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

Artificial Analysis wycenia Muse Spark 1.2 na 0,78 dolara za milion tokenów (średnio) oraz Claude Haiku 4.5 na 0,77 dolara. Dzieli je cent, a pochodzą z dwóch laboratoriów, które nie zgadzały się co do niczego innego. Model Meta nie może przestać rozumować; Claude Haiku 4.5 rozumuje tylko na żądanie. Meta daje ci 1 048 576 tokenów kontekstu; Claude Haiku 4.5 daje 200 000. Meta wypuściła ten model 5 sierpnia 2026 roku jako model do kodowania z dołączonym agentem terminala; Claude Haiku 4.5 trafił na rynek w październiku 2025 roku jako szybki, tani pracownik, któremu większy model mówi, co ma robić. Ta sama cena za token, zupełnie inne maszyny.

Ta zbieżność jest użytecznym punktem wyjścia do porównania, ponieważ eliminuje zmienną, na podstawie której ludzie zwykle podejmują decyzje, a zamiast tego wymusza pytanie o kształt. Poniższa analiza opiera się na niezależnych danych tam, gdzie istnieją — Artificial Analysis dla wyników indeksów i opóźnień laboratoryjnych, własna siedmiodniowa telemetria produkcyjna OrcaRouter dla opóźnień w rzeczywistym ruchu — a dane pochodzące od producenta są odpowiednio oznaczone, w tym jeden nagłówkowy wynik benchmarku producenta, który nie ma odpowiednika u stron trzecich.

Kontrast specyfikacji, jeden wymiar na raz

• Cena — Muse Spark 1.2: 1,25 $ za wejście / 4,25 $ za wyjście za milion; Claude Haiku 4.5: 1,00 $ za wejście / 5,00 $ za wyjście. Meta jest tańsze na wejściu, Claude Haiku 4.5 na wyjściu.

• 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.

• Wejścia — Meta deklaruje obsługę tekstu, obrazów, wideo, audio i PDF; Claude Haiku 4.5 przyjmuje tekst i obrazy. Oba zwracają tekst.

• Wagi i dostawcy — oba zamknięte. Muse Spark 1.2 jest udostępniany wyłącznie przez API Model Meta; Claude Haiku 4.5 jest dostępny u producenta oraz przez typowych resellerów i agregatorów chmurowych.

• 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.

Jeśli producent podaje liczbę, to jest to konkretna liczba: Claude Haiku 4.5 uzyskuje 73.3% w SWE-bench Verified, średnio z 50 prób z budżetem myślenia 128K. To dane producenta, a budżet myślenia w nich zawarty jest ogromny jak na model sprzedawany jako szybki — ale to ta sama ewaluacja, którą branża przytacza dla modeli z czołówki, i stawia Haiku w przedziale, na który jego cena nie wskazuje. Odpowiednie deklaracje Meta dla Muse Spark 1.2 to Terminal-Bench 2.1 na poziomie 82.9% oraz DeepSWE v1.1 na poziomie 59.3%, również przeprowadzone przez producenta, na własnym środowisku Meta, przy czym każdego konkurenta sparowano z jego własnym produktem agentowym. Dwóch dostawców, dwa benchmarki, brak nakładania się. Obecnie nie istnieje ani jedna ewaluacja, w której oba te modele miałyby opublikowany wynik od tego samego ewaluatora.

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.

Przekaz sprzedawcy dotyczący Claude Haiku 4.5 był jednoznaczny w kwestii hierarchii: modele klasy Sonnet planują i orkiestrują, a instancje Haiku wykonują zadania równolegle pod spodem. Tanie, szybkie, jednorazowe, wiele naraz. Projekt produktu jest tego odzwierciedleniem — okno 200K w zupełności wystarcza na podzadanie o zawężonym zakresie i celowo nie wystarcza na całe repozytorium, myślenie jest domyślnie wyłączone, bo pracownik, który deliberuje, to pracownik, który kosztuje orkiestratora pieniądze, a własny marketing sprzedawcy wskazuje jako cel czat w czasie rzeczywistym, obsługę klienta i programowanie w parach.

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.

Jeśli potraktować to jako architekturę, a nie marketing, to jest prawdziwa różnica: dostawca zbudował wykonawcę i oczekuje, że dostarczysz orkiestratora; Meta zbudowała orkiestratora i twierdzi, że on też może działać. Jeśli już masz hierarchię, interesujący eksperyment nie polega na wyborze między nimi — lecz na tym, że Muse Spark 1.2 planuje, a Claude Haiku 4.5 wykonuje, co jest układem, którego żaden dostawca nie sprzeda ci jako pakietu.

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.

Teraz dodaj to, co ukrywa stawka mieszana. Muse Spark 1.2 nie pozwala wyłączyć rozumowania, a przy domyślnym ustawieniu średnim taki krok prawdopodobnie generuje kilka tysięcy tokenów rozumowania przed poprawką — są one rozliczane jako wyjście. Dodaj 3 000, a ten sam krok to 0,075 USD + 0,026 USD = 10,1 centa, czyli około 35% więcej niż Haiku przy identycznych danych wejściowych. Claude Haiku 4.5 z wyłączonym myśleniem nie płaci nic za deliberację i pozostaje na poziomie 7,5 centa; przy dużym budżecie myślenia przewyższy Muse Spark 1.2, ponieważ Claude Haiku 4.5 pobiera 5,00 USD za milion tokenów wyjściowych w porównaniu z 4,25 USD u Meta.

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.

Okno 1M to jedyne miejsce, w którym rachunki się nie zgadzają. Wszystko, co naprawdę wymaga więcej niż 200 000 tokenów w jednym wywołaniu, nie da się uruchomić na Claude Haiku 4.5 za żadną cenę. Albo dzielisz na fragmenty i orkiestrujesz — co jest zamysłem dostawcy — albo używasz modelu z odpowiednim zapasem.

Próbowanie obu bez drugiej umowy.

Claude Haiku 4.5 znajduje się w katalogu OrcaRouter w cenie 1,00 USD i 5,00 USD — to cena producenta, ponieważ OrcaRouter stosuje 0% marży i przekazuje ceny dostawcy bez zmian, co oznacza również, że zmiana ceny przez dostawcę jest u nas widoczna tego samego dnia, a nie w następnym cyklu umownym. Podane powyżej wartości opóźnień produkcyjnych pochodzą z tej samej warstwy routingu.

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.

O tym nie powinien decydować numer indeksu. Zamiast tego zadaj dwa pytania: czy pojedyncze wywołanie kiedykolwiek musi zobaczyć więcej niż 200 000 tokenów, oraz czy na pierwszy token czeka człowiek? Tak na pierwsze wskazuje na Meta. Tak na drugie wskazuje na dostawcę. Tak na oba oznacza, że chcesz dwa modele, co jest uczciwą odpowiedzią częściej, niż przyznaje marketing któregokolwiek z dostawców.