Muse Spark Open 816B A42B vs Muse Spark 1.3: Nove pontos e uma espera de cinquenta e quatro segundos

Os números de versão fazem esta comparação parecer simples, e eles estão mentindo para você. Muse Spark 1.3 fica acima de Muse Spark Open 816B A42B na própria nomenclatura da Meta, e também fica acima dele no Intelligence Index independente — 48 contra 39, uma diferença de nove pontos que é justamente o motivo pelo qual os pesos abertos são vistos como a opção de baixo custo. Mas o Muse Spark 1.3 foi lançado em 2 de setembro de 2026, e é um modelo com foco em raciocínio vendido por token, o que significa que sua capacidade vem atrelada a um custo de deliberação. O Muse Spark Open 816B A42B — a mistura de especialistas de 816 bilhões de parâmetros e 42 bilhões ativos cujos pesos a Meta publicou em 15 de outubro de 2026 sem anúncio — em vez disso, vem atrelado a um custo de hardware. Em 16 de outubro de 2026, a NVIDIA publicou um drafter de decodificação especulativa para o alvo aberto, o que pela primeira vez coloca um caminho de otimização documentado sob um lado desta comparação, e não o outro. Os nove pontos são reais. O que vale saber é o que você paga por eles, e em qual moeda. Para um modelo cujos modos de falha ainda não estão documentados, a contrapartida útil é o registro do que já deu errado em outros lugares: os incidentes de IA e falhas de agentes documentados em torno de modelos desta classe estão reunidos em o OrcaRouter AI Incident Archive onde cada entrada traz suas próprias fontes, gravidade, grau de confiança e sinalizador de disputa.

Duas maneiras de ser caro

Tabelas de benchmark achatam isso. Ambos os modelos são caros; são caros em direções opostas, e a direção determina para quais cargas de trabalho cada um é inadequado.

Muse Spark 1.3 é caro por unidade de pensamento. É um raciocinador prolixo — a Artificial Analysis mediu que ele consumiu na ordem de 170 milhões de tokens durante sua avaliação, aproximadamente um terço a mais que o Muse Spark 1.2 — e cada um desses tokens é cobrado como saída a US$ 4,25 por milhão. Essa verbosidade é o motivo pelo qual o 1.3 resulta em um custo medido de US$ 1,60 por tarefa do Intelligence Index, contra US$ 0,97 para o 1.2, com preços de token de tabela idênticos. Você não está pagando mais por token. Você está pagando por mais tokens, porque o modelo pensa mais e em voz alta.

O Muse Spark Open 816B A42B é caro antes mesmo de fazer qualquer coisa. Não há medição por token, então o custo é o hardware: aproximadamente 1,5 TB em BF16 mais uma build NVFP4 para caber em algo que você possui, um nó Blackwell para o caminho de datacenter, ou dois M5 Ultra Mac Studios para o de desktop. Esse dinheiro sai independentemente de o modelo estar ocupado ou não, o que é a propriedade definidora de um custo fixo e a fonte tanto da sua vantagem quanto do seu erro de cálculo mais comum.

A consequência prática é que esses dois modelos estão desalinhados com cargas de trabalho opostas por construção. Um produto interativo com picos de demanda não consegue amortizar um custo fixo de hardware. Um pipeline estacionário de alto volume não se importa com cobrança por token e não deveria estar pagando por ela.

O que nove pontos de raciocínio realmente compram

Uma medição independente coloca o Muse Spark 1.3 em 48 no Índice de Inteligência, classificado entre os primeiros poucos por cento dos modelos que a Artificial Analysis acompanha, com uma velocidade de saída medida de 127,7 tokens por segundo e um tempo até o primeiro token de 54,06 segundos. Esse último número é o que uma ficha técnica enterra e o usuário sente na prática: o 1.3 pensa antes de falar e, em um prompt difícil, o pensamento não é instantâneo.

Muse Spark Open 816B A42B está em 39 — a pontuação mais forte em pesos abertos entre os lançamentos de qualquer laboratório dos EUA, e ainda assim um nível de capacidade abaixo. O próprio scorecard da Meta para o modelo aberto, relatado pelo fornecedor e medido dentro de harnesses por benchmark escolhidos pela Meta, reporta Terminal-Bench 2.1 em 76,4, DeepSWE 1.1 em 60, MCP-Atlas em 89,2, GDPval-AA v2 em 1401, SciCode em 58,5, JobBench em 61,8 e HLE-Diamond sem ferramentas em 26,1. As linhas correspondentes do fornecedor para 1.3 trazem 83,9 e 68 nos dois primeiros. Essas são as mesmas avaliações, e mostram uma liderança consistente de sete a oito pontos na faixa agêntica — que é aproximadamente onde reside a diferença independente de nove pontos no índice.

Leia a forma disso, não a aritmética. A lacuna entre esses dois modelos está concentrada na resistência de agentes e na profundidade de raciocínio sem consulta. Não é uma lacuna de conhecimento, e não é uma lacuna que aparece em todas as tarefas. Um modelo que é nove pontos mais fraco em uma métrica composta não é nove pontos pior em recuperar um fato específico de um corpus fixo, e tratar o índice como uma taxa de desconto uniforme para a capacidade é o erro mais comum em comparações como esta.

O dial de esforço, e quem cobra por ele

Esta é a parte da comparação em que os dois modelos deixam de se assemelhar completamente, e é mais útil do que a lacuna do índice.

Muse Spark Open 816B A42B expõe seu orçamento de raciocínio diretamente. Baixo, médio, alto e xhigh correspondem a 16, 64, 256 e 512 tokens de raciocínio, e uma dica no prompt do sistema cumpre a mesma função. Você escolhe por requisição a partir do seu próprio código, sabe o custo de cada configuração de antemão e, como não há medidor, reduzir o ajuste custa precisão e nada mais. Um trabalho em lote que pode se dar ao luxo de pensar muito à meia-noite pode pensar muito à meia-noite de graça. Um trabalho em lote que não precisa pensar muito pode parar.

O esforço de raciocínio do Muse Spark 1.3 não sai de graça em nenhuma direção. Cada nível a mais são tokens de saída, e tokens de saída são a metade cara da tabela de preços. A verbosidade medida do modelo é a consequência visível disso: ele gasta o que precisa para atingir 48 pontos, e 48 pontos de raciocínio é muita deliberação. Se essa é uma boa troca depende inteiramente de o raciocínio ser o produto ou uma sobrecarga em cima dele.

A distinção que se deve reter é que, no modelo aberto, pensar mais é uma escolha de configuração com um custo de tempo. No Muse Spark 1.3, pensar mais é uma compra. Não são o mesmo tipo de decisão e não têm o mesmo teto.

O que o redator de 16 de outubro muda sobre este emparelhamento

O Muse Spark 1.3 não tem nenhum rascunhador de decodificação especulativa publicado. O Muse Spark Open 816B A42B adquiriu um em 16 de outubro de 2026, quando a NVIDIA publicou nvidia/Muse-Spark-Open-816B-A42B-DFlash2 — um checkpoint de 4,38 bilhões de parâmetros, sem restrições, que rascunha blocos de tokens para o alvo de 816B, para que ele possa verificá-los em uma única passagem direta. Ele relata comprimentos de aceitação de 3,73 no MT-Bench em decodificação gulosa e 3,01 sob amostragem, recomenda sete tokens especulativos, e é executado no Blackwell por meio do vLLM ou do TensorRT-LLM.

Duas ressalvas honestas importam mais do que os números. A primeira é que a NVIDIA não publicou nenhum ganho de velocidade ponta a ponta — o comprimento de aceitação diz que o draft é aceito com frequência, não que o servidor ficou mais rápido. A segunda é que o SGLang, o runtime que o próprio material da Meta associa ao DFlash V2, está ausente da lista de motores suportados da NVIDIA, então, se a sua stack de serving for o SGLang, este checkpoint não foi escrito para você.

O que resta ainda é estruturalmente interessante. A curva de custo do modelo aberto agora tem um caminho de otimização público e inspecionável ligado a ela: um drafter documentado, uma receita publicada, uma flag aberta do vLLM. A curva de custo do Muse Spark 1.3 é do fornecedor, e você não pode ajustá-la, treiná-la novamente nem acelerá-la por conta própria. Ao longo de um ano, uma capacidade fixa com uma história de serving em melhoria e uma capacidade superior com uma congelada não estão ordenadas da forma que o índice diz que estão.

A fronteira que realmente decide isso

Duas condições são decisivas aqui, e todo o resto é ruído.

O primeiro é a tolerância à latência. Cinquenta e quatro segundos até o primeiro token não é um defeito — é o custo do raciocínio profundo, e, para um trabalho em lote durante a noite, é irrelevante. Para uma interface com uma pessoa na frente dela, é todo o caráter da carga de trabalho. Se um humano está esperando, o orçamento de raciocínio do Muse Spark 1.3 está trabalhando contra você mesmo quando as respostas dele são melhores, e você deveria medir o tempo até o primeiro token em vez da pontuação de índice. Se nada está esperando, a verbosidade do 1.3 é um item de custo e sua capacidade é o produto.

O segundo é se a tarefa pode ser especializada. O Muse Spark 1.3 não pode receber fine-tuning com os seus dados a nenhum preço, e o facto de ser o modelo geral mais capaz não ajuda quando o seu problema é específico. O Muse Spark Open 816B A42B vem com suporte para TorchTitan juntamente com os pesos. Um modelo geral de 39 pontos ajustado à sua base de código, ao seu esquema ou ao seu corpus de documentos não é o mesmo modelo que obteve 39, em nenhum dos sentidos — e, para uma tarefa suficientemente específica, a versão ajustada do modelo mais fraco vence sem que a comparação seja sequer próxima. A diferença de nove pontos é uma medição de capacidade geral aplicada a um problema específico, que é onde é menos informativa.

Entre essas duas condições ficam os casos comuns, e é aí que o índice se paga. Raciocínio difícil de várias etapas, longas cadeias de uso de ferramentas, recuperação dos próprios becos sem saída do modelo — é aí que 48 contra 39 é a diferença entre um fluxo de trabalho ser concluído ou não, e nenhuma mudança de configuração do seu lado fecha essa lacuna.

Onde cada um deixa de ser a resposta certa

Muse Spark 1.3 deixa de ser a escolha certa quando o raciocínio não é o gargalo: extração em alto volume, classificação, transformação de esquema fixo e trabalho de domínio restrito são todas tarefas nas quais você está pagando US$ 1,60 por tarefa de indexação por uma capacidade que a tarefa não utiliza. Ele também deixa de ser a escolha certa quando os dados não podem sair da sua rede, momento em que a comparação não é entre 39 e 48, mas entre 39 e não ter um modelo. E deixa de ser a escolha certa quando a resposta precisa ser ajustável, o que não acontece.

Muse Spark Open 816B A42B deixa de ser a escolha certa quando uma pessoa está esperando pela saída, quando o raciocínio realmente precisa do nível de fronteira, e quando a carga de trabalho é tão em rajadas que o hardware ocioso domina a conta. Também deixa de ser a escolha certa se o conjunto de modalidades importa: a Artificial Analysis mediu o modelo aberto aceitando texto e imagens, enquanto os próprios materiais da Meta alegam texto, imagem, vídeo e áudio — e a entrada de texto, imagem e vídeo do 1.3 é listada de forma independente. Se a alegação ampla é o motivo pelo qual você se interessou, verifique na sua própria stack antes de se comprometer com hardware.

Mais uma ressalva pertence aqui, em vez de a uma nota de rodapé. Os termos da Muse Model License aplicam-se aos pesos abertos e incluem uma cláusula que exige um acordo escrito separado assim que a receita de modelo como serviço ultrapassar US$ 20 milhões em quaisquer doze meses consecutivos, além da string de atribuição "Built with Muse Spark Open" naquilo que você construir. Isso não é um bloqueio para a maioria das equipes. É algo que se deve ter lido antes de a arquitetura ser definida, porque é uma conversa de licenciamento com um fornecedor, e essas são mais baratas de começar cedo.

Executar ambos é a resposta honesta para a maioria das equipes

As organizações que acabam por ficar com ambos fazem-no porque as duas condições no centro deste artigo dividem genuinamente as suas cargas de trabalho: alguns caminhos têm um humano à espera, outros não, e apenas alguns têm dados que têm de ficar em casa. A arquitetura é fácil. O modo de falha é que a divisão vive num documento em vez de na configuração, e um programador copia uma string de modelo de um tutorial.

Uma camada de roteamento é o mecanismo que impede que isso aconteça. 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 diretamente, então uma mudança de preço do fornecedor entra em vigor na sua chave no mesmo dia, sem nenhum trabalho de reprecificação. Ele não roteia o Muse Spark 1.3 e não hospeda o Muse Spark Open 816B A42B, e este texto não deve ser interpretado como uma afirmação de nenhuma das duas coisas — um modelo cuja proposta inteira é que você pode manter os pesos é um modelo que você executa no seu próprio hardware. O que o roteador oferece é a metade alcançável: uma API 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 código. Essa é a forma barata de descobrir o que os pesos abertos fazem com tráfego real antes que uma rota de produção dependa deles.

O número da versão não é a especificação.

Muse Spark 1.3 é o modelo mais capaz. Isso está estabelecido por medição independente e não está em disputa. O que está em disputa é se "mais capaz" é o eixo no qual sua carga de trabalho se encontra e, para muitíssimas cargas de trabalho, não é: o eixo é se uma pessoa está esperando, se a tarefa é suficientemente estreita para ser ajustada e se os dados podem sair do edifício.

Escolha o Muse Spark 1.3 se o raciocínio for o produto, o trabalho for em rajadas e ninguém estiver olhando um spinner. Escolha o Muse Spark Open 816B A42B se a tarefa for restrita, os dados forem inamovíveis, o volume for constante, ou se a capacidade de pensar no nível de esforço que você quiser sem o medidor rodando valer mais do que nove pontos de índice. E observe, antes de decidir, que a segunda opção acaba de adquirir uma história de serving que não tinha na semana passada — não quantificada, específica de hardware, documentada pela metade e, ainda assim, a primeira evidência que alguém publicou sobre como esse nível de 816B realmente roda.

O Muse Spark Open 816B A42B pode ser baixado sob a Muse Model License; o Muse Spark 1.3 é vendido por token, e os checkpoints do Muse Spark roteados no OrcaRouter são o 1.2 e o 1.1.