Muse Spark Open 816B A42B vs Muse Spark 1.3: Nio punkter, och en väntan på femtiofyra sekunder

Versionsnumren får den här jämförelsen att se enkel ut, och de ljuger för dig. Muse Spark 1.3 ligger över Muse Spark Open 816B A42B i Metas egen namngivning, och den ligger också över den i det oberoende Intelligence Index – 48 mot 39, en nio poängs skillnad som är hela anledningen till att de öppna vikterna framställs som budgetalternativet. Men Muse Spark 1.3 släpptes den 2 september 2026, och det är en modell med resonemang i första hand som säljs per token, vilket innebär att dess kapacitet kommer med en överläggningskostnad. Muse Spark Open 816B A42B – mixture-of-experts-modellen med 816 miljarder parametrar, varav 42 miljarder aktiva, vars vikter Meta publicerade den 15 oktober 2026 utan tillkännagivande – kommer i stället med en hårdvarukostnad. Den 16 oktober 2026 publicerade NVIDIA en draftmodell för spekulativ avkodning för den öppna målmodellen, vilket för första gången lägger en dokumenterad optimeringsväg under den ena sidan av den här jämförelsen och inte den andra. De nio poängen är verkliga. Det som är värt att veta är vad du betalar för dem, och i vilken valuta. För en modell vars felmoder fortfarande är odokumenterade är det användbara motstycket registret över vad som redan har gått fel någon annanstans: de dokumenterade AI-incidenterna och agentfelen kring modeller i den här klassen samlas i the OrcaRouter AI Incident Archive där varje post har sina egna källor, allvarlighetsgrad, konfidensgrad och flagga för omtvistade uppgifter.

Två sätt att vara dyr

Benchmarktabeller plattar ut detta. Båda modellerna är dyra; de är dyra i motsatta riktningar, och riktningen avgör vilka arbetsbelastningar var och en är fel för.

Muse Spark 1.3 är dyrt per enhet tänkande. Det är en ordrik resonerare – Artificial Analysis uppmätte att den förbrukade i storleksordningen 170 miljoner tokens under sin utvärdering, ungefär en tredjedel mer än Muse Spark 1.2 – och var och en av dessa tokens faktureras som output till 4,25 dollar per miljon. Den ordrikheten är anledningen till att 1.3 hamnar på uppmätta 1,60 dollar per uppgift i Intelligence Index, jämfört med 0,97 dollar för 1.2, vid identiska angivna tokenpriser. Du betalar inte mer per token. Du betalar för fler tokens, eftersom modellen tänker hårdare och tänker högt.

Muse Spark Open 816B A42B är dyrt redan innan det gör någonting alls. Det finns ingen mätare per token, så kostnaden är hårdvaran: ungefär 1,5 TB i BF16 plus ett NVFP4-bygge för att få plats på något du äger, en Blackwell-nod för datacenter-vägen eller två M5 Ultra Mac Studios för desktop-vägen. De pengarna försvinner oavsett om modellen är upptagen eller inte, vilket är den definierande egenskapen hos en fast kostnad och källan till både dess fördel och dess vanligaste felberäkning.

Den praktiska konsekvensen är att dessa två modeller är konstruktionsmässigt felmatchade mot motsatta arbetsbelastningar. En burstig interaktiv produkt kan inte skriva av en fast hårdvarukostnad. En stationär pipeline med hög volym bryr sig inte om fakturering per token och borde inte behöva betala den.

Vad nio resonemangspoänger egentligen köper

Oberoende mätning placerar Muse Spark 1.3 på 48 i Intelligence Index, rankad bland de bästa få procenten av de modeller som Artificial Analysis följer, med en uppmätt utdatahastighet på 127,7 token per sekund och en tid till första token på 54,06 sekunder. Det sista talet är det som ett specifikationsblad begraver och en användare upplever: 1.3 tänker innan den talar, och vid en svår prompt är tänkandet inte omedelbart.

Muse Spark Open 816B A42B ligger på 39 – det starkaste open-weight-resultatet av något amerikanskt labbs släpp, och fortfarande en kapacitetsnivå under. Metas eget resultatkort för den öppna modellen, leverantörsrapporterat och mätt i per-benchmark-testriggar som Meta själv valt, rapporterar Terminal-Bench 2.1 till 76,4, DeepSWE 1.1 till 60, MCP-Atlas till 89,2, GDPval-AA v2 till 1401, SciCode till 58,5, JobBench till 61,8 och HLE-Diamond utan verktyg till 26,1. Motsvarande leverantörsrader för 1.3 anger 83,9 och 68 för de två första. Det är samma utvärderingar, och de visar en konsekvent ledning på sju till åtta punkter i det agentiska bandet – vilket ungefär är där det oberoende indexgapet på nio punkter ligger.

Läs formen av det, inte aritmetiken. Gapet mellan dessa två modeller är koncentrerat till agentuthållighet och resonemangsdjup utan tillgång till externa källor. Det är inte ett kunskapsgap, och det är inte ett gap som visar sig i varje uppgift. En modell som är nio punkter svagare på ett sammansatt mått är inte nio punkter sämre på att hämta ett specifikt faktum från ett fast korpus, och att behandla indexet som en enhetlig diskonteringsränta för förmåga är det vanligaste misstaget i jämförelser som denna.

Ansträngningsratten, och vem som fakturerar för den

Det här är den del av jämförelsen där de två modellerna inte längre liknar varandra alls, och den är mer användbar än indexgapet.

Muse Spark Open 816B A42B exponerar sin resonemangsbudget direkt. Låg, medel, hög och xhigh motsvarar 16, 64, 256 och 512 resonemangstoken, och en hint i systemprompten gör samma sak. Du väljer per begäran från din egen kod, du vet kostnaden för varje inställning i förväg, och eftersom det inte finns någon mätare kostar det dig bara noggrannhet och inget annat att vrida ner ratten. Ett batchjobb som har råd att tänka hårt vid midnatt kan tänka hårt vid midnatt gratis. Ett batchjobb som inte behöver tänka hårt kan sluta.

Muse Spark 1.3:s resonemangsinsats är inte gratis i någon riktning. Varje snäpp upp är utdatatokens, och utdatatokens är den dyra hälften av prislistan. Modellens uppmätta ordrikedom är den synliga konsekvensen av det: den spenderar vad den behöver för att nå 48 poäng, och 48 poäng av resonemang är en hel del eftertanke. Huruvida det är en bra affär beror helt på om resonemanget är produkten eller en omkostnad ovanpå den.

Skillnaden att ta med sig är att på den öppna modellen är att tänka hårdare ett konfigurationsval med en tidskostnad. På Muse Spark 1.3 är att tänka hårdare ett köp. Det är inte samma typ av beslut och de har inte samma tak.

Vad utkastförfattaren från den 16 oktober ändrar i denna parkoppling

Muse Spark 1.3 har ingen publicerad drafter för spekulativ avkodning. Muse Spark Open 816B A42B fick en den 16 oktober 2026, när NVIDIA publicerade nvidia/Muse-Spark-Open-816B-A42B-DFlash2 – en icke-gated checkpoint med 4,38 miljarder parametrar som tar fram tokenblock åt 816B-målet så att det kan verifiera dem i en enda framåtpassning. Den rapporterar acceptanslängder på 3,73 på MT-Bench vid girig avkodning och 3,01 vid sampling, rekommenderar sju spekulativa tokens, och den körs på Blackwell via vLLM eller TensorRT-LLM.

Två ärliga förbehåll betyder mer än siffrorna. Det första är att NVIDIA inte publicerade någon end-to-end-hastighetsökning – acceptanslängden säger att draften ofta accepteras, inte att servern blev snabbare. Det andra är att SGLang, den runtime som Metas eget material parar ihop med DFlash V2, saknas i NVIDIAs lista över stödda motorer, så om din serving-stack är SGLang är den här checkpointen inte skriven för dig.

Det som återstår är fortfarande strukturellt intressant. Den öppna modellens kostnadskurva har nu en offentlig, inspekterbar optimeringsväg kopplad till sig: en dokumenterad draftmodell, ett publicerat recept, en öppen vLLM-flagga. Muse Spark 1.3:s kostnadskurva tillhör leverantören, och du kan inte finjustera den, träna om den eller accelerera den själv. Under ett år är en fast förmåga med en förbättrad serving-berättelse och en högre förmåga med en fryst sådan inte rangordnade så som indexet säger att de är.

Gränsen som faktiskt avgör det

Två villkor är avgörande här, och allt annat är brus.

Det första är latenstolerans. Femtiofyra sekunder till första token är inte ett fel – det är vad djup resonemang kostar, och för ett batchjobb över natten är det irrelevant. För ett gränssnitt med en person framför sig är det arbetsbelastningens hela karaktär. Om en människa väntar arbetar Muse Spark 1.3:s resonemangsbudget mot dig, även när dess svar är bättre, och du bör mäta tiden till första token i stället för indexpoäng. Om ingenting väntar är 1.3:s mångordighet en kostnadspost och dess kapacitet är produkten.

Det andra är huruvida uppgiften kan specialiseras. Muse Spark 1.3 kan inte finjusteras på dina data till något pris, och det faktum att det är den mer kapabla generella modellen hjälper inte när ditt problem är smalt. Muse Spark Open 816B A42B levereras med TorchTitan-stöd tillsammans med vikterna. En generell modell med 39 poäng som finjusterats på din kodbas, ditt schema eller din dokumentkorpus är inte samma modell som fick 39, i någon riktning — och för en tillräckligt smal uppgift vinner den finjusterade versionen av den svagare modellen utan att jämförelsen är nära. Gapet på nio poäng är ett mått på generell kapacitet tillämpat på ett specifikt problem, vilket är där det är minst informativt.

Mellan dessa två villkor ligger de vanliga fallen, och det är där indexet gör nytta. Svårt flerstegsresonemang, långa kedjor av verktygsanvändning, återhämtning från modellens egna återvändsgränder – det är där 48 mot 39 är skillnaden för huruvida ett arbetsflöde slutförs, och ingen konfigurationsändring på din sida stänger gapet.

Där var och en slutar vara det rätta svaret

Muse Spark 1.3 är inte längre rätt när resonemanget inte är flaskhalsen: extrahering i hög volym, klassificering, transformering med fast schema och arbete inom smala domäner är alla uppgifter där du betalar $1,60 per indexuppgift för kapacitet som uppgiften inte använder. Den är inte heller längre rätt när data inte kan lämna ditt nätverk, och då står jämförelsen inte mellan 39 och 48 utan mellan 39 och att inte ha någon modell. Och den är inte längre rätt när svaret behöver vara justerbart, vilket det inte är.

Muse Spark Open 816B A42B upphör att vara rätt när en person väntar på utdata, när resonemanget verkligen behöver frontier-nivån och när arbetsbelastningen är tillräckligt burstig för att oanvänd hårdvara ska dominera kostnaden. Det upphör också att vara rätt om modalitetslistan spelar roll: Artificial Analysis mätte den öppna modellen som att den tar emot text och bilder, medan Metas eget material hävdar text, bild, video och ljud — och 1.3:s inmatning av text, bild och video listas separat. Om den breda hävdelsen är anledningen till att du var intresserad, verifiera den i din egen stack innan du satsar på hårdvara.

Ytterligare ett förbehåll hör hemma här snarare än i en fotnot. Villkoren i Muse Model License gäller för de öppna vikterna, och de innehåller en klausul som kräver ett separat skriftligt avtal när intäkterna från modell-som-tjänst överstiger 20 miljoner dollar under vilken period av tolv sammanhängande månader som helst, samt attribueringssträngen "Built with Muse Spark Open" på det du bygger. Det är inte ett hinder för de flesta team. Det är något man bör ha läst innan arkitekturen fastställs, eftersom det är ett licenssamtal med en leverantör, och sådana är billigare att påbörja tidigt.

Att köra båda är det ärliga svaret för de flesta team

De organisationer som till slut har båda gör det för att de två villkoren i centrum för den här artikeln verkligen delar upp deras arbetsbelastningar: vissa vägar har en människa som väntar, andra inte, och bara vissa har data som måste stanna hemma. Arkitekturen är enkel. Felmoden är att uppdelningen finns i ett dokument i stället för i konfigurationen, och att en utvecklare kopierar en modellsträng från en handledning.

Ett routningslager är mekanismen som förhindrar att det händer. OrcaRouter routar Muse Spark 1.2 och Muse Spark 1.1 till leverantörens listpris med 0 % påslag som skickas rakt igenom, så en leverantörsprisändring är live på din nyckel samma dag utan något omprissättningsarbete. Det routar inte Muse Spark 1.3 och det hostar inte Muse Spark Open 816B A42B, och den här texten bör inte läsas som att den påstår något av detta – en modell vars hela idé är att du kan hålla vikterna är en modell du kör på din egen hårdvara. Vad routern ger dig är den nåbara halvan: ett API över 200+ modeller, automatisk failover när en leverantör försämras, modellfusion för att kombinera dem, och en routing-DSL som flyttar trafik mellan modeller genom konfiguration i stället för genom kod. Det är det billiga sättet att ta reda på vad de öppna vikterna gör med verklig trafik innan en produktionsrutt är beroende av dem.

Versionsnumret är inte specifikationen.

Muse Spark 1.3 är den mer kapabla modellen. Det är fastställt genom oberoende mätning och är inte omtvistat. Det som är omtvistat är huruvida "mer kapabel" är den axel din arbetsbelastning ligger på, och för en stor mängd arbetsbelastningar är det inte det: axeln är huruvida en person väntar, huruvida uppgiften är tillräckligt avgränsad för att finjusteras, och huruvida data kan lämna byggnaden.

Välj Muse Spark 1.3 om resonemanget är produkten, arbetet är stötvis och ingen sitter och tittar på en snurra. Välj Muse Spark Open 816B A42B om uppgiften är snäv, datan är orubblig, volymen är jämn, eller om förmågan att tänka på vilken ansträngningsnivå du vill utan att mätaren går är värd mer än nio indexpoäng. Och lägg märke till, innan du bestämmer dig, att det andra alternativet just har fått en berättelse om serving som det inte hade i förra veckan – okvantifierad, hårdvaruspecifik, halvdokumenterad och ändå det första beviset någon har publicerat om hur den här 816B-nivån faktiskt körs.

Muse Spark Open 816B A42B är nedladdningsbar under Muse Model License; Muse Spark 1.3 säljs per token, och de Muse Spark-checkpoints som routas på OrcaRouter är 1.2 och 1.1.