Muse Spark Open 816B A42B vs Muse Spark 1.2: O Modelo Aberto Finalmente Tem uma História de Serviço

Até esta semana, a comparação de Muse Spark Open 816B A42B com Muse Spark 1.2 quebrava sempre no mesmo ponto: uma coluna tinha medições e a outra tinha um repositório. A Meta publicou os pesos do Muse Spark Open 816B A42B — uma mistura de especialistas de 816 bilhões de parâmetros com 42 bilhões de parâmetros ativos, empacotada no Hugging Face como Muse-Spark-Open-816B-A42B — em 15 de outubro de 2026, sem evento de lançamento e sem ciclo de imprensa. O Muse Spark 1.2 vem sendo listado e medido de forma independente há meses. Então, em 16 de outubro de 2026, a NVIDIA publicou um checkpoint de decodificação especulativa de 4,38 bilhões de parâmetros para o modelo aberto, e a forma da comparação mudou, porque esse checkpoint é o primeiro artefato de terceiros criado especificamente para tornar a camada de 816B servível. Nada aqui é um lançamento, e nada aqui é um corte de preço. O que mudou é mais restrito e mais útil: o lado aberto do registro adquiriu sua primeira evidência sobre como ele realmente vai rodar. Essa lacuna entre o que um placar mede e o que uma implantação encontra é a razão pela qual o registro importa: as falhas de IA e incidentes de agentes documentados em torno de modelos dessa classe estão reunidos no OrcaRouter AI Incident Archive onde cada entrada traz suas próprias fontes, severidade, grau de confiança e indicador de disputa.

A coluna ausente era todo o argumento.

Deixe de lado a semelhança de família e estas não são duas configurações de um único produto. São um conjunto de pesos para download e um endpoint alugado, e os números que decidem a adoção real não são os que estão no cartão de benchmark.

Em termos de capacidade, o Índice de Inteligência independente coloca o Muse Spark 1.2 em 40 e o Muse Spark Open 816B A42B em 39. Isso é um empate em qualquer sentido prático; um único ponto está dentro do ruído de como esses índices compostos são montados, e não é motivo para escolher um dos modelos.

Em velocidade e custo, a lacuna não era uma lacuna, mas um buraco. O Muse Spark 1.2 tem uma velocidade de saída medida, um preço por token publicado e um custo por tarefa de índice. O Muse Spark Open 816B A42B não tinha nada disso, porque ninguém o havia servido em escala e reportado o resultado. Essa assimetria é o que as pessoas estavam de fato discutindo, e é a parte que acabou de mudar.

O que o checkpoint da NVIDIA acrescenta, e o que deliberadamente não acrescenta

O repositório chama-se nvidia/Muse-Spark-Open-816B-A42B-DFlash2, não possui restrições de acesso e é um modelo de rascunho — um modelo pequeno cuja única função é adivinhar o próximo bloco de tokens para que o alvo de 816B possa verificar um bloco inteiro em uma única passagem forward, em vez de emitir um token por vez.

• Do que é feito — 4,38 bilhões de parâmetros densos em BF16, cinco camadas de decodificador, atenção de janela deslizante com uma janela de 2.048 tokens, um tamanho de bloco de oito e conexões com cinco camadas do alvo de 62 camadas. É um anexo, não um modelo: não produz texto próprio e não consegue funcionar sem o alvo para o qual foi treinado a gerar rascunhos.

• O que ele reporta — comprimentos de aceitação de 3,73 no MT-Bench com decodificação greedy e 3,01 sob amostragem, taxas de throughput do SPEED-Bench de 3,30 e 2,78, e uma contagem recomendada de sete tokens especulativos. Em uma GPU Blackwell via vLLM ou TensorRT-LLM, isso representa uma aceleração substancial do alvo.

• O que ele não informa — um ganho de velocidade ponta a ponta, em tokens por segundo, em relação a uma linha de base não especulativa correspondente. O comprimento de aceitação indica que o rascunho está sendo aceito com frequência. Ele não indica que o servidor ficou mais rápido, e os dois podem divergir bastante quando o alvo já está limitado pela largura de banda de memória.

• Onde ele roda — NVIDIA Blackwell com Linux, por meio de dois motores nomeados. O SGLang, o runtime que o próprio material do DFlash V2 da Meta utiliza, está ausente da lista. Este é um artefato de datacenter, não algo que se encaixa em uma implantação de desktop.

Então, a atualização honesta é esta: a coluna de velocidade do modelo aberto passou de vazia para anotada, não de vazia para preenchida. Um leitor comparando esses dois modelos hoje pode dizer que o Muse Spark Open 816B A42B pode ser servido em datacenter Blackwell com decodificação especulativa. Esse leitor ainda não pode dizer quantos tokens por segundo será possível obter.

Dimensão por dimensão, com a classe de evidência anexada

Cada linha nomeia a dimensão, ambos os lados e quão bem evidenciado é o lado vencedor — porque, neste emparelhamento, a classe de evidência importa mais do que a direção.

• Capacidade — Muse Spark 1.2 com 40, Muse Spark Open 816B A42B com 39, ambos medidos de forma independente pela Artificial Analysis. Dentro de um ponto. Não é decisivo.

• Velocidade — Muse Spark 1.2, de forma decisiva e independente: a listagem do Artificial Analysis para o Muse Spark 1.2 atualmente registra 374,6 tokens por segundo, primeiro entre 186 modelos medidos, com tempo até o primeiro token de 12,67 segundos. Um snapshot anterior da mesma listagem registrava 361,4 tokens por segundo, em primeiro lugar entre 185, o que vale a pena saber antes de citar qualquer uma das cifras como um fato fixo — a posição é a afirmação duradoura, a casa decimal não é. O Muse Spark Open 816B A42B não tem nenhuma cifra de throughput ponta a ponta de ninguém. Seus únicos números que chegam perto de throughput pertencem a um drafter, e esses são taxas de aceitação, e não throughput de servidor.

• Custo — Muse Spark 1.2 a $1,25 por milhão de tokens de entrada e $4,25 por milhão de saída, um desconto de 88% para entrada em cache, e um custo medido de $0,97 por tarefa do Intelligence Index. O Muse Spark Open 816B A42B não tem preço por token nem custo publicado por tarefa; seu custo é hardware, energia e a atenção de alguém, e não existe nenhum número independente.

• Pesos — Muse Spark Open 816B A42B, integralmente, e apenas. Cerca de 1,5 TB em BF16, além de uma build NVFP4, atrás de uma barreira de termos. Os pesos do Muse Spark 1.2 não são distribuídos de forma alguma, e nenhum drafter muda isso.

• Ajuste fino — Muse Spark Open 816B A42B, com suporte ao TorchTitan disponibilizado junto com os pesos. O Muse Spark 1.2 não pode ser ajustado com os seus dados a nenhum preço. Esta é a maior vantagem estrutural isolada do modelo aberto e não é afetada por nada que a NVIDIA tenha publicado.

• Contexto — um empate em 1.048.576 tokens, com físicas diferentes por trás disso. No modelo aberto, um contexto de comprimento total em BF16 custa na ordem de 266GB de KV cache além dos pesos. No Muse Spark 1.2, é um problema de capacidade de outra pessoa.

• Esforço de raciocínio — o modelo aberto permite ajustar entre baixo, médio, alto e xhigh, mapeando para 16, 64, 256 e 512 tokens de raciocínio, ou definir o mesmo com uma dica no prompt de sistema. Como você paga em tempo de relógio em vez de dólares por token de saída, aumentar o nível custa tempo ajustado à precisão e nada no medidor. No Muse Spark 1.2, a mesma deliberação é cobrada como saída.

• Modalidades — contestadas, e a questão se resolve em favor do Muse Spark 1.2 diante das evidências disponíveis. O Artificial Analysis mediu que o 1.2 aceita texto, imagens, fala e vídeo, e mediu que o modelo aberto aceita apenas texto e imagens, enquanto os próprios materiais da Meta afirmam texto, imagem, vídeo e áudio para o Muse Spark Open 816B A42B. A alegação ampla é asseverada pelo fornecedor; a restrita é medida.

• Licença — Muse Spark Open 816B A42B sob a Muse Model License, que contém uma cláusula que exige um acordo escrito separado se a sua receita de modelo como serviço ultrapassar US$ 20 milhões em quaisquer doze meses consecutivos, e exige a string de atribuição "Built with Muse Spark Open". O redator da NVIDIA sobrepõe o NVIDIA Open Model Agreement a ela. O Muse Spark 1.2 é regido por termos de API comuns.

• Requisito mínimo de hardware — o modelo aberto precisa de dois Mac Studios M5 Ultra para o caminho desktop do MLX, ou de um nó Blackwell para o caminho do TensorRT-LLM, ou de um nó com quatro GPUs para a receita BF16. O drafter não acrescenta nada ao caminho desktop. O Muse Spark 1.2 não precisa de nada disso.

• Risco de descontinuação — a própria listagem do Muse Spark 1.2 exibe um banner anunciando que uma versão mais recente, Muse Spark 1.3, foi lançada. Os pesos no seu disco não podem ser descontinuados à sua revelia, e essa é a única linha desta lista em que possuir vence com base em um fato, e não em uma preferência.

O banner é o argumento para possuir.

Essa última linha merece mais do que um ponto de lista. O modelo que você aluga já está marcado como superado pelo sucessor de seu fornecedor, o que não é um escândalo — é assim que funcionam os níveis hospedados —, mas isso significa que a comparação não é tão limpa quanto "39 versus 40 e o rápido vence".

Uma equipe que desenvolve sobre o Muse Spark 1.2 está construindo sobre um endpoint com uma migração conhecida pela frente. Uma equipe que possui os pesos de 816B tem um modelo com capacidade fixa e comportamento configurável, e o agendamento da migração passa a ser decisão dela. O custo desse controle é a vazão, o hardware e a aceitação de que a história do drafter ainda está pela metade.

O que alugar ainda compra que nenhum draftador conserta

A decodificação especulativa torna mais barato servir um grande modelo aberto. Ela não o transforma em um substituto direto de um endpoint hospedado rápido em um loop interativo, e é essa distinção que importa para as equipes de produto.

Os 374,6 tokens por segundo e o primeiro token em 12,67 segundos do Muse Spark 1.2 são medidos sob uma carga de trabalho padronizada. Um loop de agente multiplica o segundo número pelo número de round-trips por tarefa, e os descontos de cache são aplicados pelo provedor sem que você precise operar nada. Criar a sua própria solução significa planejamento de capacidade, uma pilha de drivers e uma configuração especulativa que você mesmo ajusta. Os comprimentos de aceitação do drafter são o começo desse trabalho, não o fim dele.

Roteando a divisão em vez de escolher um lado

A maioria das equipes que acaba executando os dois chega a esse ponto porque as cargas de trabalho realmente diferem: caminhos interativos querem o endpoint rápido, caminhos em lote e on-premises querem os pesos. O modo de falha é uma divisão que vive em um documento de design em vez de na configuração.

O OrcaRouter encaminha o Muse Spark 1.2 — e o Muse Spark 1.1 — pelo preço de tabela do provedor, com 0% de markup repassado integralmente, de modo que uma mudança de preço do fornecedor chega à sua chave no mesmo dia, sem nenhum trabalho de reprecificação do seu lado. Ele não encaminha nem hospeda o Muse Spark Open 816B A42B, nem este drafter DFlash2, e seria errado ler este texto como se ele afirmasse o contrário: um modelo cujo valor está em que você possa reter os pesos é um modelo que você executa no seu próprio hardware. O que o roteador contribui é a outra metade da divisão — uma API única para mais de 200 modelos, failover automático quando um provedor se degrada, fusão de modelos para combiná-los e uma DSL de roteamento que move o tráfego entre modelos por configuração, e não por uma alteração de código. Essa última parte é a maneira barata de testar se um caminho auto-hospedado ainda não comprovado está pronto, sem apostar nele uma rota de produção.

O que fazer com uma comparação inacabada

Escolha o Muse Spark 1.2 se você precisar de throughput medido e de um custo por tarefa medido hoje, se um humano estiver esperando pela saída, se você precisar de entrada de fala e vídeo confirmada de forma independente, ou se quiser um modelo Muse em uma única chave sem comprar uma GPU. A US$ 1,25 de entrada e US$ 4,25 de saída, com 88% de desconto para entrada em cache, é uma compra defensável mesmo sabendo que a listagem do próprio fornecedor aponta para a 1.3.

Escolha o Muse Spark Open 816B A42B se a tarefa for suficientemente restrita para fazer fine-tuning com TorchTitan, se os dados não puderem sair da sua rede, se o volume for grande e estável o suficiente para amortizar o hardware, ou se o dial de raciocínio gratuito valer mais para você do que o ponto de índice de que você abre mão. A build NVFP4 e o drafter da NVIDIA, juntos, significam que o caminho para datacenter não é mais especulativo no sentido que importava em outubro — é apenas não quantificado.

O que você não deve fazer é escolher os pesos abertos porque são gratuitos, ou escolher o modelo hospedado porque é mais rápido, sem perceber que essas duas frases respondem a perguntas diferentes. Uma é sobre o que o modelo é, a outra é sobre como você vai executá-lo. Na semana passada, apenas a segunda pergunta tinha resposta. Esta semana, pela primeira vez, ambas têm — e a resposta do modelo aberto vem com barras de erro.

O Muse Spark Open 816B A42B pode ser baixado sob a Muse Model License; o Muse Spark 1.2 é vendido por token e é roteado no OrcaRouter pelo preço de tabela.