Muse Spark 1.2 против DeepSeek V4 Flash: четыре индексных пункта при счете в девять раз больше

72,02 и 637,85 доллара. Именно столько Artificial Analysis потратила на прогон DeepSeek V4 Flash и Muse Spark 1.2 через те же девять бенчмарков, и модели показали разницу в четыре пункта — 50 против 54 по Intelligence Index. Модель Meta лучше. Она также в 8,9 раза дороже при выполнении идентичной работы, с закрытыми весами, обслуживается ровно одним провайдером и на пять дней моложе DeepSeek V4 Flash. Стоят ли четыре пункта этого, полностью зависит от того, что вы строите, и это сравнение в основном направлено на то, чтобы сделать возможным ответить на этот вопрос.

Обе модели появились с разницей в неделю — DeepSeek V4 Flash (сборка 0731) 31 июля 2026 года, Muse Spark 1.2 5 августа — и обе позиционируются для долгосрочной работы агентов. Все значения индексов, показатели задержки и стоимость оценки ниже взяты из Artificial Analysis, которая сама запускает бенчмарки и публикует счёт. Если какая-то цифра взята из Meta или из собственной документации вендора, а не из независимого запуска, об этом говорится в предложении.

Четыре числа, которые решают это

• Индекс интеллекта — Muse Spark 1.2 54 (#13 из 185), DeepSeek V4 Flash 50 (#3 из 101 в своём классе, при медиане по классу 25).

• Смешанная цена за миллион токенов — $0,78 против $0,06. В тринадцать раз.

• Стоимость того же набора из девяти бенчмарков — $637.85 против $72.02.

• Где это можно запустить — один провайдер с закрытыми весами против шести API-провайдеров плюс веса под лицензией MIT, которые можно разместить у себя.

Один и тот же пакет, два совершенно разных счёта

Колонка стоимости оценки — самое честное сравнение затрат для двух моделей, поскольку это одна и та же работа, оценённая по тарифам каждой модели, и каждая модель тратит столько токенов, сколько сама решает потратить. Muse Spark 1.2 потребовалось $637,85 для прохождения Intelligence Index. DeepSeek V4 Flash — $72,02, что дешевле любой другой известной модели, измеренной Artificial Analysis; этот вывод получил собственный пресс-цикл в начале августа.

Что делает этот разрыв интересным, так это то, что он происходит несмотря на то, что модель DeepSeek V4 Flash является более многословной, а не из-за этого. При выполнении тестового набора DeepSeek V4 Flash сгенерировала 210 миллионов выходных токенов против 95 миллионов у Muse Spark 1.2 — более чем вдвое больше. Модель Meta значительно более эффективно расходует токены при той же задаче, и это не имеет никакого значения, поскольку DeepSeek V4 Flash взимает $0,28 за миллион выходных токенов против $4,25 у Meta. Ценовое преимущество в 15 раз проглатывает недостаток многословности в 2,2 раза, не замечая этого.

Вот что стоит взять в собственную модель затрат. Эффективность использования токенов — реальное свойство, и модели рассуждений различаются по нему в разы, но при текущих рыночных спредах это член второго порядка. Решает прайс-лист, и чаша весов склоняется только тогда, когда две модели находятся в пределах примерно 3× по цене друг от друга.

Где находятся четыре точки — и то, что никто не опубликовал

Вот что неудобно в этом противостоянии: Intelligence Index — это составной показатель из девяти оценок по агентам, программированию, общим способностям и научным рассуждениям, и у Artificial Analysis пока нет разбивки по отдельным бенчмаркам для Muse Spark 1.2. Так что «54 против 50» — сейчас это заголовок без декомпозиции. Четыре очка могут быть разрывом в программировании, разрывом в работе с длинным контекстом, разрывом в устойчивости к галлюцинациям — или четырьмя небольшими разрывами, которые на вашей рабочей нагрузке обнулятся.

Собственные цифры каждого вендора заполняют часть пустоты, но их нельзя сверить друг с другом. Meta сообщает о результате 82,9% на Terminal-Bench 2.1 для Muse Spark 1.2 (против 76,2% у версии 1.1) и 59,3% для DeepSWE v1.1 (против 53,0%) — прогон на стенде Meta, pass@1 по пяти попыткам, при этом каждая конкурирующая модель работает в паре с собственным агентным продуктом. Релиз V4 Flash позиционировал модель как пост-обучающее обновление, заточенное под агентную и терминальную работу, на mixture-of-experts архитектуре с 284B параметров суммарно и 13B активных. Нет ни одного бенчмарка, по которому обе лаборатории опубликовали бы сопоставимые цифры, и ни одна третья сторона не воспроизвела ни те, ни другие результаты.

Что установлено независимо, достаточно узко, и это стоит сказать прямо: по одному составному индексу, рассчитанному одним оценщиком, Muse Spark 1.2 опередил на четыре пункта при стоимости в 8,9 раза выше. Всё, что более детализировано, чем это, — всё ещё материал вендора.

Три способа оплатить Muse Spark 1.2, полтора — для DeepSeek

Сравнение цен здесь необычайно обманчиво, потому что Meta выпускает две тарифные карты, а вендор сам поставляет весовые коэффициенты.

• Meta standard tier — $1.25 за вход, $0.15 за кэшированный вход, $4.25 за выход за миллион, с пределом около 3 000 запросов в минуту.

• Уровень контрибьютора Meta — $0.10 за ввод, $0.002 за кэшированный ввод, $0.20 за вывод, в обмен на разрешение обучать будущие модели Meta на вашем трафике, с лимитом 60 запросов в минуту.

• Прайс-лист DeepSeek V4 Flash — $0.14 за вход, $0.28 за выход, $0.003 при попадании в кэш (скидка 98%, самая агрессивная ставка кэширования среди всех моделей в этой категории), от шести конкурирующих API-провайдеров.

• DeepSeek V4 Flash self-hosted — открытые веса под лицензией MIT, так что цена — это ваше собственное оборудование, а потолок — ваши собственные возможности.

Прочитайте вторую и третью строки вместе — и рейтинг инвертируется: на тарифе contributor Muse Spark 1.2 дешевле за токен, чем DeepSeek V4 Flash, при цене $0,10/$0,20 против $0,14/$0,28, при этом набирая на четыре балла больше. Это самое агрессивное ценообразование во всём этом сравнении, и почти никто не сможет им воспользоваться, потому что 60 запросов в минуту — это 2% стандартного бюджета, что исключает практически любой production fan-out. Он рассчитан на оценку и работу небольших команд, а валюта — ваши промпты. Доступен ли вам такой обмен — это решение по управлению данными, которое относится к юридическому отделу, а не пункт, который вы меняете в конфигурационном файле.

Открытые веса работают иначе. Веса под лицензией MIT означают, что нижний предел цены вообще не устанавливается вендором — если ваш объём оправдывает затраты на GPU, никто не может повысить ваш тариф, прекратить поддержку вашей модели или изменить условия. Такая опциональность не имеет аналогов на стороне Meta ни на каком уровне.

Один провайдер против шести

Muse Spark 1.2 предоставляется исключительно через Meta Model API и больше нигде. Нет сторонних хостов, нет выбора квантования, нет запасного пути и — на момент написания — нет листинга в OpenRouter, нет репозитория на Hugging Face и нет записи в каталоге OrcaRouter. Закрытая модель с единственным провайдером по своей сути является единой точкой отказа, а для модели, которой всего пять дней, нет истории аптайма, которая могла бы вас успокоить.

DeepSeek V4 Flash — противоположный случай. Сегодня его обслуживают шесть API-провайдеров, веса выпущены под лицензией MIT, и он есть в каталоге OrcaRouter по цене $0,15 за вход и $0,29 за выход — цена провайдера, переданная без наценки (0%) — с автоматическим переключением между провайдерами, так что деградация одного хоста не тянет за собой всю рабочую нагрузку. Это практический аргумент в пользу более дешёвой модели, не имеющий ничего общего с её оценкой: вы можете перенести её, создать зеркало или полностью от неё отказаться, и ни один из этих вариантов не потребует новой интеграции.

Для Muse Spark 1.2 сегодня оценка означает второй контракт, второй счёт и второй путь SDK. Модель Meta стоит проверить по её достоинствам, но будьте ясны: эксплуатационные расходы на её запуск — это не только цена токена.

Задержка, измеренная на реальном трафике

В тестовом окружении Artificial Analysis фиксирует время до первого токена: 1,33 секунды для DeepSeek V4 Flash и 26,12 секунды для Muse Spark 1.2 при настройке рассуждений xhigh, со скоростью вывода 103,3 и 165,0 токенов в секунду соответственно. Модель Meta генерирует быстрее после запуска, но запускается очень долго — именно так и выглядит обязательное обдумывание при максимальном усилии.

Производственные цифры рассказывают более мягкую версию той же истории. За семь дней рабочей маршрутизации на OrcaRouter DeepSeek V4 Flash показывает p50 времени до первого токена 439 миллисекунд и p95 1,96 секунды, при 111 токенах в секунду и уровне ошибок 1,6%. Для Muse Spark 1.2 эквивалентных производственных показателей нет, поскольку он пока нигде не маршрутизируется; Muse Spark 1.1, ближайший доступный аналог, демонстрирует p50 1,84 секунды и p95 6,00 секунд. Медианный ответ менее секунды — это категория, в которой находится DeepSeek V4 Flash и в которую не вошла ни одна версия Muse Spark.

Обе модели заявляют примерно по миллиону токенов контекста — 1 048 576 для обеих, при этом DeepSeek V4 Flash ограничивает генерацию 384 000 токенов, а конечная точка Muse Spark не заявляет никакого потолка генерации. Что касается контекста, это противостояние — ничья на бумаге и непроверенное на практике для обеих.

Три вопроса, которые стоит задать перед переходом

Действительно ли самостоятельный хостинг DeepSeek V4 Flash дешевле, чем $0,15 за миллион?

Обычно нет, и в этом суть. Смесь экспертов с 284B параметров и 13B активными требует серьёзных мощностей с несколькими GPU, чтобы работать с приемлемой задержкой, а при цене $0,15 за миллион входных токенов размещённый тариф трудно превзойти, если только объём не очень высокий и очень стабильный. Ценность лицензии MIT для большинства команд не в том, чтобы размещать модель самостоятельно, а в том, что они реально могут это сделать. Это ограничивает цены любого провайдера и устраняет риск прекращения поддержки. Относитесь к этому как к страховке и покупайте токены размещённого сервиса.

Делает ли тариф для участников Muse Spark 1.2 более дешевой моделью?

На тарифной карте — да; на практике только для нагрузок ниже 60 запросов в минуту, чьи данные вам разрешено передавать. Если оба условия выполняются — исследовательский всплеск, внутренний инструмент, тестовый стенд на синтетических данных, — то модель, опережающая на четыре индексных пункта при более низкой цене за токен, действительно более выгодная покупка, и её стоит взять. Если хотя бы одно условие не выполняется, стандартный тариф — это настоящая цена, и стандартный тариф в 13 раз превышает смешанную ставку модели V4 Flash.

Четыре пункта индекса звучит немного. Когда это имеет значение?

Когда ошибки накапливаются. При разовом вызове классификации или суммаризации разрыв в четыре пункта по композитному показателю часто незаметен, и платить за него в 9 раз больше ничем не оправдано. В агентном цикле из пятидесяти шагов кажущаяся небольшой разница в успешности каждого шага превращается в большую разницу в том, как часто приходится перезапускать весь прогон, — а перезапуск стоит всей траектории, а не одного шага. Это тот случай, когда цена Meta может быть оправдана. Это также тот случай, когда стоит измерять результат на своей собственной задаче, а не доверять композитному показателю: никто не опубликовал агентный субиндекс, который расставил бы все точки над i для 1.2.

Вердикт и связанное с ним условие

Для почти любой рабочей нагрузки, где стоимость является реальным ограничением, DeepSeek V4 Flash — правильный выбор по умолчанию: отставание на четыре пункта по одному композитному индексу, в тринадцать раз дешевле в среднем, медианная задержка менее секунды в продакшене, шесть провайдеров, веса MIT, и ни один вендор не может изменить условия для вас. В настоящее время это самая дешевая известная модель для прогона через полный набор бенчмарков, и она достигла этого не за счет плохого качества.

Muse Spark 1.2 окупает свою цену в одной конкретной форме работы: долгосрочном агентном программировании, где неудачная траектория дорого обходится, где дополнительное обдумывание амортизируется за минуты работы, а не ощущается ожидающим пользователем, и где можно обойтись одним провайдером и без независимой разбивки того, из чего состоят четыре пункта. Meta выпустила три модели за четыре месяца и сдвинула одиннадцать индексных пунктов за это время, так что аргумент может усилиться быстро — но сегодня он опирается на проприетарные бенчмарки для кода и один композитный показатель.

Если вы делаете выбор на этой неделе, прогоните оба варианта на пятидесяти шагах вашего собственного агентского цикла и сравните количество завершённых траекторий на доллар, а не токенов на доллар. Это одно измерение даст ответ на это сравнение лучше, чем любой опубликованный бенчмарк в нём.