Muse Spark Open 816B A42B 与 Muse Spark 1.2：开放模型终于有了服务部署方案

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.

缺失的那一列就是整个论点

剥去那层同族相似的外衣，它们根本不是同一款产品的两种配置。一方是可下载的权重，另一方是租来的端点，而决定真正被采用的数字，并不在基准测试卡片上。

在能力方面，独立的 Intelligence Index 将 Muse Spark 1.2 评为 40，将 Muse Spark Open 816B A42B 评为 39。从任何实际意义上说，这都是平手；一分之差落在这些综合评分的构建噪声范围内，并不构成选择其中任何一个模型的理由。

在速度和成本上，这一差距算不上差距，而是一个空洞。Muse Spark 1.2 有实测的输出速度、公布的每 token 价格，以及每项索引任务的成本。Muse Spark Open 816B A42B 则一项都没有，因为没有人曾大规模部署它并报告结果。这种不对称才是人们真正在争论的东西，而这正是刚刚发生变化的部分。

NVIDIA 的检查点增加了什么，又刻意不做什么

该仓库名为 nvidia/Muse-Spark-Open-816B-A42B-DFlash2，无需授权访问，它是一个草稿模型——这种小模型唯一的职责就是预测下一个 token 块，以便 816B 的目标模型能够在一次前向传播中验证整个块，而不必一次只生成一个 token。

• 它由什么构成 —— 采用 BF16 格式的 43.8 亿稠密参数、五个解码器层、窗口大小为 2,048 个 token 的滑动窗口注意力、块大小为 8，并接入 62 层目标模型中的五个层。它是一个附属组件，而不是一个模型：它自身不生成任何文本，若没有它所训练为其起草的目标模型，就无法运行。

• 它报告的内容——在 MT-Bench 上，贪婪解码时的接受长度为 3.73，采样下为 3.01；SPEED-Bench 的吞吐量比值为 3.30 和 2.78；推荐的推测令牌数为 7。在 Blackwell GPU 上通过 vLLM 或 TensorRT-LLM 运行时，这会为目标带来显著加速。

• 它不会报告什么——即相对于与之匹配的非推测基线的端到端加速效果（以每秒 token 数计）。接受长度说明草稿经常被命中。它并不能说明服务器变快了，而当目标模型已经受内存带宽限制时，这两者可能严重背离。

• 运行环境 —— 搭载 Linux 的 NVIDIA Blackwell，通过两个具名引擎实现。Meta 自家 DFlash V2 材料所用的运行时 SGLang 并未出现在这份列表中。这是数据中心的产物，而非能融入桌面部署的东西。

所以，诚实的更新是这样的：开放模型的速度一栏已从空白变为有标注，而不是从空白变为已填满。今天对比这两个模型的读者可以说 Muse Spark Open 816B A42B 可在数据中心 Blackwell 上通过推测解码提供服务。但这位读者仍然无法说出他们每秒能获得多少 token。

逐维度进行，并附上证据类别

每一行都列出了维度、双方，以及胜出的一方证据有多充分——因为在这种配对中，证据类别比方向更重要。

• 能力 — Muse Spark 1.2 为 40 分，Muse Spark Open 816B A42B 为 39 分，二者均由 Artificial Analysis 独立测评。相差仅一分。不具决定性。

• 速度——Muse Spark 1.2，确凿且独立：Artificial Analysis 上 Muse Spark 1.2 的当前榜单显示为每秒 374.6 个 token，在已测量的 186 个模型中排名第一，首 token 时间为 12.67 秒。同一榜单的较早快照显示为每秒 361.4 个 token，在 185 个模型中排名第一；在把任一数字当作固定事实引用之前，这一点值得了解——排名才是持久的论断，小数点不是。Muse Spark Open 816B A42B 没有任何一方给出的端到端吞吐量数字。它唯一与吞吐量沾边的数字属于草稿模型，而那些是接受率，而非服务器吞吐量。

• 成本 — Muse Spark 1.2 输入 token 每百万 1.25 美元，输出每百万 4.25 美元，缓存输入享有 88% 折扣，且每项 Intelligence Index 任务的实测成本为 0.97 美元。Muse Spark Open 816B A42B 没有按 token 定价，也没有公布每项任务的成本；其成本在于硬件、电力以及某人的注意力，且不存在独立数据。

• 权重——完全且仅为 Muse Spark Open 816B A42B。BF16 格式约 1.5TB，另有一个 NVFP4 构建版本，置于条款门槛之后。Muse Spark 1.2 的权重不会以任何形式分发，任何草稿模型都无法改变这一点。

• 微调——Muse Spark Open 816B A42B，随权重一同提供 TorchTitan 支持。Muse Spark 1.2 无论出价多少，都无法在你的数据上进行微调。这是开放模型最大的单一结构性优势，且不受 NVIDIA 所发布的任何内容影响。

• 上下文——在 1,048,576 个 token 上打成平手，但背后的物理机制不同。在开放模型上，BF16 下的全长上下文除了权重之外，还要耗费约 266GB 的 KV 缓存。而在 Muse Spark 1.2 上，这是别人的容量问题。

• 推理力度——这个开放模型让你可以调到低、中、高和 xhigh，分别对应 16、64、256 和 512 个推理 token，也可以用系统提示词提示来设置同样的档位。因为你付出的是实际耗时，而不是按输出 token 计费的美元，所以把档位调高只会增加经准确率调整后的时间，计量表上不会多花一分钱。在 Muse Spark 1.2 上，同样的斟酌推敲会按输出计费。

• 模态——存在争议，但根据现有证据，结论倾向于 Muse Spark 1.2。Artificial Analysis 实测 1.2 可接受文本、图像、语音和视频，而实测该开放模型仅接受文本和图像，尽管 Meta 自己的材料声称 Muse Spark Open 816B A42B 支持文本、图像、视频和音频。宽泛的说法是厂商声称的；较窄的说法则是实测的。

• 许可——Muse Spark Open 816B A42B 采用 Muse Model License，其中包含一项条款：如果你的模型即服务收入在任何连续十二个月内超过 2000 万美元，则要求另行签订书面协议，并要求标注字符串“Built with Muse Spark Open”。NVIDIA 起草方将 NVIDIA Open Model Agreement 叠加在其之上。Muse Spark 1.2 按普通 API 条款运行。

• 硬件门槛——开放模型需要两台 M5 Ultra Mac Studios 用于 MLX 桌面路径，或者一个 Blackwell 节点用于 TensorRT-LLM 路径，或者一个四 GPU 节点用于 BF16 方案。草稿模型对桌面路径毫无增益。Muse Spark 1.2 完全不需要这些。

• 弃用风险——Muse Spark 1.2 自己的产品页面挂有一条横幅，宣布更新的版本 Muse Spark 1.3 已发布。你磁盘上的权重不会在你脚下被弃用，而这是这份清单里唯一一条“拥有”靠事实、而非偏好取胜的地方。

横幅就是拥有它的理由

最后那一句值得的不只是一条要点。你租用的那个模型，已被其厂商的继任者标记为已被取代——这算不上丑闻，托管层级本来就是这样运作的——但这确实意味着，这场比较并不像“39 对 40，快的那个赢”那样干净利落。

基于 Muse Spark 1.2 构建的团队，是在一个已知前方有迁移的端点上构建。拥有 816B 权重的团队，其模型能力固定、行为可配置，迁移决策也因此由他们来安排。掌控这一点所付出的代价是吞吐量、硬件，以及接受 drafter 方案仍只完成了一半。

租房仍能买到什么，是任何起草人都无法弥补的

投机解码让大型开源模型的部署成本更低。但它并不能让其在交互式循环中成为快速托管端点的即插即用替代品，而这一区别对产品团队来说恰恰至关重要。

Muse Spark 1.2 的每秒 374.6 个 token 和 12.67 秒的首个 token 是在标准化工作负载下测得的。智能体循环会将第二个数字乘以每个任务的往返次数，而缓存折扣由提供商应用，无需你进行任何操作。自己搭建则意味着容量规划、驱动栈，以及一套需要你自己调优的推测配置。草稿器的接受长度只是这项工作的开始，而不是结束。

引导分裂，而不是选边站

大多数最终两者都跑的团队之所以走到这一步，是因为工作负载确实不同：交互式路径需要快速端点，批处理和本地部署路径需要权重。失败模式是这种拆分停留在设计文档里，而不是落在配置中。

OrcaRouter 按供应商的挂牌价路由 Muse Spark 1.2——以及 Muse Spark 1.1——0% 加价原样直通，因此供应商一调价，当天就会反映到你的密钥上，你这边无需做任何重新定价的工作。它既不路由也不托管 Muse Spark Open 816B A42B，也不托管这个 DFlash2 drafter，若把本文读成相反的说法则是错的：一个价值恰恰在于你能持有其权重的模型，就是你要在自己的硬件上运行的模型。路由器所贡献的是这项分工的另一半——用一套 API 覆盖 200 多个模型、供应商性能下降时自动故障转移、用于把它们组合起来的模型融合，以及一套路由 DSL，让你通过配置而不是改代码来在模型之间调配流量。最后这一点，正是以低成本检验一条尚未验证的自托管路径是否已就绪的方式，而不必拿一条生产路由去押注。

如何处理未完成的比较

如果你需要实测吞吐量和实测的每任务成本，如果有人正等着输出，如果你需要经过独立验证的语音和视频输入，或者你想在不购买 GPU 的情况下用一个密钥使用 Muse 模型，那就选 Muse Spark 1.2。在输入 $1.25、输出 $4.25，并享有 88% 缓存输入折扣的情况下，即便知道其自家厂商的产品信息已经指向 1.3，这也是一笔站得住脚的购买。

如果任务足够狭窄，可以用 TorchTitan 进行微调，如果数据不能离开你的网络，如果数据量足够大且稳定，足以摊薄硬件成本，或者如果免费的推理调节旋钮对你来说比你放弃的那一点指数更有价值，那就选择 Muse Spark Open 816B A42B。NVFP4 版本和 NVIDIA 草拟器共同意味着，数据中心路径在十月至关重要的那种意义上已不再是推测性的——它只是尚未量化。

你不该做的是，因为开放权重免费就选开放权重，或者因为托管模型更快就选托管模型，却没注意到这两句话回答的是不同的问题。一个说的是模型是什么，另一个说的是你将如何运行它。上周只有第二个问题有答案。本周，两者第一次都有了答案——而且开放模型的答案还带有误差线。

Muse Spark Open 816B A42B 可在 Muse Model License 下下载；Muse Spark 1.2 按 token 出售，并通过 OrcaRouter 以标价路由。