiku 4.5 z włączonym rozszerzonym myśleniem, więc nie istnieje jeszcze porównanie tych dwóch modeli przy pełnym wysiłku. Każdy, kto pokazuje 54 kontra 24, porównuje model w pełnym namyśle z modelem, któremu nakazano się nie zastanawiać.

Where the vendor has published a number, it is a specific one: Claude Haiku 4.5 scores 73.3% on SWE-bench Verified, averaged over 50 trials with a 128K thinking budget. That is a vendor figure, and the thinking budget in it is enormous for a model marketed on speed — but it is the same evaluation the industry quotes for frontier models, and it puts Haiku in a bracket its price does not suggest. Meta's counterpart claims for Muse Spark 1.2 are Terminal-Bench 2.1 at 82.9% and DeepSWE v1.1 at 59.3%, also vendor-run, on Meta's own harness with each competitor paired to its own agent product. Two vendors, two benchmarks, no overlap. There is currently no single evaluation on which both of these models have a published score from the same evaluator.

Cztery liczby opóźnień, dwie różne historie

Opóźnienie to obszar, w którym ujęcie „ta sama cena” przestaje być ciekawostką, a staje się decyzją, i to również obszar, w którym źródło pomiaru ma największe znaczenie.

W środowisku testów porównawczych Artificial Analysis odnotowuje czas do pierwszego tokenu wynoszący 26.12 sekundy dla Muse Spark 1.2 przy ustawieniu xhigh oraz 1.00 sekundy dla Claude Haiku 4.5. To 26-krotna różnica, a gdyby to był cały obraz sytuacji, porównanie byłoby zakończone.

W produkcji jest odwrotnie. W ciągu siedmiu dni rzeczywistego ruchu na OrcaRouter — gdy wywołujący używają takiego wysiłku, jakiego faktycznie chcą — Claude Haiku 4.5 pokazuje p50 czasu do pierwszego tokena wynoszący 3,84 sekundy i p95 10,00 sekund, przy 214 tokenach na sekundę i 1,0% wskaźniku błędów. Muse Spark 1.1, wersja modelu Meta dostępna w katalogu, pokazuje p50 1,84 sekundy i p95 6,00 sekund, przy 519 tokenach na sekundę i bez odnotowanych błędów. W ruchu na żywo to model Meta jest szybszy.

Oba zestawy liczb są prawdziwe i mierzą różne rzeczy. Wartość laboratoryjna przedstawia każdy model przy maksymalnym namyśle i zimnym cache, co jest uczciwym testem pułapu, ale słabym testem okna czatu. Wartość produkcyjna uwzględnia trafienia cache, krótkie prompty, niskie poziomy wysiłku i wszystko inne, co robią prawdziwe aplikacje, co jest uczciwym testem mediany, a wcale nie testem najgorszego przypadku. Pułapka polega na cytowaniu jednej i wnioskowaniu na podstawie drugiej. Jeśli dobierasz limit czasu dla użytkownika, twoją liczbą jest p95. Jeśli pytasz, ile w czasie zegarowym kosztuje głęboki krok agenta, wartość z benchmarku jest bliższa prawdy — a uczciwym zastrzeżeniem jest, że taka wartość produkcyjna dla samego Muse Spark 1.2 jeszcze nie istnieje, bo jest zbyt nowy i nie trafia do niego szeroki ruch.

Oba laboratoria sprzedały ci subagenta. Miały na myśli różne rzeczy.

The vendor's pitch for Claude Haiku 4.5 was explicit about hierarchy: Sonnet-class models plan and orchestrate, Haiku instances execute in parallel underneath. Cheap, fast, disposable, many at once. The product design follows — a 200K window is plenty for a scoped subtask and deliberately not enough for a whole repository, thinking is off by default because a worker that deliberates is a worker that costs orchestrator money, and the vendor's own marketing names real-time chat, customer service and pair programming as the target.

Meta w swoim pitchu dla Muse Spark 1.2 twierdzi, że obejmuje on oba końce tej samej hierarchii. Materiały Meta mówią, że model może być głównym agentem, który gromadzi kontekst, planuje i deleguje zadania, albo subagentem działającym równolegle pod nadrzędnym agentem. Muse Code, agent terminalowy wydany wraz z nim, koordynuje wiele trwałych subagentów dla każdego zadania w izolowanych drzewach roboczych, w środowisku uruchomieniowym opartym na dzienniku zdarzeń z możliwością dokładnego odtwarzania. Okno miliona tokenów i zawsze aktywne rozumowanie to to, czego potrzebuje planista; to dokładnie te cechy, których nie wybrałbyś dla pracownika wykonującego zadania równolegle, ponieważ każda równoległa instancja płaci za namysł, o który nie prosiłeś.

Read as architecture rather than marketing, that is the real difference: the vendor built a worker and expects you to bring an orchestrator; Meta built an orchestrator and claims it can also work. If you already run a hierarchy, the interesting experiment is not choosing between them — it is Muse Spark 1.2 planning and Claude Haiku 4.5 executing, which is a shape neither vendor will sell you as a package.

Ile kosztuje jeden prawdziwy krok na każdym

Stawki za milion tokenów nie decydują o niczym w modelach rozumujących, ponieważ model sam wybiera, ile tokenów zużyć. Zamiast tego wyceń krok.

Weźmy konkretne zadanie kodowania: 60 000 tokenów kontekstu repozytorium na wejściu, 3 000 tokenów łatki na wyjściu. Na zimno, Claude Haiku 4.5 kosztuje 0,060 USD za wejście plus 0,015 USD za wyjście — 7,5 centa. Muse Spark 1.2 kosztuje 0,075 USD plus 0,013 USD — 8,8 centa. Wystarczająco blisko, by uznać to za szum, dokładnie tak, jak obiecywała mieszana stawka.

Now add the thing the blended rate hides. Muse Spark 1.2 cannot turn reasoning off, and at its default medium setting a step like this plausibly emits a few thousand reasoning tokens before the patch — they bill as output. Add 3,000 and the same step is $0.075 + $0.026 = 10.1 cents, about 35% above Haiku on identical inputs. Claude Haiku 4.5 with thinking off pays nothing for deliberation and stays at 7.5 cents; with a large thinking budget it will exceed Muse Spark 1.2, because Claude Haiku 4.5 charges $5.00 per million output against Meta's $4.25.

Buforowanie ponownie przesuwa akcent. Utrzymaj stabilny kontekst repozytorium, aby trafiał do cache, a koszt wejścia Haiku spadnie do $0.006, a Muse Spark 1.2 do $0.009 — strona wejściowa przestaje mieć jakiekolwiek znaczenie, a całe porównanie staje się walką o tokeny wyjściowe, czyli walką o to, ile każdy model myśli. Przy obciążeniu powtarzającym kontekst stabilność klucza cache jest warta więcej niż wybór modelu — i dotyczy to obu tych modeli.

The 1M window is the one place the arithmetic is not close. Anything that genuinely needs more than 200,000 tokens in a single call cannot be run on Claude Haiku 4.5 at any price. You either chunk and orchestrate — which is what the vendor intends — or you use a model with the room.

Próbowanie obu bez drugiej umowy.

Claude Haiku 4.5 is in the OrcaRouter catalog at $1.00 and $5.00 — the vendor's list price, because OrcaRouter runs 0% markup and passes provider pricing through untouched, which also means a vendor price change is live on our side the same day rather than at the next contract cycle. The production latency figures above come from that same routing layer.

Muse Spark 1.2 nie ma w katalogu. API modelu Meta jest obecnie jedynym miejscem, w którym można go wywołać, więc prawdziwe porównanie bezpośrednie oznacza dziś jedną integrację przez nas i jedną bezpośrednio z Meta. Muse Spark 1.1 jest hostowany w tej samej cenie 1,25 USD i 4,25 USD, które Meta pobiera za 1.2, co czyni go rozsądnym zamiennikiem dla kształtu kosztów i opóźnień rodziny, ale nie dla korzyści programistycznych, które 1.2 ma oferować. Gdy 1.2 będzie routowalny, porównanie stanie się zmianą jednego wiersza w stringu modelu przy tym samym kluczu — a w opisanym powyżej eksperymencie orchestrator-plus-worker, DSL routingu to sposób na podłączenie planisty i workera fan-out do jednego wywołania, zamiast samodzielnego budowania przekazania.

Wybieraj po kształcie pracy, nie po wyniku.

Wybierz Claude Haiku 4.5 gdy praca jest ograniczona, a użytkownik czeka. Wspiera agentów obsługi, klasyfikację, ekstrakcję, czat, dokończenia kodu w programowaniu w parze oraz warstwę równoległych pracowników w hierarchii agentów. To znana wielkość z dziewięciomiesięczną historią wdrożeń, myślenie jest opcjonalne, więc płacisz za namysł tylko wtedy, gdy chcesz, a 200K wystarcza do prawie każdego podzadania o określonym zakresie. Jego opublikowany wynik SWE-bench Verified pokazuje, że jest znacznie bardziej wydajny, niż sugerowałaby cena, pod warunkiem że jesteś gotów poświęcić budżet myślenia, który został użyty do uzyskania tego wyniku.

Wybierz Muse Spark 1.2 gdy jednostką pracy jest repozytorium, a nie żądanie. Refaktoryzacje wielu plików, rozszerzone debugowanie, generowanie całego projektu, długookresowe pętle agentów, gdzie nikt nie patrzy na spinner. Okno miliona tokenów eliminuje problem dzielenia na fragmenty, którego Haiku nie może rozwiązać za żadną cenę, a obowiązkowe rozumowanie, które sprawia, że nie nadaje się do czatu, jest właściwym domyślnym ustawieniem, gdy błędny plan kosztuje więcej niż wolny.

What should decide it is not the index number. Ask two questions instead: does a single call ever need to see more than 200,000 tokens, and is there a human waiting on the first token? Yes to the first points at Meta. Yes to the second points at the vendor. Yes to both means you want two models, which is the honest answer more often than either vendor's marketing admits.