Muse Spark Open 816B A42B против Muse Spark 1.3: девять пунктов и ожидание в пятьдесят четыре секунды

Номера версий создают впечатление, будто это сравнение простое, но они лгут вам. Muse Spark 1.3 стоит выше Muse Spark Open 816B A42B в собственной номенклатуре Meta, и на независимом Intelligence Index он тоже стоит выше — 48 против 39, разрыв в девять пунктов, и именно из-за него открытые веса подают как бюджетный вариант. Но Muse Spark 1.3 вышел 2 сентября 2026 года, и это модель, ориентированная прежде всего на рассуждения и продаваемая за токен, а значит, её возможности идут в комплекте с затратами на размышление. Muse Spark Open 816B A42B — смесь экспертов на 816 млрд параметров, из которых 42 млрд активных, чьи веса Meta опубликовала 15 октября 2026 года без каких-либо анонсов, — вместо этого идёт в комплекте с затратами на железо. 16 октября 2026 года NVIDIA опубликовала драфтер спекулятивного декодирования для открытой модели, что впервые создаёт документированный путь оптимизации под одной из сторон этого сравнения, но не под другой. Девять пунктов реальны. Стоит понимать, чем вы за них платите и в какой валюте. Для модели, чьи режимы отказа всё ещё не задокументированы, полезным аналогом служит реестр того, что уже пошло не так в других местах: задокументированные инциденты с ИИ и сбои агентов, связанные с моделями этого класса, собраны в архиве инцидентов ИИ OrcaRouter, где каждая запись содержит собственные источники, уровень серьёзности, степень уверенности и флаг спорности.

Два способа быть дорогим

Таблицы бенчмарков это сглаживают. Обе модели дороги; дороги они в противоположных направлениях, и это направление определяет, для каких рабочих нагрузок каждая из них не подходит.

Muse Spark 1.3 обходится дорого в расчёте на единицу мышления. Это многословная рассуждающая модель — Artificial Analysis измерила, что в ходе своей оценки она потребила порядка 170 миллионов токенов, примерно на треть больше, чем Muse Spark 1.2, — и каждый из этих токенов тарифицируется как выходной по цене $4,25 за миллион. Именно из-за этой многословности 1.3 оказывается на уровне измеренных $1,60 за задачу Intelligence Index против $0,97 у 1.2 при одинаковых заявленных ценах за токены. Вы не платите больше за токен. Вы платите за большее количество токенов, потому что модель думает усерднее и вслух.

Muse Spark Open 816B A42B дорог ещё до того, как он вообще что-либо сделает. Здесь нет счётчика за токены, поэтому затраты — это оборудование: примерно 1,5 ТБ в BF16 плюс сборка NVFP4, чтобы уместиться на чём-то вашем, узел Blackwell для датацентрового пути или два M5 Ultra Mac Studio для настольного. Эти деньги уходят независимо от того, занята модель или нет, — что и является определяющим свойством фиксированной стоимости и источником как её преимущества, так и самой распространённой ошибки в расчётах.

Практическое следствие состоит в том, что эти две модели по своей конструкции не соответствуют противоположным рабочим нагрузкам. Интерактивный продукт с всплесковой нагрузкой не может амортизировать фиксированные затраты на оборудование. Высоконагруженный стационарный конвейер не заботится об оплате за токены и не должен за неё платить.

Что на самом деле дают девять пунктов рассуждения

Независимое измерение присваивает Muse Spark 1.3 оценку 48 по Intelligence Index, что ставит модель в несколько верхних процентов отслеживаемых Artificial Analysis моделей, с измеренной скоростью вывода 127,7 токена в секунду и временем до первого токена 54,06 секунды. Именно последнее число спецификация замалчивает, а пользователь ощущает на себе: 1.3 думает, прежде чем ответить, и на сложном запросе это размышление не мгновенно.

Muse Spark Open 816B A42B находится на 39 — самый высокий показатель среди открытых моделей, выпущенных любой лабораторией США, и всё же на один уровень возможностей ниже. Собственная карточка оценок Meta для открытой модели, основанная на данных поставщика и измеренная внутри выбранных Meta тестовых стендов для каждого бенчмарка, сообщает: Terminal-Bench 2.1 — 76.4, DeepSWE 1.1 — 60, MCP-Atlas — 89.2, GDPval-AA v2 — 1401, SciCode — 58.5, JobBench — 61.8 и HLE-Diamond без инструментов — 26.1. Соответствующие строки поставщика для 1.3 показывают 83.9 и 68 по первым двум. Это те же самые оценки, и они демонстрируют стабильное преимущество в семь-восемь пунктов в агентном сегменте — примерно там, где пролегает независимый разрыв в девять пунктов по индексу.

Читайте форму этого, а не арифметику. Разрыв между этими двумя моделями сосредоточен в выносливости агента и глубине рассуждений в режиме закрытой книги. Это не пробел в знаниях, и это не разрыв, который проявляется в каждой задаче. Модель, которая на девять пунктов слабее по составному показателю, не на девять пунктов хуже извлекает конкретный факт из фиксированного корпуса, и трактовка этого индекса как единой скидки на способности — самая распространённая ошибка в подобных сравнениях.

Регулятор усилий — и кто выставляет за него счёт

Это та часть сравнения, где две модели вообще перестают походить друг на друга, и она полезнее, чем разрыв в индексе.

Muse Spark Open 816B A42B напрямую предоставляет доступ к своему бюджету рассуждений. Значения low, medium, high и xhigh соответствуют 16, 64, 256 и 512 токенам рассуждений, а подсказка в системном промпте делает то же самое. Вы выбираете настройку для каждого запроса из собственного кода, заранее знаете стоимость каждой настройки, и, поскольку счётчика нет, снижение настройки обходится вам только потерей точности — и больше ничем. Пакетная задача, которая может позволить себе основательно подумать в полночь, может основательно подумать в полночь бесплатно. Пакетная задача, которой не нужно основательно думать, может остановиться.

Усилие Muse Spark 1.3 на рассуждения не бесплатно ни в одном направлении. Каждый шаг вверх — это токены вывода, а токены вывода — дорогая половина прайс-листа. Измеренная многословность модели — видимое следствие этого: она тратит столько, сколько нужно для достижения 48 баллов, а 48 баллов рассуждений — это очень много обдумывания. Хороший ли это размен, целиком зависит от того, являются ли рассуждения продуктом или накладными расходами поверх него.

Различие, которое стоит усвоить: в открытой модели думать усерднее — это выбор конфигурации с затратами времени. В Muse Spark 1.3 думать усерднее — это покупка. Это не однотипные решения, и потолок у них не одинаковый.

Что проект от 16 октября меняет в этой паре

У Muse Spark 1.3 нет опубликованного драфтера для спекулятивного декодирования. Muse Spark Open 816B A42B приобрела его 16 октября 2026 года, когда NVIDIA опубликовала nvidia/Muse-Spark-Open-816B-A42B-DFlash2 — чекпойнт с 4,38 млрд параметров без ограничений доступа, который формирует блоки токенов для целевой модели 816B, чтобы она могла проверить их за один прямой проход. Указаны длины принятия 3,73 на MT-Bench при жадном декодировании и 3,01 при сэмплировании, рекомендуемое число спекулятивных токенов — семь; он работает на Blackwell через vLLM или TensorRT-LLM.

Две честные оговорки важнее цифр. Первая: NVIDIA не опубликовала сквозного ускорения — длина принятия говорит о том, что драфт часто принимается, а не о том, что сервер стал быстрее. Вторая: SGLang, рантайм, который собственные материалы Meta ставят в пару с DFlash V2, отсутствует в списке поддерживаемых движков NVIDIA, поэтому если ваш стек обслуживания — это SGLang, данный чекпоинт не написан для вас.

То, что остаётся, всё ещё структурно интересно. К кривой затрат открытой модели теперь привязан публичный, доступный для проверки путь оптимизации: задокументированный драфтер, опубликованный рецепт, открытый флаг vLLM. Кривая затрат Muse Spark 1.3 принадлежит вендору, и вы не можете настроить её, переобучить или ускорить самостоятельно. За год фиксированная способность с улучшающейся историей обслуживания и более высокая способность с замороженной не упорядочены так, как утверждает индекс.

Граница, которая на самом деле всё решает

Здесь решающими являются два условия, а всё остальное — шум.

Первый — это терпимость к задержке. Пятьдесят четыре секунды до первого токена — это не дефект: это цена глубокого рассуждения, и для ночной пакетной задачи это не имеет значения. Для интерфейса, перед которым сидит человек, это — весь характер рабочей нагрузки. Если человек ждёт, бюджет рассуждений Muse Spark 1.3 работает против вас, даже когда его ответы лучше, и вам следует измерять время до первого токена, а не индексную оценку. Если ничего не ждёт, многословность 1.3 — это статья расходов, а его возможности — это продукт.

Во-вторых, можно ли специализировать задачу. Muse Spark 1.3 невозможно дообучить на ваших данных ни за какие деньги, и тот факт, что это более способная универсальная модель, не помогает, когда ваша задача узкая. Muse Spark Open 816B A42B поставляется с поддержкой TorchTitan вместе с весами. Универсальная модель на 39 баллов, дообученная на вашей кодовой базе, вашей схеме или вашем корпусе документов, — это не та же модель, что набрала 39 баллов, ни в лучшую, ни в худшую сторону — и для достаточно узкой задачи дообученная версия более слабой модели побеждает, причём сравнение оказывается неблизким. Разрыв в девять баллов — это измерение универсальных способностей, применённое к конкретной задаче, а именно там оно наименее информативно.

Между этими двумя условиями находятся обычные случаи, и именно там индекс оправдывает себя. Сложные многошаговые рассуждения, длинные цепочки использования инструментов, восстановление после тупиков, в которые модель заходит сама, — вот где 48 против 39 означает разницу в том, завершится ли рабочий процесс, и никакое изменение конфигурации на вашей стороне этот разрыв не закрывает.

Где каждый из них перестаёт быть правильным ответом

Muse Spark 1.3 перестаёт быть правильным выбором, когда узким местом является не рассуждение: массовое извлечение, классификация, преобразование с фиксированной схемой и работа в узкой предметной области — всё это задачи, в которых вы платите $1.60 за задачу индексации за возможности, которые задача не использует. Он также перестаёт быть правильным выбором, когда данные не могут покидать вашу сеть, и тогда сравнение идёт не между 39 и 48, а между 39 и отсутствием модели. И он перестаёт быть правильным выбором, когда ответ должен поддаваться настройке, а это не так.

Muse Spark Open 816B A42B перестаёт подходить, когда человек ждёт результат, когда рассуждениям действительно нужен frontier-уровень и когда нагрузка настолько всплесковая, что основную часть счёта определяет простаивающее оборудование. Он также перестаёт подходить, если важен набор модальностей: Artificial Analysis измерила, что открытая модель принимает текст и изображения, тогда как собственные материалы Meta заявляют текст, изображение, видео и аудио, — а ввод текста, изображения и видео у 1.3 указан отдельно. Если широкое заявление и было причиной вашего интереса, проверьте его в собственном стеке, прежде чем вкладываться в оборудование.

Ещё одну оговорку стоит привести здесь, а не в сноске. Условия Muse Model License применяются к открытым весам, и они включают пункт, требующий отдельного письменного соглашения, как только доход от model-as-a-service превысит $20 млн за любые двенадцать последовательных месяцев, а также строку атрибуции "Built with Muse Spark Open" на том, что вы создаёте. Для большинства команд это не блокер. Это то, что стоит прочитать до того, как архитектура будет зафиксирована, потому что это разговор о лицензировании с поставщиком, а такие разговоры дешевле начинать заранее.

Для большинства команд честный ответ — использовать оба.

Организации, у которых в итоге оказывается и то и другое, приходят к этому потому, что два условия, лежащих в основе этой статьи, действительно разделяют их рабочие нагрузки: на одних путях человека ждут, на других — нет, и только на некоторых есть данные, которые должны оставаться локально. Архитектура проста. Сценарий отказа таков: разделение живёт в документе, а не в конфигурации, и разработчик копирует строку модели из руководства.

Слой маршрутизации — это механизм, который не даёт этому произойти. OrcaRouter маршрутизирует Muse Spark 1.2 и Muse Spark 1.1 по прейскурантной цене провайдера со сквозной наценкой 0%, поэтому изменение цены у поставщика вступает в силу для вашего ключа в тот же день без какой-либо работы по пересчёту цен. Он не маршрутизирует Muse Spark 1.3 и не размещает у себя Muse Spark Open 816B A42B, и этот материал не следует читать как утверждение ни того, ни другого — модель, всё предложение которой строится на том, что вы можете держать веса у себя, — это модель, которую вы запускаете на собственном оборудовании. Что даёт вам роутер — это достижимая половина: один API для 200+ моделей, автоматическое переключение при деградации провайдера, слияние моделей для их объединения и DSL маршрутизации, который переключает трафик между моделями через конфигурацию, а не через код. Это дешёвый способ выяснить, что открытые веса делают с реальным трафиком, прежде чем от них будет зависеть продакшен-маршрут.

Номер версии — это не спецификация

Muse Spark 1.3 — более способная модель. Это установлено независимыми измерениями, и это не оспаривается. Оспаривается другое: является ли «более способная» той осью, по которой распределяется ваша рабочая нагрузка, а для огромного множества нагрузок это не так: ось — это ждёт ли человек, достаточно ли узка задача для тонкой настройки и могут ли данные покинуть пределы организации.

Берите Muse Spark 1.3, если рассуждение — это продукт, работа идёт рывками, и никто не смотрит на крутящийся индикатор. Берите Muse Spark Open 816B A42B, если задача узкая, данные неподвижны, объём стабилен, или возможность думать с любым уровнем усилий, каким захотите, без работающего счётчика стоит больше девяти индексных пунктов. И заметьте, прежде чем решать, что второй вариант только что обзавёлся историей сервинга, которой у него не было на прошлой неделе — неквантифицированной, аппаратно-специфичной, наполовину задокументированной, и тем не менее первым свидетельством, которое кто-либо опубликовал о том, как этот уровень 816B на самом деле работает.

Muse Spark Open 816B A42B можно скачать по лицензии Muse Model License; Muse Spark 1.3 продаётся за токены, а чекпоинты Muse Spark, маршрутизируемые через OrcaRouter, — это 1.2 и 1.1.