Muse Spark Open 816B A42B vs Muse Spark 1.2: Den öppna modellen har äntligen en serving story

Fram till den här veckan gick jämförelsen mellan Muse Spark Open 816B A42B och Muse Spark 1.2 sönder på samma ställe varje gång: en kolumn hade mätvärden och den andra hade ett arkiv. Meta publicerade vikterna för Muse Spark Open 816B A42B – en expertblandning med 816 miljarder parametrar och 42 miljarder aktiva parametrar, paketerad på Hugging Face som Muse-Spark-Open-816B-A42B – den 15 oktober 2026, utan lanseringsevenemang och utan presscykel. Muse Spark 1.2 har oberoende listats och mätts i månader. Sedan, den 16 oktober 2026, publicerade NVIDIA en checkpoint för spekulativ avkodning med 4,38 miljarder parametrar för den öppna modellen, och jämförelsens form försköts, eftersom den checkpointen är den första tredjepartsartefakten som byggts specifikt för att göra 816B-nivån möjlig att serva. Inget här är en lansering, och inget här är en prissänkning. Det som förändrades är snävare och mer användbart: den öppna sidan av räkenskaperna fick sina första bevis om hur den faktiskt kommer att köras. Det gapet mellan vad en resultattavla mäter och vad en driftsättning möter är anledningen till att registret spelar roll: de dokumenterade AI-felen och agentincidenterna kring modeller i den här klassen samlas i OrcaRouter AI Incident Archive där varje post har sina egna källor, allvarlighetsgrad, konfidensgrad och omstridd flagga.

Den saknade kolumnen var hela argumentet

Tar man bort familjelikheten är dessa inte två konfigurationer av en och samma produkt. De är en nedladdningsbar uppsättning vikter och en hyrd slutpunkt, och siffrorna som avgör verkligt genomslag är inte de som står på benchmark-kortet.

Vad gäller förmåga placerar det oberoende Intelligence Index Muse Spark 1.2 på 40 och Muse Spark Open 816B A42B på 39. Det är i praktiken oavgjort; en enda poäng ligger inom bruset för hur dessa sammansatta index sätts samman, och det är inte ett skäl att välja den ena eller andra modellen.

I fråga om hastighet och kostnad var gapet inte ett gap utan ett hål. Muse Spark 1.2 har en uppmätt utdatahastighet, ett publicerat pris per token och en kostnad per indexuppgift. Muse Spark Open 816B A42B hade inget av detta, eftersom ingen hade serverat den i stor skala och rapporterat resultatet. Det är den asymmetrin folk faktiskt argumenterade om, och det är den delen som just förändrades.

Vad NVIDIAs checkpoint tillför, och vad den medvetet inte tillför

Repositoriet heter nvidia/Muse-Spark-Open-816B-A42B-DFlash2, det är inte åtkomstbegränsat, och det är en utkastmodell – en liten modell vars enda uppgift är att gissa nästa block av tokens så att 816B-målmodellen kan verifiera ett helt block i en enda framåtpassning i stället för att avge en token i taget.

• Vad den består av — 4,38 miljarder täta parametrar i BF16, fem avkodarlager, uppmärksamhet med glidande fönster och ett fönster på 2 048 token, en blockstorlek på åtta samt uttag från fem lager i den 62-lagriga målmodellen. Den är ett tillägg, inte en modell: den producerar ingen egen text och kan inte köras utan målmodellen som den tränades att skapa utkast för.

• Vad den rapporterar — acceptanslängder på 3,73 på MT-Bench vid girig avkodning och 3,01 under sampling, genomströmningskvoter på 3,30 och 2,78 för SPEED-Bench, samt ett rekommenderat antal spekulativa tokens på sju. På en Blackwell-GPU via vLLM eller TensorRT-LLM är det en avsevärd acceleration av målet.

• Vad den inte rapporterar — en snabbhetsvinst från början till slut, i tokens per sekund, mot en matchad icke-speculativ baslinje. Acceptanslängden säger att utkastet landar ofta. Den säger inte att servern blev snabbare, och de två kan divergera kraftigt när målet redan är begränsat av minnesbandbredd.

• Var den körs — NVIDIA Blackwell med Linux, via två namngivna motorer. SGLang, den runtime som Metas eget DFlash V2-material använder, saknas i listan. Detta är en datacenterartefakt, inte något som låter sig smältas in i en driftsättning på stationära datorer.

Så den ärliga uppdateringen är denna: den öppna modellens hastighetskolumn har gått från tom till annoterad, inte från tom till fylld. En läsare som jämför dessa två modeller idag kan säga Muse Spark Open 816B A42B kan serveras på datacenter-Blackwell med speculativ avkodning. Den läsaren kan fortfarande inte säga hur många tokens per sekund de kommer att få.

Dimension för dimension, med evidensklassen bifogad

Varje rad anger dimensionen, båda sidorna och hur väl underbyggd den vinnande sidan är – eftersom bevisklassen i den här parningen spelar större roll än riktningen.

• Kapacitet — Muse Spark 1.2 på 40, Muse Spark Open 816B A42B på 39, båda oberoende mätta av Artificial Analysis. Inom en poäng. Inte avgörande.

• Hastighet — Muse Spark 1.2, avgörande och oberoende: Artificial Analysis-listningen för Muse Spark 1.2 anger för närvarande 374,6 tokens per sekund, högst av 186 uppmätta modeller, med 12,67 sekunder till första token. En tidigare ögonblicksbild av samma listning angav 361,4 tokens per sekund och rankades högst av 185, vilket är värt att känna till innan du citerar någon av siffrorna som ett fast faktum — rankningen är det hållbara påståendet, decimalen är det inte. Muse Spark Open 816B A42B har ingen siffra för genomströmning från början till slut från någon. Dess enda siffror i närheten av genomströmning tillhör en draftmodell, och de är acceptanskvoter snarare än serverns genomströmning.

• Kostnad — Muse Spark 1.2 kostar 1,25 USD per miljon indatatoken och 4,25 USD per miljon utdatatoken, en rabatt på 88 % för cachad indata, och en uppmätt kostnad på 0,97 USD per uppgift i Intelligence Index. Muse Spark Open 816B A42B har inget pris per token och ingen publicerad kostnad per uppgift; dess kostnad är hårdvara, ström och någons uppmärksamhet, och det finns ingen oberoende siffra.

• Vikter — Muse Spark Open 816B A42B, helt och hållet, och endast. Ungefär 1,5 TB i BF16 plus en NVFP4-build, bakom en villkorsgrind. Muse Spark 1.2:s vikter distribueras inte i någon form, och ingen drafter ändrar på det.

• Finjustering — Muse Spark Open 816B A42B, med TorchTitan-stöd som levereras tillsammans med vikterna. Muse Spark 1.2 kan inte finjusteras på dina data till något pris. Detta är den öppna modellens enskilt största strukturella fördel och den påverkas inte av något som NVIDIA har publicerat.

• Kontext — dött lopp vid 1 048 576 tokens, med olika fysik bakom det. I den öppna modellen kostar en fullängdskontext i BF16 i storleksordningen 266 GB KV-cache utöver vikterna. I Muse Spark 1.2 är det någon annans kapacitetsproblem.

• Ansträngningsnivå för resonemang — den öppna modellen låter dig ställa in låg, medel, hög och xhigh, vilket motsvarar 16, 64, 256 och 512 resonemangstoken, eller ställa in samma sak med en antydan i systemprompten. Eftersom du betalar i väggklockstid i stället för dollar per uttoken, kostar det att vrida upp ratten noggrannhetsjusterad tid och ingenting på mätaren. På Muse Spark 1.2 faktureras samma eftertanke som utdata.

• Modaliteter – omtvistade, och frågan avgörs till Muse Spark 1.2:s fördel utifrån tillgängliga bevis. Artificial Analysis uppmätte att 1.2 accepterar text, bilder, tal och video, och uppmätte att den öppna modellen endast accepterar text och bilder, medan Metas egna material anger text, bild, video och ljud för Muse Spark Open 816B A42B. Det breda påståendet är leverantörshävd; det snäva är uppmätt.

• Licens — Muse Spark Open 816B A42B enligt Muse Model License, som innehåller en klausul som kräver ett separat skriftligt avtal om dina intäkter från model-as-a-service överstiger 20 miljoner USD under någon period om tolv sammanhängande månader, och kräver attributionssträngen "Built with Muse Spark Open". NVIDIA:s avtalsutformare lägger NVIDIA Open Model Agreement ovanpå det. Muse Spark 1.2 körs under vanliga API-villkor.

• Hårdvaruminimum – den öppna modellen behöver två M5 Ultra Mac Studios för MLX-skrivbordsspåret, eller en Blackwell-nod för TensorRT-LLM-spåret, eller en nod med fyra GPU:er för BF16-receptet. Draftaren tillför inget till skrivbordsspåret. Muse Spark 1.2 behöver inget av det.

• Risk för utfasning — Muse Spark 1.2:s egen listning har en banner som meddelar att en nyare version, Muse Spark 1.3, har lanserats. Vikter på din disk kan inte utfasas under fötterna på dig, och det är den enda raden i den här listan där ägande vinner på ett faktum snarare än en preferens.

Bannern är argumentet för att äga

Den där sista raden förtjänar mer än en punkt. Modellen du hyr är redan markerad som ersatt av sin leverantörs efterträdare, vilket inte är någon skandal – det är så värdbaserade nivåer fungerar – men det innebär att jämförelsen inte är så ren som "39 mot 40 och den snabba vinner".

Ett team som bygger på Muse Spark 1.2 bygger på en endpoint med en känd migrering framför sig. Ett team som äger 816B-vikterna har en modell med en fast kapacitet och ett konfigurerbart beteende, och migreringsbeslutet blir deras att schemalägga. Kostnaden för den kontrollen är genomströmning, hårdvara och acceptansen att drafter-historien fortfarande är halvfärdig.

Vad hyrandet fortfarande ger som ingen draftare fixar

Spekulativ avkodning gör en stor öppen modell billigare att betjäna. Den gör inte modellen till en direkt ersättning för en snabb hostad endpoint i en interaktiv loop, och det är den skillnaden som spelar roll för produktteam.

Muse Spark 1.2:s 374,6 tokens per sekund och 12,67 sekunder för första token mäts under en standardiserad arbetsbelastning. En agentloop multiplicerar det andra talet med antalet rundturer per uppgift, och cacherabatter tillämpas av leverantören utan att du behöver hantera något. Att bygga din egen lösning innebär kapacitetsplanering, en drivrutinsstack och en spekulativ konfiguration som du själv finjusterar. Draftmodellens acceptanslängder är början på det arbetet, inte slutet på det.

Att styra splittringen istället för att välja sida

De flesta team som till slut kör båda hamnar där eftersom arbetsbelastningarna verkligen skiljer sig: interaktiva vägar vill ha den snabba slutpunkten, batch- och on-premises-vägar vill ha vikterna. Felmoden är en uppdelning som finns i ett designdokument i stället för i konfigurationen.

OrcaRouter dirigerar Muse Spark 1.2 – och Muse Spark 1.1 – till leverantörens listpris med 0 % påslag som skickas rakt igenom, så en leverantörsprisändring når din nyckel samma dag utan något omprissättningsarbete på din sida. Den dirigerar eller hostar inte Muse Spark Open 816B A42B, eller den här DFlash2-draftern, och det vore fel att läsa den här artikeln som att den påstår något annat: en modell vars värde är att du kan hålla vikterna är en modell du kör på din egen hårdvara. Vad routern bidrar med är den andra halvan av uppdelningen – ett API över 200+ modeller, automatisk redundansväxling när en leverantör degraderas, modellfusion för att kombinera dem, och ett routing-DSL som flyttar trafik mellan modeller via konfiguration i stället för via en kodändring. Den sista delen är det billiga sättet att testa om en obeprövad självhostad väg är redo utan att satsa en produktionsrutt på den.

Vad man gör med en oavslutad jämförelse

Välj Muse Spark 1.2 om du behöver uppmätt genomströmning och en uppmätt kostnad per uppgift i dag, om en människa väntar på resultatet, om du behöver oberoende bekräftad tal- och videoinmatning, eller om du vill ha en Muse-modell på en enda nyckel utan att köpa en GPU. Med $1,25 in och $4,25 ut med 88 % rabatt på cachad indata är det ett försvarbart köp även om man vet att leverantörens egen listning pekar framåt mot 1.3.

Välj Muse Spark Open 816B A42B om uppgiften är tillräckligt snäv för att finjusteras med TorchTitan, om data inte kan lämna ditt nätverk, om volymen är tillräckligt stor och jämn för att amortera av hårdvaran, eller om den kostnadsfria resonemangsratten är värd mer för dig än den indexpunkt du avstår från. NVFP4-bygget och NVIDIA-draftaren tillsammans innebär att datacentervägen inte längre är spekulativ i den mening som spelade roll i oktober – den är bara okvantifierad.

Det du inte bör göra är att ta de öppna vikterna för att de är gratis, eller ta den hostade modellen för att den är snabbare, utan att lägga märke till att de två meningarna besvarar olika frågor. Den ena handlar om vad modellen är, den andra om hur du kommer att köra den. Förra veckan hade bara den andra frågan ett svar. Den här veckan har båda det för första gången – och den öppna modellens svar kommer med felstaplar.

Muse Spark Open 816B A42B kan laddas ner under Muse Model License; Muse Spark 1.2 säljs per token och routas på OrcaRouter till listpris.