Muse Spark 1.2 vs Gemini 3.5 Flash-Lite: Dois Laboratórios, Duas Definições de Subagente

Com duas semanas de diferença, dois laboratórios lançaram um modelo e o descreveram com a mesma palavra. Segundo sua própria ficha técnica, Gemini 3.5 Flash-Lite é "adequado para subagentes que executam tarefas focadas em fluxos de trabalho multiagentes complexos". A Meta afirma que Muse Spark 1.2 pode servir "como agente principal para planejamento e delegação ou como subagente executando em paralelo". Mesmo vocabulário, e foi preciso a Artificial Analysis executar ambos em seu Intelligence Index para mostrar o quanto diferem no significado: o Flash-Lite concluiu a suíte em 43 milhões de tokens de saída, enquanto o Muse Spark 1.2 precisou de 95 milhões. Um desses modelos pensa de forma breve e frequente; o outro pensa de forma intensa e prolongada. Ambos chamam o resultado de subagente.

Essa proporção de tokens é o número mais decisivo para a comparação, porque um nível de subagente é algo que você expande — vinte por vez, cem por vez — e a expansão multiplica qualquer hábito por chamada que o modelo tenha. O que segue detalha o que cada laboratório realmente construiu, como fica a aritmética da expansão a preços reais e onde o barato acaba sendo a escolha cara.

O que cada laboratório quer dizer com a palavra

A versão Flash-Lite é uma definição de papel por tamanho. O Gemini 3.5 Flash-Lite é o nível mais barato de sua família, e esse posicionamento é notável por amarrar os níveis de raciocínio diretamente a cargas de trabalho de subagentes com múltiplas etapas — a primeira vez que um nível dessa família foi descrito pelo papel do agente, em vez de por tamanho ou velocidade. O raciocínio é obrigatório, mas o esforço padrão é mínimo, o dial vai até o nível alto, e o modelo é feito para ser gerado em massa e responder rápido. O fornecedor reporta 54,2% no SWE-Bench Pro contra 49,6% do Gemini 3 Flash, e 74,0% no OSWorld-Verified contra 65,1% — ambos números reportados pelo fornecedor, não reproduzidos de forma independente, e ambos enquadrados como ganhos de agente, em vez de ganhos de inteligência bruta.

A versão da Meta é uma definição de papel por topologia. O texto de produto do Muse Spark 1.2 descreve um modelo que pode reunir contexto, fazer um plano e delegar a execução entre subagentes paralelos — ou ser ele próprio um desses subagentes. Seu seletor de raciocínio vai de mínimo até xhigh com padrão médio, e a Meta nomeia as cargas de trabalho alvo explicitamente: refatorações de vários arquivos, sessões de depuração prolongadas, geração de repositório inteiro. Este é um modelo projetado para ser o orquestrador que também pode fazer o trabalho, o que é um produto diferente de um modelo projetado para ser instanciado vinte de cada vez.

Nenhum laboratório publicou um benchmark para a alegação específica. A Meta lançou a versão 1.2 em 5 de agosto sem nenhum post de lançamento — sua página de anúncio do Muse Spark 1.1 ainda descreve a versão anterior.

A lacuna que o índice realmente mede

Pontuações independentes, da Artificial Analysis, executando a mesma composta de nove avaliações em ambos:

• Índice de Inteligência — Muse Spark 1.2 (xhigh) 54, posição #13 de 185. Gemini 3.5 Flash-Lite 36, posição #20 de 163. Dezoito pontos, contra uma mediana de classe de 32.

• Velocidade de saída — 165,0 tokens por segundo contra 343,6. Flash-Lite transmite mais de duas vezes mais rápido.

• Tempo até o primeiro token — 26,12 segundos contra 10,30, ambos com esforço máximo. A Artificial Analysis observa que os 10,30s do Flash-Lite estão, por si só, no extremo superior para modelos de raciocínio em sua faixa de preço.

• Verbosidade — 95M tokens de saída contra 43M para o mesmo conjunto, com uma mediana de 65M em todos os modelos. Muse Spark 1.2 está 46% acima da mediana; Flash-Lite está 34% abaixo.

• Custo para executar o índice — $637,85 contra $153,08.

• Por dimensão — Os subíndices da Artificial Analysis colocam o Gemini 3.5 Flash-Lite em 49.3 de codificação e 26.8 agêntico. Ainda não há detalhamento publicado para o Muse Spark 1.2; seu antecessor obteve 71.3 e 37.5.

Dezoito pontos de índice não é uma diferença de arredondamento. Estes não são dois candidatos para a mesma vaga.

A aritmética de fan-out

O preço por token é a lente errada para um nível de subagente, porque o objetivo do nível é executar muitos deles. Faça um exemplo com os preços de tabela — US$ 0,30 de entrada e US$ 2,50 de saída para o Gemini 3.5 Flash-Lite, US$ 1,25 de entrada e US$ 4,25 de saída para o Muse Spark 1.2.

Um orquestrador despacha vinte subagentes. Cada um lê 25.000 tokens de contexto com escopo e escreve 1.500 tokens de volta.

• Gemini 3.5 Flash-Lite — 20 × ($0.0075 + $0.00375) = cerca de 22,5 centavos por fan-out.

• Muse Spark 1.2 — 20 × ($0.03125 + $0.006375) = cerca de 75 centavos por fan-out.

Três vezes e um terço, o que parece administrável. Agora aplique a diferença de verbosidade medida. Se o Muse Spark 1.2 escreve proporcionalmente mais do que o Flash-Lite da mesma forma que fez no índice — cerca de 2,2 vezes mais tokens de saída para o mesmo trabalho — essas respostas de 1.500 tokens passam a ser cerca de 3.300, e o fan-out sobe para aproximadamente 91 centavos. Quatro vezes, não três. A cem fan-outs por hora em um sistema de agentes movimentado, essa é a diferença entre US$ 22 e US$ 91 por hora, ou cerca de US$ 600.000 por ano de diferença em carga contínua.

Dois detalhes de precificação tornam a lacuna real ainda mais ampla em uma direção e mais estreita na outra:

• Flash-Lite cobra o raciocínio interno à taxa de saída. Seu preço de tabela para tokens de raciocínio interno é de $2,50 por milhão — o mesmo que a saída visível. Pensar não é gratuito; é apenas invisível na resposta. Se um subagente usar 2.000 tokens de raciocínio antes de responder, adicione meio centavo por chamada, ou 10 centavos no fan-out.

• Em termos de proporção, o cache favorece o Muse Spark 1.2. Leituras de entrada em cache custam US$ 0,15 por milhão contra um preço de tabela de US$ 1,25 — um desconto de 88%. A Flash-Lite lê entrada em cache a US$ 0,03 contra US$ 0,30, um desconto de 90%, mas também cobra cerca de US$ 0,083 por milhão para gravar o cache, enquanto o Muse Spark 1.2 não publica taxa separada de gravação de cache. Para um fan-out em que todos os subagentes compartilham o mesmo prefixo grande, a diferença diminui significativamente.

A latência de produção é onde o Flash-Lite se destaca mais, e os números de benchmark escondem isso. No OrcaRouter, ao longo de uma semana contínua de tráfego real, o Gemini 3.5 Flash-Lite mostra um tempo p50 até o primeiro token de 816 milissegundos e um p95 de 4,57 segundos. O Muse Spark 1.1 — o proxy disponível mais próximo, já que o 1.2 ainda não tem telemetria — mostra um p50 de 1,84 segundo e um p95 de 6,00 segundos. Quando vinte subagentes são executados em paralelo, o mais lento define o tempo de relógio, então o p95 é o número que determina a latência do fan-out, não o p50.

Onde a opção barata é a escolha errada

Quatro restrições no Gemini 3.5 Flash-Lite que não aparecem em uma comparação de preços e aparecerão em uma revisão de incidentes.

• Um teto de saída de 65.536 tokens. Metade do que a maioria dos modelos desta classe permite, e uma barreira intransponível para um subagente que precise gerar um arquivo grande ou retornar um documento estruturado longo. O endpoint do Muse Spark 1.2 não declara nenhum comprimento máximo de conclusão — o que é incomum o suficiente para testar em vez de confiar, mas não é um limite documentado.

• É um endpoint sem moderação. A listagem do Flash-Lite não possui sinalizador de moderação; a da Meta para o Muse Spark 1.2 possui. Isso é uma vantagem genuína para algumas cargas de trabalho e um problema de conformidade para outras, e deve ser uma escolha deliberada em vez de uma descoberta.

• Pesquisa integrada cara. A ferramenta de pesquisa na web do Flash-Lite custa cerca de US$ 14 por mil chamadas, contra US$ 2,50 para o Muse Spark 1.2. Se seus subagentes pesquisam em vez de apenas lerem, o modelo barato se torna o caro — cinco vezes e meia mais — e o volume de pesquisa em uma arquitetura fan-out escala com o fan-out.

• O preço dele subiu, não caiu.O Gemini 3.5 Flash-Lite custa US$ 0,30 e US$ 2,50, enquanto o Gemini 3.1 Flash-Lite anterior custava US$ 0,25 e US$ 1,50. A saída é 67% mais cara do que o nível que substitui. Se você dimensionou um orçamento de subagente com base no modelo antigo, redimensione-o.

Mais uma assimetria que vale a pena afirmar claramente: o Muse Spark 1.2 é servido por exatamente um provedor — a Meta — sem hosts de terceiros e sem fallback. O Gemini 3.5 Flash-Lite tem a pegada comum de serviço multi-região de primeira parte. Para um orquestrador, isso é um ponto único de falha para toda a sua árvore de agentes; para uma camada de trabalhadores, é um ponto único de falha para o fan-out.

A combinação que a maioria das equipes vai acabar escolhendo.

Lidos em conjunto, esses dois modelos não são concorrentes, mas sim as duas metades de uma única arquitetura, e o próprio texto de produto da Meta diz o mesmo ao descrever a função do agente principal separadamente da função do subagente.

A forma que decorre dos números: Muse Spark 1.2 como orquestrador, Gemini 3.5 Flash-Lite como trabalhadores. Uma chamada cara e ponderada que lê o repositório, mantém o plano e decide o que delegar — onde 26 segundos de raciocínio e verbosidade em escala de 95M tokens compram um plano digno de execução — seguida por vinte chamadas baratas, rápidas e focadas, cada uma fazendo uma coisa bem delimitada e retornando em menos de um segundo em p50. Você paga tarifas próximas às de fronteira uma vez por tarefa e tarifas econômicas por unidade de trabalho, o que é exatamente a curva de custo que uma arquitetura fan-out quer.

Inverta e a economia colapsa. Vinte subagentes Muse Spark 1.2 a 91 centavos por fan-out custam quatro vezes mais pelo trabalho que um modelo 18 pontos mais fraco termina em um terço do tempo, e um orquestrador Flash-Lite com índice 36 produzirá planos que os trabalhadores não conseguem resgatar.

Construir isso dividido entre dois fornecedores costumava ser a parte complicada. O Gemini 3.5 Flash-Lite está no catálogo do OrcaRouter a US$ 0,30 e US$ 2,50 — preço de lista do fornecedor, repassado com margem de 0%, então uma alteração de preço chega até nós no mesmo dia, em vez de após um ciclo de contrato — e o Muse Spark 1.1 está lá a US$ 1,25 e US$ 4,25 na mesma base, ambos por trás de um único endpoint compatível com OpenAI. Isso significa que o padrão orquestrador-e-trabalhadores se resume a duas strings de modelo em um único codebase, em vez de dois SDKs, duas chaves e duas faturas, e o failover automático cobre o caso em que um fornecedor tem uma tarde ruim no meio de um fan-out. Para ser exato sobre o que está disponível: o Muse Spark 1.2 em si ainda não está no catálogo — a Meta o disponibiliza diretamente como fornecedora exclusiva — então, hoje, a versão mais próxima dessa stack executa a 1.1 no slot do orquestrador.

Escolha pela função, não pela pontuação

Se você está escolhendo um nível de worker — análise de documentos, extração de dados, edições de arquivos com escopo definido, classificação, o estreito e repetitivo meio de uma árvore de agentes — o Gemini 3.5 Flash-Lite é a melhor ferramenta, e o déficit de 18 pontos no índice é quase irrelevante, porque você não está pedindo que ele raciocine. Fique de olho no teto de saída e no preço da busca.

Se você está escolhendo o modelo que decide o que os trabalhadores fazem, o Muse Spark 1.2 é o candidato mais forte dos dois, com as ressalvas de que ele não possui pontuação agêntica independente por dimensão, nenhum registro de arena de qualquer tipo, nenhuma telemetria de produção e um único provedor. Essas são as lacunas a serem fechadas antes que ele tenha um plano de produção.

E se você esperava que um único modelo pudesse fazer ambos os trabalhos, a resposta honesta das medições é que nenhum dos dois consegue. O Flash-Lite não consegue planejar no índice 36; o Muse Spark 1.2 não pode ser instanciado vinte de cada vez a 91 centavos por fan-out. A palavra "subagente" aparecendo em ambas as descrições de produto é uma coincidência de marketing, não um sinal de que pertencem ao mesmo slot.