Muse Spark Open 816B A42B vs Muse Spark 1.2: у открытой модели наконец-то есть история сервинга

Until this week, comparing Muse Spark Open 816B A42B with Muse Spark 1.2 broke down at the same place every time: one column had measurements and the other had a repository. Meta published the weights for Muse Spark Open 816B A42B — an 816-billion-parameter mixture of experts with 42 billion active parameters, packaged on Hugging Face as Muse-Spark-Open-816B-A42B — on October 15, 2026, with no launch event and no press cycle. Muse Spark 1.2 has been independently listed and measured for months. Then on October 16, 2026, NVIDIA published a 4.38-billion-parameter speculative-decoding checkpoint for the open model, and the shape of the comparison shifted, because that checkpoint is the first third-party artifact built specifically to make the 816B tier serveable. Nothing here is a launch, and nothing here is a price cut. What changed is narrower and more useful: the open side of the ledger acquired its first evidence about how it will actually run. That gap between what a scoreboard measures and what a deployment meets is the reason the record matters: the documented AI failures and agent incidents around models in this class are collected in the OrcaRouter AI Incident Archive where each entry carries its own sources, severity, confidence grade and disputed flag.

Отсутствующий столбец и был всем аргументом.

Если убрать семейное сходство, это не две конфигурации одного продукта. Это набор весов для скачивания и арендуемый эндпоинт, и цифры, которые определяют реальное внедрение, — не те, что указаны в карточке бенчмарка.

По критерию возможностей независимый Intelligence Index оценивает Muse Spark 1.2 в 40, а Muse Spark Open 816B A42B — в 39. В любом практическом смысле это ничья; одно очко находится в пределах шума того, как формируются эти композитные показатели, и это не повод отдавать предпочтение одной из этих моделей.

По скорости и стоимости разрыв был не разрывом, а дырой. У Muse Spark 1.2 есть измеренная скорость вывода, опубликованная цена за токен и стоимость выполнения задачи индексации. У Muse Spark Open 816B A42B не было ничего из этого, потому что никто не запускал его в масштабе и не сообщал результат. Именно об этой асимметрии люди на самом деле спорили, и именно эта часть только что сдвинулась.

Что добавляет чекпоинт NVIDIA, а что он намеренно не делает

Репозиторий называется nvidia/Muse-Spark-Open-816B-A42B-DFlash2, доступ к нему не ограничен, и это драфтер — небольшая модель, единственная задача которой — угадывать следующий блок токенов, чтобы целевая модель на 816B могла проверить целый блок за один прямой проход вместо генерации по одному токену за раз.

• Из чего он состоит — 4,38 млрд плотных параметров в формате BF16, пять слоёв декодера, скользящее оконное внимание с окном в 2 048 токенов, размер блока — восемь, а также подключение к пяти слоям 62-слойной целевой модели. Это приставка, а не модель: она не создаёт собственный текст и не может работать без целевой модели, для которой её обучали составлять черновики.

• Что он сообщает — длины принятия 3,73 на MT-Bench при жадном декодировании и 3,01 при сэмплировании, коэффициенты пропускной способности SPEED-Bench 3,30 и 2,78, а также рекомендуемое число спекулятивных токенов — семь. На GPU Blackwell через vLLM или TensorRT-LLM это существенное ускорение целевой модели.

• О чём он не сообщает — сквозное ускорение, в токенах в секунду, относительно сопоставимого базового уровня без спекулятивного декодирования. Длина принятия говорит о том, что черновик принимается часто. Но она не говорит о том, что сервер стал быстрее, и эти два показателя могут сильно расходиться, когда целевая модель уже ограничена пропускной способностью памяти.

• Где это работает — NVIDIA Blackwell с Linux, через два указанных движка. SGLang — среда выполнения, которую использует собственный материал Meta по DFlash V2, — отсутствует в списке. Это артефакт для дата-центров, а не что-то, что вписывается в развёртывание на настольном компьютере.

Итак, честное обновление таково: столбец скорости открытой модели прошёл путь от пустого к аннотированному, а не от пустого к заполненному. Читатель, сравнивающий эти две модели сегодня, может сказать Muse Spark Open 816B A42B можно обслуживать на Blackwell для дата-центров со спекулятивным декодированием. Этот читатель всё ещё не может сказать, сколько токенов в секунду он получит.

Измерение за измерением, с прикреплённым классом доказательности.

В каждой строке указаны измерение, обе стороны и то, насколько убедительно подтверждена победившая сторона, — потому что в этом сопоставлении класс доказательств важнее направления.

• Возможности — Muse Spark 1.2 — 40, Muse Spark Open 816B A42B — 39, оба независимо измерены Artificial Analysis. Разница в пределах одного балла. Не имеет решающего значения.

• Скорость — Muse Spark 1.2, с решающим преимуществом и независимо: в листинге Artificial Analysis для Muse Spark 1.2 сейчас указано 374,6 токена в секунду — первое место среди 186 измеренных моделей — при времени до первого токена 12,67 секунды. В более раннем снимке того же листинга было указано 361,4 токена в секунду и первое место среди 185, и это стоит знать, прежде чем приводить любую из этих цифр как неизменный факт — устойчивое утверждение — это место в рейтинге, а не десятичный знак. У Muse Spark Open 816B A42B нет показателя сквозной пропускной способности ни от кого. Его единственные числа, имеющие отношение к пропускной способности, относятся к драфтеру, и это коэффициенты принятия, а не серверная пропускная способность.

• Стоимость — Muse Spark 1.2 по $1,25 за миллион входных токенов и $4,25 за миллион выходных, скидка 88% на кэшированный ввод и измеренные $0,97 за задачу в Intelligence Index. Muse Spark Open 816B A42B не имеет цены за токен и опубликованной стоимости за задачу; его стоимость — это оборудование, электроэнергия и чьё-то внимание, и независимой цифры не существует.

• Веса — Muse Spark Open 816B A42B, полностью и исключительно. Примерно 1,5 ТБ в BF16 плюс сборка NVFP4 — доступны только после принятия условий. Веса Muse Spark 1.2 не распространяются ни в какой форме, и никакой драфтер этого не меняет.

• Тонкая настройка — Muse Spark Open 816B A42B, с поддержкой TorchTitan, поставляемой вместе с весами. Muse Spark 1.2 невозможно дообучить на ваших данных ни за какую цену. Это крупнейшее структурное преимущество открытой модели, и оно не зависит от чего-либо, опубликованного NVIDIA.

• Контекст — ничья при 1 048 576 токенах, но за ней стоит разная физика. На открытой модели контекст полной длины в BF16 требует порядка 266 ГБ KV-кэша сверх весов. А на Muse Spark 1.2 это проблема с ёмкостью кого-то другого.

• Усилие рассуждения — открытая модель позволяет выбирать low, medium, high и xhigh, что соответствует 16, 64, 256 и 512 токенам рассуждения, или задавать то же самое с помощью подсказки в системном промпте. Поскольку вы платите реальным временем, а не долларами за выходной токен, увеличение этого параметра стоит времени с поправкой на точность и ничего не добавляет к счёту. В Muse Spark 1.2 такие же размышления тарифицируются как выходные данные.

• Модальности — вопрос спорный, и при имеющихся данных он решается в пользу Muse Spark 1.2. Artificial Analysis установила, что 1.2 принимает текст, изображения, речь и видео, и установила, что открытая модель принимает только текст и изображения, тогда как собственные материалы Meta заявляют текст, изображение, видео и аудио для Muse Spark Open 816B A42B. Широкое утверждение заявлено производителем; узкое — измерено.

• Лицензия — Muse Spark Open 816B A42B по лицензии Muse Model License, которая содержит пункт, требующий отдельного письменного соглашения, если выручка от предоставления вашей модели как услуги превысит 20 млн долларов за любые двенадцать последовательных месяцев, а также требует указания строки атрибуции «Built with Muse Spark Open». Составитель из NVIDIA накладывает поверх неё NVIDIA Open Model Agreement. Muse Spark 1.2 работает на обычных условиях API.

• Аппаратный минимум — открытой модели требуются два Mac Studio с M5 Ultra для десктопного пути MLX, либо узел Blackwell для пути TensorRT-LLM, либо узел с четырьмя GPU для рецепта BF16. Драфтер ничего не добавляет к десктопному пути. Muse Spark 1.2 не нуждается ни в чём из этого.

• Риск устаревания — в самом описании Muse Spark 1.2 есть баннер, объявляющий о выходе более новой версии, Muse Spark 1.3. Веса на вашем диске нельзя объявить устаревшими у вас за спиной, и это единственный пункт в этом списке, где владение выигрывает благодаря факту, а не предпочтению.

Баннер — это аргумент в пользу владения

Эта последняя строка заслуживает большего, чем пункт списка. Модель, которую вы арендуете, уже помечена как вытесненная преемником от её вендора, и это не скандал — так и работают уровни хостинга, — но это означает, что сравнение не такое чистое, как «39 против 40, и быстрая побеждает».

Команда, которая создаёт решение на Muse Spark 1.2, строит на эндпоинте, впереди у которого известная миграция. Команда, владеющая весами 816B, имеет модель с фиксированными возможностями и настраиваемым поведением, и решение о миграции становится её правом планировать. Цена этого контроля — пропускная способность, оборудование и признание того, что история с драфтером всё ещё не доведена до конца.

Что аренда всё ещё даёт такого, чего не исправит никакой составитель документов

Спекулятивное декодирование делает обслуживание большой открытой модели дешевле. Оно не делает её полноценной заменой быстрого хостируемого эндпоинта в интерактивном цикле, и именно это различие важно для продуктовых команд.

Показатели Muse Spark 1.2 — 374,6 токена в секунду и первый токен за 12,67 секунды — измерены при стандартизированной рабочей нагрузке. Цикл агента умножает второе число на количество круговых обменов на задачу, а скидки на кэш применяет провайдер без какого-либо управления с вашей стороны. Собственная реализация означает планирование мощностей, стек драйверов и спекулятивную конфигурацию, которую вы настраиваете сами. Длины принятия драфтера — это начало этой работы, а не её конец.

Маршрутизация разделения вместо выбора стороны

Большинство команд, которые в итоге запускают оба варианта, приходят к этому потому, что рабочие нагрузки действительно различаются: интерактивным путям нужен быстрый эндпоинт, а пакетным и локальным — веса. Неудачный сценарий — это разделение, которое живёт в проектном документе, а не в конфигурации.

OrcaRouter маршрутизирует Muse Spark 1.2 — и Muse Spark 1.1 — по каталожной цене провайдера с 0% наценки, передаваемой напрямую, поэтому изменение цены вендором доходит до вашего ключа в тот же день, без каких-либо работ по пересчёту цен с вашей стороны. Он не маршрутизирует и не хостит Muse Spark Open 816B A42B или этот драфтер DFlash2, и было бы неверно читать этот текст как утверждение об обратном: модель, ценность которой в том, что веса можно держать у себя, — это модель, которую вы запускаете на собственном оборудовании. Вклад роутера — это другая половина разделения: один API к 200+ моделям, автоматическое переключение при деградации провайдера, слияние моделей для их объединения и DSL маршрутизации, который переводит трафик между моделями через конфигурацию, а не через изменение кода. Последняя часть — это дешёвый способ проверить, готова ли непроверенная схема самостоятельного хостинга, не ставя на неё производственный маршрут.

Что делать с незавершённым сравнением

Берите Muse Spark 1.2, если вам нужны измеренная пропускная способность и измеренная стоимость за задачу уже сегодня, если человек ждёт результат, если вам нужны независимо подтверждённые речевой и видео-ввод или если вы хотите модель Muse на одном ключе без покупки GPU. При $1.25 за вход и $4.25 за выход со скидкой 88% на кэшированный ввод это оправданная покупка, даже если знать, что в листинге её собственного вендора она отсылает вперёд к 1.3.

Берите Muse Spark Open 816B A42B, если задача достаточно узкая, чтобы дообучить её с помощью TorchTitan, если данные не могут покидать вашу сеть, если объём достаточно велик и стабилен, чтобы амортизировать оборудование, или если бесплатный регулятор рассуждений для вас ценнее, чем пункт индекса, от которого вы отказываетесь. Сборка NVFP4 и драфтер NVIDIA вместе означают, что путь через дата-центр больше не является спекулятивным в том смысле, который имел значение в октябре — он всего лишь не оценён количественно.

Чего делать не стоит — так это выбирать открытые веса только потому, что они бесплатны, или хостинговую модель только потому, что она быстрее, не замечая, что эти два утверждения отвечают на разные вопросы. Один — о том, что представляет собой модель, другой — о том, как вы будете её запускать. На прошлой неделе ответ был только на второй вопрос. На этой неделе впервые есть ответ на оба — и ответ открытой модели идёт с планками погрешностей.

Muse Spark Open 816B A42B доступна для скачивания по лицензии Muse Model License; Muse Spark 1.2 продаётся по токенам и маршрутизируется через OrcaRouter по каталожной цене.