Muse Spark vs DeepSeek V4.1 Pro: Jeden download się pojawił, drugi nigdy nie został wydany

Trzy nazwy rozstrzygają to starcie, a tylko dwie z nich to coś, co można trzymać w rękach. Muse Spark Open stał się realnym plikiem do pobrania 15 października 2026, gdy Meta opublikowała wagi, konfigurację i licencję dla otwartego członka swojej Meta Muse Spark rodziny. DeepSeek V4.1 Pro nigdy nie został wydany: ten poziom nazwano dokładnie raz, we wpisie do changelogu z 10 września opisującym plan routingu, który natychmiast wycofano, i od tamtej pory nie opublikowano żadnej karty modelu, żadnego wiersza cennika, żadnego repozytorium ani żadnej daty. Trzecia nazwa to ta, która czyni nagłówek możliwym do rozstrzygnięcia, bo to flagowiec, przeciwko któremu czytelnik faktycznie dokonywałby wyboru — DeepSeek V4 Pro, flagowiec o 1,6 biliona parametrów na licencji MIT, dostępny do pobrania i wywoływania od 13 sierpnia 2026, a poniżej DeepSeek V4.1 Flash jako tani, szybki, czytający obrazy członek tej samej linii.

Ujęte w ten sposób, ciekawe pytanie nie brzmi, który model jest mądrzejszy. Brzmi: co zmieniło się dla kogoś, kto buduje na wagach, a nie na endpointach: jedna strona tego porównania nabyła wczoraj licencję, którą można przeczytać i się o nią spierać, druga nigdy takiej nie miała, a arytmetyka ceny za zadanie działa odwrotnie niż arytmetyka ceny za token.

Dwie połowy nagłówka nie są tym samym rodzajem obiektu

Kształt tego zestawienia jest na tyle nietypowy, że warto go omówić, zanim podamy jakiekolwiek liczby. Zwykle strona „vs” ma problem z wersją — dwie nazwy modeli, z których każda skrywa po trzy checkpointy. Tutaj jedna strona ma problem z wersją, a druga ma problem z istnieniem.

Strona Meta rozwiązuje to jednoznacznie. Muse Spark to rodzina, a nie premiera: linia została wprowadzona 8 kwietnia 2026 r. i od tego czasu czterokrotnie zmieniła kierunek. Muse Spark 1.1 pojawił się 16 lipca 2026 r., Muse Spark 1.2 5 sierpnia, a Muse Spark 1.3 2 września; poziom rozumowania „max” w wersji 1.3 udostępniono dwa dni później, 4 września, po dodatkowych testach bezpieczeństwa. Muse Spark Open to piąty artefakt pod tą nazwą i jedyny, który możesz hostować samodzielnie.

Strona DeepSeek nie daje żadnego rozstrzygnięcia. DeepSeek V4.1 Pro to nazwa poziomu, za którą nic nie stoi, a różnica między nią a czterema modelami DeepSeek, które rzeczywiście istnieją, jest całym powodem, dla którego ta strona musi wskazać zamiennik. Uczciwa interpretacja jest taka, że czytelnik szukający tego zestawienia ma przed sobą dwa różne pytania — co Meta właśnie umieściła na dysku i kiedy obiecany poziom DeepSeek faktycznie będzie istnieć.

Co tak naprawdę wylądowało i jak długo tam leżało

Muse Spark Open nie jest niespodziewanym wydaniem ani nie jest też konwencjonalną premierą, a różnica między tymi dwoma opisami jest najciekawszą rzeczą w tym wydaniu. Repozytorium Hugging Face — checkpoint BF16 i osobny build NVFP4, pod nazwą Muse-Spark-Open-816B-A42B — ma znacznik czasu utworzenia 2026-09-15. Potem przez miesiąc leżało tam, z ograniczonym dostępem i nieogłoszone, podczas gdy tekst licencji i polityka użytkowania w formularzu dostępu miały własną datę: 15 października 2026. Artefakt istniał w ciszy; dokumentacja dogoniła go miesiąc później.

Co metadane i własny wpis Meta o wydaniu ustalają bez czyjegokolwiek benchmarku:

• Skala — około 816 miliardów całkowitych parametrów, z około 42 miliardami aktywnymi na token, rzadka mieszanka ekspertów w 62 warstwach i 256 ekspertów na warstwę MoE, z 8 wybieranymi na token.

• Kontekst — okno o rozmiarze 1 048 576 tokenów, współdzielone przez wszystkie modalności, a nie dzielone między nimi.

• Modalności — tekst, obraz, wideo i audio na wejściu; tekst na wyjściu. Niezależny wykaz Artificial Analysis odnotowuje ten sam wiersz wejściowy, opisując model, który przyjmuje tekst, obraz, mowę i wideo.

• Reasoning — ustawienie wysiłku rozumowania z poziomami low, medium, high i xhigh oraz bez możliwości całkowitego wyłączenia rozumowania.

• Dostęp — ograniczony. Formularz wniosku wymaga podania pełnego imienia i nazwiska, daty urodzenia oraz organizacji wraz z identyfikatorami korporacyjnymi i nie można go edytować po przesłaniu. Kto traktuje to jako pobranie jednym kliknięciem, powinien liczyć się z kolejką.

To jest ta część zapisu, która jest ustalona. Częścią, która nie jest ustalona, jest pomiar, i warto być precyzyjnym co do tego, co jest czym — zobacz sekcję z liczbami poniżej.

Organizacja deepseek-ai i nazwa, której w niej nie ma

Wszystko, co opublikowano o DeepSeek V4.1 Pro, mieści się w jednym zdaniu z własnego changelogu DeepSeek z 2026-09-10, w notce towarzyszącej wydaniu DeepSeek V4.1 Flash. Mówiło ono, że od 04:00 UTC 14 września żądania kierowane do deepseek-v4-pro będą przekierowywane do nowo wydanego modelu Flash i rozliczane według stawek Flash, i że potrwa to „do czasu premiery V4.1-Pro”. Programiści sprzeciwili się zastąpieniu im modelu produkcyjnego bez okna migracyjnego, a ten sam wpis w changelogu odnotowuje wycofanie się z tej decyzji: DeepSeek zdecydował, że po 14 września nadal będzie obsługiwać DeepSeek V4 Pro, bez zmian w rozliczeniach.

Plan routingu umarł. Nazwa go przetrwała, a ta klauzula stanowi całość publicznego zapisu. Zweryfikowano na podstawie źródeł pierwotnych 16 października 2026 r.:

• Strona Models & Pricing firmy DeepSeek podaje dokładnie dwie nazwy modeli — deepseek-flash i deepseek-v4-pro, które odpowiadają modelom DeepSeek-V4.1-Flash i DeepSeek-V4-Pro-0813. Nie ma żadnej kolumny, wiersza ani ceny dla wersji V4.1 Pro.

• Dziennik zmian DeepSeek nie zawiera żadnego wpisu z października, a jego najnowsze wpisy to 2026-09-10, 2026-08-21 i 2026-08-13.

• Organizacja deepseek-ai na Hugging Face nie ma repozytorium o nazwie V4.1 Pro. Jej najnowsze repozytorium modelu to DeepSeek-V4.1-Flash, utworzone 2026-09-10.

Jeden niepotwierdzony sygnał jest wart odnotowania i nic ponadto. Rankiem 15 października tracker zgłosił, że punkt końcowy DeepSeek zachowuje się inaczej po zakończeniu awarii usługi — rozwiązując prompt rozumowania relacyjnego, którego nie zaliczyły zarówno DeepSeek-V4-Pro-0813, jak i generacja V4.1, co powtórzyło się w czterech próbkach, przy około 180 tokenach na sekundę — i zgadł nazwę V4.1 Pro. Nie stoi za tym żadna karta modelu, plik wag ani oświadczenie dostawcy, a cicha przebudowa istniejącej konfiguracji serwowania wyglądałaby z zewnątrz identycznie. Traktować to jako powód do obserwacji, a nie jako wydanie.

To, co V4.1 Pro prawie na pewno odziedziczy, warto omówić osobno, ponieważ to wnioskowanie, a nie relacja. Każdy model DeepSeek wydany w liniach V4 i V4.1 — DeepSeek-V4-Pro-0813, DeepSeek-V4-Flash, DeepSeek-V4-Flash-0731 i DeepSeek-V4.1-Flash — ma na swojej karcie modelu license:mit, a udostępniany zakres był spójny: 1 mln tokenów na wejściu, do 384 tys. na wyjściu. Od poziomu Pro w tej linii oczekiwano by zgodności z oboma tymi elementami. Nie opublikowano niczego, co by to potwierdzało.

Oś, której żadna tablica wyników nie niesie: licencja

I tu właśnie drogi obu opcji z otwartymi wagami naprawdę się rozchodzą; to sekcja, która przesądza o artykule dla każdego, kto wdraża produkt, a nie przeprowadza benchmarku. Wpis Artificial Analysis dla Muse Spark Open odpowiada na kwestię licencji: „użycie komercyjne jest dozwolone z ograniczeniami”, a przyczyna tkwi w samym tekście Meta.

Licencja Muse Model nie jest licencją OSI ani licencją MIT. Dwie klauzule zmieniają to, co w praktyce oznaczają „otwarte wagi", a żadnej z nich nie ma w nagłówku.

• Postanowienie dotyczące modelu jako usługi. Sekcja 3 wymaga, aby — jeśli Ty lub Twoje podmioty stowarzyszone zapewniacie stronom trzecim dostęp do modelu jako produktu lub usługi przez API, a Twoje łączne przychody brutto przekraczają dwadzieścia milionów dolarów amerykańskich w dowolnym okresie dwunastu następujących po sobie miesięcy — powiadomić Meta i zawrzeć odrębną pisemną umowę przed rozpoczęciem prowadzenia tej działalności. Wbudowanie modelu we własny produkt jest wyłączone; odsprzedaż już nie.

• Warunek atrybucji. Licencjobiorcy muszą w widoczny sposób wyświetlać „Built with Muse Spark Open” w interfejsie każdego produktu, który wykorzystuje model lub jego pochodną, albo w dołączonej dokumentacji, witrynie lub menu ustawień.

W przeciwieństwie do tego, cała wydana linia DeepSeek jest na licencji MIT — DeepSeek V4 Pro, DeepSeek V4.1 Flash i ich poprzednicy wszyscy ją mają, bez progu przychodowego, bez obowiązku powiadamiania i bez wymogu atrybucji. Praktyczne konsekwencje nie są subtelne. Jeśli Twój plan obejmuje hostowanie modelu za API dla innych osób, licencja Meta ma pułapkę przychodową, której licencja DeepSeek nie ma. Jeśli Twój plan obejmuje dostarczenie produktu konsumenckiego zbudowanego na wagach, licencja Meta zobowiązuje Cię do wyświetlenia zdania, a licencja DeepSeek nie zobowiązuje Cię do wyświetlania niczego.

Dwie rzeczy, które licencja Muse Model License przyznaje wprost, i warto je wymienić, bo stanowią one właściwy sens otwartych wag: możesz dostrajać, destylować, łączyć, publikować, sublicencjonować i sprzedawać utwory pochodne, a Meta nie rości sobie prawa własności do wyników. Ograniczenie jest wąskie, a zakres przyznanych praw szeroki. Ale jeśli wybierasz między tymi dwoma na podstawie przeglądu prawnego, a nie możliwości, wybór jest jednoznaczny, i jest to odpowiedź, której dostarcza to starcie, zanim którykolwiek model wygeneruje choćby token.

Liczby i linia, która biegnie wstecz

Artificial Analysis to jedyny podmiot trzeci z publicznymi zestawieniami dla obu obozów i nie wrzuca ich do tego samego worka — modele open-weight są klasyfikowane względem modeli open-weight tej samej klasy rozmiarowej, co tutaj niewiele zniekształca, ponieważ wszystko, o czym mowa, jest open-weight. To, co następuje, to jego pomiar, a nie twierdzenie dostawcy ani nasze.

• Muse Spark Open (xhigh) — Intelligence Index 39, dziewiąty spośród 118 pozycji w swojej klasie i znacznie powyżej mediany dla klasy wynoszącej 19; 1,25 USD za milion tokenów wejściowych i 4,25 USD za milion tokenów wyjściowych; 0,84 USD za ukończone zadanie indeksu; prędkość generowania 103,4 tokena na sekundę; czas do pierwszego tokena 0,65 sekundy; 110 mln tokenów wyjściowych wygenerowanych podczas indeksu, wobec mediany 130 mln; 816 mld parametrów łącznych i 42 mld aktywnych; Muse Model License.

• DeepSeek V4 Pro 0813 (max) — Indeks Inteligencji 36; 1,32 USD za wejście i 3,96 USD za wyjście za milion tokenów; 0,67 USD na zadanie indeksowe; 92 tokeny na sekundę; czas do pierwszego tokenu 1,66 sekundy; 160 mln tokenów wyjściowych, powyżej mediany; 1,6 bln parametrów całkowitych i 49 mld aktywnych; MIT.

• DeepSeek V4.1 Flash (max) — przydatna trzecia kolumna i ta, która zmienia układ całego porównania. Intelligence Index 39 — ten sam wynik co Muse Spark Open — przy $0.30 za wejście i $1.20 za wyjście za milion tokenów, $0.27 za zadanie indeksowe, 179 tokenów na sekundę i 1,15 sekundy do pierwszego tokena, wobec 250 mln tokenów wyjściowych, najbardziej rozwlekłego pomiaru w tej klasie.

Przeczytaj wszystkie trzy razem, a sedno tkwi w odwróceniu. Modele DeepSeek są bardziej rozwlekłe na zadanie — 160 mln i 250 mln tokenów wyjściowych w porównaniu ze 110 mln w Muse Spark Open — a mimo to kosztują mniej za ukończone zadanie, ponieważ cena za token jest znacznie niższa. Koszt na token i koszt na zadanie wskazują tu w przeciwnych kierunkach, a kto porównuje je wyłącznie na podstawie podanych stawek za wejście/wyjście, ten wyciągnie błędny wniosek o tym, który z nich jest tańszy w eksploatacji.

Dwie uwagi dotyczące cen, które istotnie zmieniają arytmetykę. Po pierwsze, własny cennik DeepSeek obniża stawki o połowę poza godzinami szczytu, a szczyt to wąskie okno — 01:00–04:00 i 06:00–10:00 UTC, od poniedziałku do piątku, z wyłączeniem chińskich świąt publicznych, przy czym weekendy i święta są całkowicie poza szczytem. Powyższe kwoty $1.32 / $3.96 i $0.30 / $1.20 to stawki szczytowe publikowane przez DeepSeek; stawki poza szczytem wynoszą $0.66 / $1.98 dla DeepSeek V4 Pro i $0.15 / $0.60 dla DeepSeek V4.1 Flash. Większość tygodnia to okres poza szczytem. Po drugie, Meta nie opublikowała żadnej ceny za Muse Spark Open — wiersz $1.25 / $4.25 to hostowana ścieżka mierzona przez Artificial Analysis, podawana jako mediana wśród dostawców udostępniających model, a nie cena katalogowa producenta za wagi. Wagi, które hostujesz, nie mają ceny za token; mają rachunek za sprzęt.

Jeszcze jedna szczera uwaga po stronie Muse Spark. Powyższe 39 należy do Muse Spark Open w trybie xhigh i nie jest to najlepszy wynik w rodzinie. Muse Spark 1.3 w trybie max uzyskuje 48 w tym samym indeksie — o dziewięć punktów więcej — a Muse Spark 1.2, checkpoint najczęściej wywoływany przez programistów, uzyskuje 40. Ocenianie możliwości rodziny na podstawie otwartego checkpointu zaniżałoby je; odczytywanie licencji otwartego checkpointu z zamkniętej linii byłoby błędem kategorialnym, ponieważ podlegają różnym warunkom.

Gdzie te dwa wcale nie są substytutami

Różnica w indeksie między 39 a 36 jest na tyle mała, że mieści się w szumie związanym z tym, jak uruchomiono każdy harness, dlatego poniższe specyfikacje mają większe znaczenie niż wyniki punktowe przy podejmowaniu decyzji między nimi.

• Modalność — to nie jest nawet bliskie porównanie. Muse Spark Open odczytuje tekst, obrazy, wideo i dźwięk. DeepSeek V4 Pro odczytuje tekst i nic więcej; sam cennik DeepSeek oznacza wiersz dotyczący obsługi obrazu jako „Nieobsługiwane” dla tego modelu, a Artificial Analysis odnotowuje to samo. Jeśli Twój potok przetwarzania podaje do modelu nagrania ekranu, wideo lub mowę, porównanie kończy się tutaj.

• Kontekst — oba mają 1 mln tokenów i nie ma tu nic do rozdzielenia. Muse Spark Open dzieli ten budżet między modalnościami; budżet DeepSeeka jest z założenia wyłącznie tekstowy.

• Maksymalna długość wyjścia — DeepSeek podaje 384K tokenów dla DeepSeek V4 Pro i DeepSeek V4.1 Flash. Meta nie podaje żadnej możliwej do zweryfikowania wartości maksymalnej długości wyjścia dla Muse Spark Open. Nieopublikowany limit to ryzyko, które należy przetestować, a nie zakładać, jeśli generujesz długie artefakty w jednym wywołaniu.

• Czas do pierwszego tokenu — jedyna miara opóźnienia, w której Muse Spark Open wyraźnie wygrywa: 0,65 sekundy wobec 1,66 dla DeepSeek V4 Pro i 1,15 dla DeepSeek V4.1 Flash. W pętlach interaktywnych lub agentowych, w których pierwszy token warunkuje kolejne wywołanie narzędzia, to realna różnica i utrzymuje się mimo mniejszej różnicy w indeksie.

• Przepustowość — DeepSeek V4.1 Flash jest najszybszy z całej trójki i osiąga 179 tokenów na sekundę, podczas gdy Muse Spark Open osiąga 103,4, a DeepSeek V4 Pro — 92. Warto zauważyć, że zamknięty Muse Spark 1.2 zmierzono na 361 tokenów na sekundę — otwarty checkpoint to inne wdrożenie o innym profilu szybkości i nie należy zakładać, że dziedziczy liczby zamkniętej linii.

• Rozrzut opóźnień w całej rodzinie — warto o tym napisać jedno zdanie, bo to pułapka. Zmierzony czas do pierwszego tokenu w Muse Spark 1.3 wynosi 54,06 sekundy przy maksymalnym poziomie rozumowania, wobec mediany u konkurencyjnych modeli około 3,7. Konfiguracja z dużym naciskiem na rozumowanie może poświęcić większość minuty, zanim pojawi się pierwszy token. Cokolwiek wywnioskujesz z wiersza dotyczącego Muse Spark, sprawdź, który checkpoint i który poziom wysiłku go wygenerował.

Uruchamianie porównania zamiast jego czytania

Żadnej ze stron tego nagłówka nie da się rozstrzygnąć argumentami, ponieważ dwie rzeczy, o które toczy się gra — czy 39 przeciwko 36 cokolwiek znaczy w Twoim ruchu i czy przepustowość oraz opóźnienie Muse Spark Open utrzymują się na innym stosie serwującym — są widoczne tylko w Twoich własnych żądaniach. Najtańszym sposobem, by się tego dowiedzieć, jest uruchomienie obu na tych samych promptach.

Po to właśnie jesteśmy. OrcaRouter udostępnia tutaj cztery modele z endpointami — Muse Spark 1.2, Muse Spark 1.1, deepseek-v4-pro oraz deepseek/deepseek-v4.1-flash — za jednym API obejmującym ponad 200 modeli, w cenie katalogowej każdego dostawcy z 0% narzutu, więc obniżka ceny u dostawcy jest u nas widoczna tego samego dnia. Obie rodziny są na jednym kluczu: bez drugiej umowy, bez drugiego SDK, bez migracji, żeby przetestować jeden przeciw drugiemu, oraz automatyczny failover, dzięki któremu nieudany eksperyment z routingiem przełącza się na drugi model, a nie na stronę z błędem.

Kwestia uczciwości jest ważniejsza niż oferta sprzedażowa, więc: Muse Spark Open nie znajduje się w naszym katalogu i nie zamierzamy sugerować inaczej. Model, którego cała propozycja sprowadza się do tego, że można go pobrać, to model, który uruchamiasz u siebie, a checkpoint 816B to decyzja sprzętowa — własna receptura BF16 firmy Meta rozkłada go na cztery węzły po osiem H200. DeepSeek V4.1 Pro również nie znajduje się w naszym katalogu, ponieważ nie istnieje. Dostępny dziś test z routingiem działa na checkpointach, które istnieją: Muse Spark 1.2 i Muse Spark 1.1 po jednej stronie, DeepSeek V4 Pro i DeepSeek V4.1 Flash po drugiej.

Kto powinien wybrać, które

Jeśli potrzebujesz modalności, wybierz model Meta. Muse Spark Open odczytuje wideo, obrazy, dźwięk i tekst w ramach jednego limitu 1 mln tokenów i odpowiada tekstem, a żaden z wydanych modeli DeepSeek tego nie potrafi. DeepSeek V4.1 Flash odczytuje obrazy i jest znacznie bardziej opłacalny, ale nie jest modelem do wideo ani dźwięku, a DeepSeek V4 Pro obsługuje wyłącznie tekst.

Jeśli potrzebujesz najniższego kosztu na ukończone zadanie albo licencji, na której możesz zbudować biznes bez przeglądu prawnego, wybierz tę od DeepSeek. DeepSeek V4.1 Flash dorównał wynikowi indeksowemu Muse Spark Open przy mniej więcej jednej trzeciej kosztu na zadanie w pomiarze Artificial Analysis, a DeepSeek V4 Pro pobił go pod względem kosztu na zadanie, będąc jednocześnie bardziej rozwlekłym modelem. Licencja MIT w całej dostarczanej linii oznacza brak progu przychodowego i brak zdania o atrybucji.

Jeśli potrzebujesz najszybszego pierwszego tokenu dla pętli interaktywnej, 0,65 sekundy Muse Spark Open to najlepszy wynik w tym porównaniu — dwukrotnie lepszy od pozostałych — i jest to jedyna oś, w której niższy wynik indeksu jest wyraźnie nieistotny.

A jeśli pytanie, które tu przyniosłeś, brzmiało: „czy powinienem poczekać na DeepSeek V4.1 Pro”, odpowiedź na dziś jest taka, że nie ma nic, na co można czekać, co miałoby datę. Dwa modele DeepSeek, które możesz wywołać, są już tymi, względem których trzeba przeprowadzić to porównanie, a jeden z nich — DeepSeek V4.1 Flash — przewyższa flagowy model, nad którym znajdowałaby się nazwa tego poziomu. Uważnie obserwować należy nie numer poziomu, lecz to, czy strona DeepSeek w tej tabeli w ogóle się zmieni: październikowy wpis w dzienniku zmian DeepSeek, repozytorium w organizacji deepseek-ai albo czwarty wiersz z ceną na stronie Models & Pricing. Dopóki nie pojawi się któryś z tych elementów, ciekawszy ruch odbywa się po stronie Meta w tym bilansie, gdzie licencja, rachunek za sprzęt i wskaźnik gadatliwości na poziomie 110 mln tokenów to obecnie rzeczy, które czytelnik może faktycznie sprawdzić.

Dla modelu, którego tryby awarii wciąż nie są udokumentowane, przydatnym odpowiednikiem jest zapis tego, co już poszło nie tak gdzie indziej: udokumentowane incydenty AI i awarie agentów wokół modeli tej klasy są zebrane w OrcaRouter AI Incident Archive, gdzie każdy wpis zawiera własne źródła, wagę, stopień pewności i flagę sporną.