Muse Spark 1.2 vs GPT-5.6 Luna: Trzy punkty indeksowe za 4,6-krotną cenę tokena

Artificial Analysis przepuściło ten sam zestaw dziewięciu benchmarków przez oba modele i ma na to dowody. Przepuszczenie Muse Spark 1.2 przez niego kosztowało 637,85 USD. Przepuszczenie GPT-5.6 Luna przez niego kosztowało 174,06 USD. Za tę 3,7-krotną różnicę w wydatkach model Meta wypadł o trzy punkty lepiej — 54 przeciwko 51 w Intelligence Index. Całe pytanie brzmi, czy to dobry układ, a odpowiedź zależy znacznie mniej od benchmarku niż od dwóch rzeczy, o których prawie nikt nie pisze: jak twój framework agentowy obsługuje cache'owanie promptów i czy twoje obciążenie kiedykolwiek musi coś usłyszeć lub obejrzeć.

Każda poniższa figura to albo niezależny pomiar Artificial Analysis, albo bieżący listing API, albo własna telemetria produkcyjna OrcaRouter — a tę ostatnią warto od razu wskazać, ponieważ w pouczający sposób przeczy wynikom benchmarków. Nic tutaj nie jest deklaracją dostawcy udającą wynik; tam, gdzie jedynym źródłem jest dostawca, zdanie wyraźnie to mówi.

Wynik na tablicy jest bliższy, niż sugeruje cena.

Muse Spark 1.2 uzyskuje 54 punkty w indeksie Artificial Analysis Intelligence przy ustawieniu rozumowania xhigh, zajmując 13. miejsce spośród 185 modeli przy medianie klasy wynoszącej 32. GPT-5.6 Luna uzyskuje 51 punktów przy maksymalnym wysiłku. Trzy punkty różnicy w złożonym wskaźniku obejmującym GDPval-AA v2, τ³-Banking, Terminal-Bench v2.1, SciCode, Humanity's Last Exam, GPQA Diamond, CritPt, AA-Omniscience oraz AA-LCR.

Trzy punkty to realna, ale niewielka różnica, a wyniki cząstkowe dostępne dla poprzedniej generacji wskazują, skąd się bierze. Dane Artificial Analysis dla poszczególnych wymiarów plasują Muse Spark 1.1 na wskaźniku kodowania 71,3 i wskaźniku agentowym 37,5; GPT-5.6 Luna osiąga 71,4 i 45,6. W kodowaniu był remis, a Luna wyprzedzała o osiem punktów w pracy agentowej — czyli dokładnie w tym wymiarze, który Meta przypisała sobie w przepisanym opisie produktu 1.2. Wynik złożony przesunął się o trzy punkty na korzyść Meta. Nikt jeszcze nie opublikował rozbicia na poszczególne wymiary dla 1.2, więc to, czy luka w zdolnościach agentowych faktycznie się zamknęła, pozostaje niezweryfikowane.

Przy uśrednionej cenie tokenów różnica nie jest subtelna. Według Artificial Analysis uśredniona stawka dla Muse Spark 1.2 wynosi 0,78 USD za milion tokenów, a dla GPT-5.6 Luna – 0,17 USD. Ceny katalogowe: 1,25 USD za wejście i 4,25 USD za wyjście dla Muse Spark 1.2, 0,20 USD za wejście i 1,20 USD za wyjście dla Luna.

Wyceniane za jednostkę pracy, a nie za token, pojedynczy krok agenta kodującego, czytający 60 000 tokenów kontekstu i zapisujący 3 000 tokenów wyniku, kosztuje około 8,8 centa na Muse Spark 1.2 i około 1,6 centa na GPT-5.6 Luna. Przy tysiącu kroków dziennie daje to 88 dolarów wobec 16 dolarów — różnica wynosząca około 26 000 dolarów rocznie dla jednej pętli agenta.

Cache'owanie to punkt, w którym luka albo się zamyka, albo podwaja.

Oba modele oferują agresywne stawki za odczyt danych z pamięci podręcznej, a stosunek między nimi nie jest taki sam jak stosunek ich cen katalogowych. Muse Spark 1.2 oferuje odczyt danych z pamięci podręcznej za 0,15 USD za milion, co stanowi 88% zniżki w stosunku do stawki 1,25 USD. GPT-5.6 Luna oferuje odczyt danych z pamięci podręcznej za 0,01 USD za milion, co stanowi 95% zniżki w stosunku do 0,20 USD.

Uruchom ponownie ten sam krok agenta z prefiksem 60 000 tokenów serwowanym z ciepłego cache: Muse Spark 1.2 spada z 8,8 centa do około 2,2 centa. Luna spada z 1,6 centa do około 0,4 centa. Różnica bezwzględna zmniejsza się z 7,2 do 1,8 centa na krok, ale krotność pozostaje mniej więcej taka sama — cache nie ratuje droższego modelu, po prostu obniża koszty obu o podobną wielokrotność. Zmienia się natomiast to, która pozycja dominuje: dla modelu z cache koszt Muse Spark 1.2 składa się w 59% z tokenów wyjściowych, a nie w 85% z tokenów wejściowych, więc rozwlekłość modelu zaczyna mieć większe znaczenie niż rozmiar jego kontekstu.

To nie jest hipotetyczna obawa. Muse Spark 1.2 wygenerował 95M tokenów wyjściowych, przechodząc przez Intelligence Index, przy medianie 65M. Własne podsumowanie Artificial Analysis nazywa to „nieco rozwlekłym”. Luna spaliła 130M, co brzmi gorzej, dopóki nie pomnożysz przez $1.20 zamiast $4.25.

Materiały produktowe Meta twierdzą, że przechowywanie promptów w pamięci podręcznej może obniżyć efektywny koszt o 60–80% w zależności od tego, jaka część kontekstu się powtarza. To jest szacunek dostawcy, a nie pomiar, ale powyższe obliczenia mieszczą się w tym zakresie.

Opóźnienie: oś, na której benchmark odwraca prawdę

Wystarczy spojrzeć na same wartości opóźnień z Artificial Analysis, aby dojść do wniosku, że to Muse Spark 1.2 jest tym responsywnym. Czas do pierwszego tokenu: 26.12 sekund dla Muse Spark 1.2, 126.99 sekund dla GPT-5.6 Luna. Prawie pięć razy szybciej.

Obie te wartości są mierzone przy najdroższym ustawieniu rozumowania każdego modelu — xhigh dla Muse Spark, max dla Luny. Żadna z nich nie jest tym, co zobaczysz. Na OrcaRouter, w ciągu tygodnia rzeczywistego ruchu, przy dowolnym poziomie wysiłku, o który faktycznie proszą wywołujący, GPT-5.6 Luna wykazuje p50 czasu do pierwszego tokenu wynoszący 1,84 sekundy oraz p95 9,68 sekundy. Muse Spark 1.1 wykazuje identyczne p50 1,84 sekundy z ciaśniejszym p95 6,00 sekundy. Nie ma jeszcze telemetrii produkcyjnej dla 1.2, ponieważ jest zbyt nowa.

Różnica strukturalna jest bardziej użyteczna niż którakolwiek z tych liczb. Rozumowanie GPT-5.6 Luna jest opcjonalne — pokrętło wysiłku działa od braku przez niski, średni, wysoki, xwysoki, do maksimum, i naprawdę możesz wyłączyć myślenie przy klasyfikacji, routingu lub ekstrakcji. Rozumowanie Muse Spark 1.2 jest obowiązkowe. Pokrętło osiąga minimum na poziomie minimalnym, i nie ma ustawienia, które daje ci wagi bez płacenia za deliberację. W przypadku wszystkiego, co jest wysokowolumenowe i wrażliwe na opóźnienia, jest to ograniczenie projektowe, a nie parametr strojenia.

Ciągła przepustowość jest zbliżona: 165,0 tokenów na sekundę dla Muse Spark 1.2 wobec 177,9 dla Luna, oba znacznie powyżej mediany klasy wynoszącej 71.

Przypis dotyczący cen, o który każdy się potknie

Cena GPT-5.6 Luna jest obecnie prezentowana różnie w zależności od źródła, a jeśli budujesz model kosztów, powinieneś o tym wiedzieć, zanim zacytujesz konkretną liczbę. Zarówno Artificial Analysis, jak i katalog OrcaRouter pokazują $0.20 za milion tokenów wejściowych i $1.20 za milion tokenów wyjściowych — stawkę obowiązującą po lipcowej obniżce ceny GPT-5.6, tę samą, której Artificial Analysis użył do obliczenia widocznego powyżej rachunku ewaluacyjnego w wysokości $174.06. Niektóre wpisy w marketplace'ach pokazują obecnie $0.10 i $0.60 z osobnym wyższym progiem, który wchodzi w życie powyżej 272 000 tokenów promptu. Bezpiecznym posunięciem jest sprawdzenie ceny na endpointcie, który faktycznie wywołujesz, zamiast tej z artykułu porównawczego.

Mechanizm progów cenowych jest realny niezależnie od tego, która stawka bazowa ma zastosowanie, a temat jest naprawdę słabo nagłośniony: Cena Luny wzrasta, gdy pojedyncze żądanie przekroczy mniej więcej 272 000 tokenów promptu. Input mniej więcej się podwaja, output rośnie o połowę, a odczyty z pamięci podręcznej skalują się proporcjonalnie. Jeśli powodem, dla którego przyglądasz się Lunie, jest jej okno kontekstowe o pojemności 1,05 mln tokenów, zauważ, że stawka reklamowana przestaje obowiązywać już po około jednej czwartej okna. Muse Spark 1.2 oferuje stałą stawkę dla pełnych 1 048 576 tokenów, bez dopłaty za długi kontekst — w przypadku naprawdę długich pojedynczych żądań efektywna różnica między tymi dwoma rozwiązaniami znacznie się zawęża.

Czego Luna nie może zrobić za żadną cenę

Różnica modalności jest najbardziej jednoznacznym powodem, aby wybrać jedno zamiast drugiego, i nie pojawia się ona na żadnej liście rankingowej.

• Wejścia — Muse Spark 1.2 przyjmuje tekst, obrazy, wideo, audio i dokumenty PDF według listy Meta. GPT-5.6 Luna przyjmuje tekst, obrazy i pliki. Bez audio, bez wideo. Jeśli Twój potok przetwarzania obejmuje nagrania lub materiały wideo, Luna w ogóle nie jest kandydatem.

• Maksymalne wyjście — Luna deklaruje górny limit 128 000 tokenów. Punkt końcowy Muse Spark 1.2 nie deklaruje maksymalnej długości uzupełnienia, co jest na tyle nietypowe, że powinieneś go przetestować, zamiast planować na jego podstawie.

• Granica wiedzy — dla Luny podano datę 16 lutego 2026 r. Meta nie podaje granicy wiedzy dla Muse Spark 1.2, więc w obu przypadkach uwzględnij budżet na wyszukiwanie.

• Dostępność — Luna jest ogólnie dostępna na całym świecie za pośrednictwem wielu tras. Muse Spark 1.2 jest obsługiwany przez dokładnie jednego dostawcę: Meta. Jeden punkt końcowy, jedna polityka regionu, jedna rzecz, która może paść.

• Moderacja — oba punkty końcowe są moderowane.

Jedna uczciwa uwaga co do przewagi multimodalnej: karta specyfikacji technicznej Artificial Analysis dla Muse Spark 1.2 podaje tekst i obraz jako wejścia, które oceniono, a nie pełną, pięciomodalną powierzchnię reklamowaną przez Metę. API przyjmuje więcej, niż ktokolwiek niezależnie przetestował.

Adopcja, ponieważ akurat jest mierzalna.

Benchmarki mówią, co model potrafi; ruch pokazuje, co ludzie mu powierzają. W ciągu tygodnia kroczącego na OrcaRouter, GPT-5.6 Luna obsłużył 4 679,4 mln tokenów. Muse Spark 1.1 — ten sam kontekst 1M, porównywalny wynik indeksu, cztery tygodnie starszy w katalogu — obsłużył 4,4 mln. To czynnik rzędu tysiąca.

Część z tego to kwestia dystrybucji: Luna jest domyślną opcją w większej liczbie narzędzi i ma status GA na całym świecie od dłuższego czasu, podczas gdy rodzina Muse Spark zadebiutowała tylko w USA. Ale tysiąckrotna przewaga na routerze, gdzie oba modele dzieli jeden ciąg znaków w nazwie, to nie wyłącznie kwestia dystrybucji. To praktyczny powód, dla którego Luna jest bezpieczniejszym wyborem domyślnym, a Muse Spark 1.2 jest czymś, co oceniasz świadomie.

Warto odnotować, co dziś można, a czego nie można wynająć: GPT-5.6 Luna jest w katalogu OrcaRouter w cenie 0,20 USD i 1,20 USD — tych samych liczbach, które widnieją na własnym cenniku dostawcy, bo stosujemy 0% marży i przekazujemy cenę katalogową dostawcy wprost. Muse Spark 1.1 jest tam w cenie 1,25 USD i 4,25 USD na tej samej zasadzie. Muse Spark 1.2 nie ma jeszcze w katalogu — jest udostępniany bezpośrednio przez Meta. Najtańszym sposobem uczciwego przeprowadzenia tego porównania jest dziś Luna przeciwko Muse Spark 1.1 na jednym kluczu, zmieniając jeden ciąg znaków między uruchomieniami, a następnie ponowne testowanie z wersją 1.2, gdy się pojawi.

Wybierz jeden.

Weź GPT-5.6 Luna jeśli obciążenie jest wysokie i ma charakter tekstowy: czat, klasyfikacja, ekstrakcja, routing, lekkie użycie narzędzi. To jedna czwarta ceny mieszanej, pozwala całkowicie wyłączyć rozumowanie, jego p50 wynoszące 1,84 sekundy to prawdziwa zmierzona wartość produkcyjna, a nie artefakt benchmarku, i to model, za którym stoi tysiąc razy większy ruch na żywo. Trzy punkty indeksowe nie przetrwają tej arytmetyki.

Wybierz Muse Spark 1.2, jeśli obciążenie to długoterminowe kodowanie agentowe — refaktoryzacje wielu plików, rozszerzone debugowanie, praca nad całym repozytorium — lub jeśli obejmuje wejście audio lub wideo, gdzie Luna po prostu nie może konkurować. Jest to również lepszy wybór w przypadku naprawdę ogromnych pojedynczych żądań, ponieważ jego stawka jest stała w całym milionie tokenów, podczas gdy stawka Luny wzrasta powyżej 272K.

Weź oba, jeśli jesteś ze sobą szczery co do tego, jak faktycznie buduje się systemy agentowe. Wzorzec, który niezmiennie wygrywa, to tani model obsługujący rutynową większość wywołań i drogi model zarezerwowany dla kroków, w których jakość się opłaca. Oba modele są dostępne przez jeden endpoint zgodny z OpenAI, więc ten podział to reguła routingu, a nie relacja z drugim dostawcą — a jeśli drogie ramię padnie w trakcie działania, automatyczne przełączanie awaryjne sprawia, że Twoja ewaluacja nie zatruwa się po cichu połową zbioru danych.

Rzeczą, na którą warto uważać przez najbliższy miesiąc, jest zestawienie wyników w podziale na wymiary. Cały przekaz Muse Spark 1.2 opiera się na możliwościach agentowych, a w poprzedniej generacji to właśnie w tym wymiarze Luna prowadziła o osiem punktów. Dopóki ktoś nie opublikuje indeksu agentowego dla wersji 1.2, trzymiesięczny wzrost wskaźnika złożonego jest jedynym dowodem na to, że Meta zniwelowała przewagę.