Muse Spark Open 816B A42B 对比 Muse Spark 1.3：九分，以及五十四秒的等待

The version numbers make this comparison look simple, and they are lying to you. Muse Spark 1.3 sits above Muse Spark Open 816B A42B in Meta's own naming, and it sits above it on the independent Intelligence Index too — 48 against 39, a nine-point gap that is the whole reason anyone frames the open weights as the budget option. But Muse Spark 1.3 was released on September 2, 2026, and it is a reasoning-first model sold per token, which means its capability arrives attached to a deliberation cost. Muse Spark Open 816B A42B — the 816-billion-parameter, 42-billion-active mixture of experts whose weights Meta published on October 15, 2026 with no announcement — arrives attached to a hardware cost instead. On October 16, 2026, NVIDIA published a speculative-decoding drafter for the open target, which for the first time puts a documented optimisation path underneath one side of this comparison and not the other. The nine points are real. What is worth knowing is what you pay for them, and in which currency. For a model whose failure modes are still undocumented, the useful counterpart is the record of what has already gone wrong elsewhere: the documented AI incidents and agent failures 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.

两种昂贵的方式

基准测试表格掩盖了这一点。两个模型都很昂贵；它们的昂贵方向相反，而方向决定了它们各自不适合哪些工作负载。

Muse Spark 1.3 按思考量计算很昂贵。它是一个冗长的推理器——Artificial Analysis 测量其在评估过程中消耗了约 1.7 亿个 token，比 Muse Spark 1.2 多出大约三分之一——而其中每一个 token 都按输出计费，价格为每百万 4.25 美元。正是这种冗长导致 1.3 在 Intelligence Index 任务上的实测成本为每项 1.60 美元，而 1.2 为 0.97 美元，尽管两者的标称 token 价格相同。你并不是为每个 token 付得更多。你是在为更多 token 付费，因为模型思考得更用力，而且会出声地思考。

Muse Spark Open 816B A42B 在它真正开始做任何事之前就已经很昂贵了。这里没有按 token 计量的计价器，所以成本在于硬件：大约 1.5TB 的 BF16，外加一个 NVFP4 版本，好塞进你自己拥有的设备；数据中心路线需要一台 Blackwell 节点，桌面路线则需要两台 M5 Ultra Mac Studios。无论模型是否在忙碌，这笔钱都会照花不误——这正是固定成本的定义性特征，既是其优势的来源，也是其最常见误算的根源。

实际后果是，这两种模型在构造上就与彼此相反的工作负载不匹配。突发式的交互产品无法摊销固定的硬件成本。高吞吐量的稳态流水线不在乎按 token 计费，也不应该为此付费。

九点推理究竟能换来什么

独立测评将 Muse Spark 1.3 在 Intelligence Index 上的得分定为 48，跻身 Artificial Analysis 所追踪模型的前百分之几，实测输出速度为每秒 127.7 个 token，首 token 时间为 54.06 秒。最后这个数字，是规格表会刻意隐去、而用户却能真切感受到的：1.3 先想后说，而面对一个困难的提示词，它的思考并非瞬间完成。

Muse Spark Open 816B A42B 以 39 分位列其中——这是所有美国实验室发布中开放权重模型的最强得分，但仍低一个能力层级。Meta 自己为这款开放模型提供的记分卡（由供应商报告，并在 Meta 自行选择的各基准测试框架内测量）显示：Terminal-Bench 2.1 为 76.4，DeepSWE 1.1 为 60，MCP-Atlas 为 89.2，GDPval-AA v2 为 1401，SciCode 为 58.5，JobBench 为 61.8，无工具情况下的 HLE-Diamond 为 26.1。1.3 对应的供应商数据行在前两项上分别为 83.9 和 68。这些是相同的评测，它们在智能体能力区间显示出稳定的七到八分领先——这大致就是独立九分指数差距所在。

要看的是它的形态，而不是算术。这两个模型之间的差距集中在智能体持久力和闭卷推理深度上。这不是知识差距，也不是会在每个任务中都显现出来的差距。一个在综合指标上低九分的模型，并不等于从固定语料库中检索某个具体事实时也差九分；而把该指数当作对能力的统一折扣率，是这类比较中最常见的错误。

努力调节器，以及谁来买单

这是对比中两个模型完全不再相似的部分，它比指数差距更有用。

Muse Spark Open 816B A42B 直接暴露其推理预算。低、中、高和 xhigh 分别对应 16、64、256 和 512 个推理 token，系统提示词中的提示也能起到同样的作用。你可以从自己的代码中按请求进行选择，提前知道每种设置的成本，而且由于没有计量表，把旋钮调低只会让你损失准确性，别无其他代价。一个负担得起在午夜深度思考的批处理任务，可以在午夜免费地深度思考。一个不需要深度思考的批处理任务则可以停下来。

Muse Spark 1.3 的推理投入无论往哪个方向调都不是免费的。每上调一档，都是输出 token，而输出 token 是价目表上更贵的那一半。该模型实测出的冗长程度正是这一点的直观体现：它会花掉达到 48 分所需的量，而 48 分的推理意味着大量的斟酌推敲。这笔交易划不划算，完全取决于推理本身就是产品，还是产品之上的额外开销。

要记住的区别在于：在开放模型上，更深入思考是一种需要付出时间成本的配置选择。而在 Muse Spark 1.3 上，更深入思考是一项购买。二者不是同一种决策，天花板也不相同。

10月16日的起草者就这一配对做了哪些更改

Muse Spark 1.3 没有已发布的投机解码草稿模型。Muse Spark Open 816B A42B 于 2026 年 10 月 16 日获得了一个，当时 NVIDIA 发布了 nvidia/Muse-Spark-Open-816B-A42B-DFlash2——一个 43.8 亿参数、不受门控限制的检查点，为 816B 目标模型草拟 token 块，以便其能在单次前向传递中验证这些块。它报告在贪心解码下 MT-Bench 上的接受长度为 3.73，在采样下为 3.01，建议的投机 token 数为 7，并且它通过 vLLM 或 TensorRT-LLM 在 Blackwell 上运行。

两个坦诚的注意事项比数字本身更重要。首先，NVIDIA 没有公布端到端加速——接受长度说明草稿经常命中，并不代表服务器变快了。其次，SGLang——Meta 自己的材料将其与 DFlash V2 搭配使用的运行时——不在 NVIDIA 支持的引擎列表中，因此如果你的服务栈是 SGLang，这个检查点不是为你编写的。

尚存的部分在结构上仍然很有意思。开源模型的成本曲线如今附有一条公开、可检查的优化路径：一个有文档记录的起草器、一份已发布的配方、一个开放的 vLLM 标志。Muse Spark 1.3 的成本曲线属于供应商，你无法自行调优、重新训练或加速它。一年下来，能力固定但服务叙事不断改善，与能力更高但服务叙事冻结，二者之间的排序并不像该指数所说的那样。

真正起决定作用的边界

有两个条件是决定性的，其余一切都是噪音。

第一个是延迟容忍度。首个 token 需要五十四秒并不是缺陷——这就是深度推理的代价，对于通宵批处理任务来说无关紧要。对于有真人坐在面前的界面而言，它就是该工作负载的全部性质。如果有真人等着，那么即便 Muse Spark 1.3 的答案更好，它的推理预算也在对你不利，而你应该衡量的是首 token 时间，而不是指数分数。如果没有任何东西在等待，1.3 的冗长只是一个成本项，而它的能力才是产品。

第二点是这项任务能否被专门化。无论出多少钱，Muse Spark 1.3 都无法在你的数据上进行微调，而一旦你的问题很狭窄，它是能力更强的通用模型这一事实也无济于事。Muse Spark Open 816B A42B 在随权重一同发布时，还提供了 TorchTitan 支持。一个在你的代码库、你的数据模式或你的文档语料库上微调过的 39 分通用模型，与那个得到 39 分的模型已不是同一个模型，无论朝哪个方向都是如此——而对于足够狭窄的任务，较弱模型的微调版本会胜出，且优势明显，绝非接近之比。这 9 分的差距是把通用能力测量套用到具体问题上的结果，而恰恰在这种情况下，它的参考价值最低。

在这两种极端情况之间，是那些普通的案例，而指标的价值正是在那里体现。艰难的多步推理、冗长的工具调用链、从模型自身走入死胡同后的恢复——在这些场景中，48 对 39 的差距决定了一个工作流能否跑完，而你这边无论怎么调整配置都弥补不了。

每个在何处不再是正确答案

Muse Spark 1.3 在推理并非瓶颈时就不再合适：大批量抽取、分类、固定模式转换和窄领域工作，都是你按每项索引任务支付 1.60 美元、却为任务用不到的能力买单的场景。当数据无法离开你的网络时，它同样不再合适，此时要比较的不是 39 和 48，而是 39 和根本没有模型。当答案需要可调时，它也不再合适，而它并不可调。

Muse Spark Open 816B A42B 在有人正等着输出结果时、在推理确实需要前沿层级时、以及在工作负载突发性强到闲置硬件占据账单大头时，就不再合适了。如果模态列表很重要，它也同样不再合适：Artificial Analysis 测得该开源模型接受文本和图像，而 Meta 自己的材料声称支持文本、图像、视频和音频——并且 1.3 的文本、图像和视频输入被独立列出。如果这个宽泛的说法正是你感兴趣的原因，那就在投入硬件之前，先在你自己的技术栈上验证它。

还有一点注意事项应该放在这里，而不是塞进脚注。Muse Model License 条款适用于这些开放权重，其中包含一项条款：一旦模型即服务收入在任意连续十二个月内超过 2000 万美元，就需要另行签订书面协议；此外，你构建的内容上还要带有 “Built with Muse Spark Open” 的署名文字。对大多数团队来说，这并不是阻碍。但在架构定型之前，这是需要先读过的东西，因为这是与供应商的许可谈判，而这种谈判越早开始代价越低。

对大多数团队来说，诚实的答案是两者都运行。

最终两者兼而有之的组织之所以会走到这一步，是因为本文核心的这两个条件确实把它们的工作负载一分为二：有些路径上有人在等待，有些则没有，而且只有部分路径涉及必须留在本地的数据。架构本身很简单。真正的故障模式在于：这种划分存在于一份文档里，而不是存在于配置中，于是某个开发者直接从教程里复制了一串模型标识符。

路由层正是防止这种情况发生的机制。OrcaRouter 按供应商的标价路由 Muse Spark 1.2 和 Muse Spark 1.1，0% 加价直接穿透，因此供应商的价格变动当天就会在你的密钥上生效，无需任何重新定价工作。它不路由 Muse Spark 1.3，也不托管 Muse Spark Open 816B A42B，本文不应被理解为对其中任何一项的声称——一个其全部主张就是你可以持有权重的模型，就应该运行在你自己的硬件上。路由器带给你的是可触及的那一半：一个 API 覆盖 200 多个模型，供应商服务降级时自动故障转移、用于将它们组合的模型融合，以及一个通过配置而非代码在模型之间转移流量的路由 DSL。这是在生产线路由依赖开放权重之前，以低成本了解它们在真实流量中表现如何的方法。

版本号不是规范

Muse Spark 1.3 是能力更强的模型。这一点已由独立测量确认，并无争议。有争议的是，“能力更强”是否是你的工作负载所在的维度；而对许多工作负载来说，并非如此：真正的维度在于是否有人在等待、任务是否足够狭窄以便调优，以及数据能否离开这栋楼。

如果推理就是产品，工作是突发性的，而且没人在盯着加载圈，那就选 Muse Spark 1.3。如果任务范围狭窄、数据无法迁移、负载量稳定，或者能够以任意努力程度思考而无需让计费表一直运行，这一点比九个指数点更有价值，那就选 Muse Spark Open 816B A42B。并且在决定之前要注意，第二个选项刚刚获得了它上周还没有的服务方案——未量化、针对特定硬件、文档不完整，但尽管如此，这是关于这个 816B 层级实际如何运行的第一份公开证据。

Muse Spark Open 816B A42B 可依据 Muse Model License 下载；Muse Spark 1.3 按 token 销售，而 OrcaRouter 上路由的 Muse Spark 检查点为 1.2 和 1.1。