Muse Spark 与 DeepSeek V4.1 Pro 对比：一个下载已落地，一个从未发布

决定这场对比的是三个名字，而其中只有两个是你能握在手里的东西。Muse Spark Open于 2026 年 10 月 15 日成为真正可下载的产物，当时 Meta 公布了其 Meta Muse Spark家族中开放成员的权重、配置和许可证。DeepSeek V4.1 Pro从未发布：这个层级只被提及过一次，出现在 9 月 10 日的一条更新日志里，描述了一项随即被撤回的路由方案，此后便再没有发布过任何模型卡、价格条目、代码仓库或日期。第三个名字才是让这个标题问题有答案的关键，因为它才是读者实际会拿来与之比较的旗舰——DeepSeek V4 Pro，这款拥有 1.6 万亿参数、采用 MIT 许可证的旗舰自 2026 年 8 月 13 日起便可下载和调用，而 DeepSeek V4.1 Flash则位居其下，是同系列中便宜、快速、能读图的成员。

这么说来，有趣的问题并不是哪个模型更聪明。而是对于在权重而非端点上做开发的人来说，什么发生了变化：这场对比中的一方昨天拿到了一份你可以阅读、可以据理力争的许可证，另一方则从未有过；而且，按任务计价的算术与按 token 计价的算术，方向恰好相反。

标题的两半不是同一种对象

这种配对形态不寻常，值得在任何数字之前先说明。通常一个"vs"页面存在的是版本问题——两个模型名背后各自藏着三个检查点。而这里，一方是版本问题，另一方则是存在性问题。

Meta 方面已顺利解决。Muse Spark 是一个系列，而非一次发布：该产品线于 2026 年 4 月 8 日推出，此后已四次重新指向。Muse Spark 1.1 于 2026 年 7 月 16 日上线，Muse Spark 1.2 于 8 月 5 日上线，而 Muse Spark 1.3 于 9 月 2 日上线，其中 1.3 的“max”推理级别在额外安全测试后于两天后的 9 月 4 日开放。Muse Spark Open 是以该名称发布的第五个产物，也是唯一一个可自行托管的产物。

DeepSeek 这一边根本无从谈起。DeepSeek V4.1 Pro 只是一个有名无实的档位名称，而它与确实存在的那四款 DeepSeek 模型之间的差别，正是本页不得不指出一个替代对象的全部原因。诚实的解读是：搜索这一对擂信息的读者，心里其实装着两个不同的问题——Meta 刚刚放到磁盘上的是什么，以及那个已被许诺的 DeepSeek 档位究竟何时才会真正存在。

实际落下来的是什么，以及它已经在那里放了多久

Muse Spark Open 既不是一次意外空降，也不是一场常规发布，而这两种说法之间的落差，恰恰是这次发布最耐人寻味之处。那个 Hugging Face 仓库——包含一个 BF16 检查点和一个单独的 NVFP4 构建版本，名为 Muse-Spark-Open-816B-A42B——带有 2026-09-15 的创建时间戳。随后它就在那里静置了一个月，处于受限状态且未作任何公告，而访问表单内的许可证文本和使用政策却保留着自己的日期：2026年10月15日。这个产物悄然存在；一个月后，文书才跟上。

无需任何人的基准测试，元数据和 Meta 自己的发布文章就确立了什么：

• 规模——约 8160 亿总参数，每个 token 约 420 亿激活参数；在 62 层上采用稀疏专家混合（MoE），每个 MoE 层有 256 个专家，每个 token 选择其中 8 个。

• 上下文 —— 1,048,576 个 token 的窗口，跨所有模态共享，而非在它们之间拆分。

• 模态——输入支持文本、图像、视频和音频；输出为文本。Artificial Analysis 的独立列表记录了相同的输入信息，描述的是一个接受文本、图像、语音和视频的模型。

• 推理——一种推理强度设置，包含低、中、高和极高（xhigh）等级，且无法完全关闭推理。

• 访问权限——受限。申请表单要求填写完整法定姓名、出生日期及附有企业标识的机构信息，且提交后无法修改。任何以为这是一键下载的人，最好做好排队的准备。

这是记录中已确定的部分。尚未确定的部分是测量，值得精确说明二者孰为孰——参见下文的数字部分。

deepseek-ai 组织，以及那个不在其中的名字

关于 DeepSeek V4.1 Pro 已发布的一切内容，都能用 DeepSeek 自己更新日志中的一句话概括，日期为 2026-09-10，位于随 DeepSeek V4.1 Flash 一同发布的说明中。其中称，从 9 月 14 日 04:00 UTC 起，发往 deepseek-v4-pro 的请求将被路由到新发布的 Flash 模型，并按 Flash 费率计费，而且这种情况将持续“直到 V4.1-Pro 发布”。开发者反对在没有任何迁移窗口的情况下，把一个生产模型从他们脚下替换掉；同一条更新日志条目也记录了这次逆转：DeepSeek 决定在 9 月 14 日之后继续提供 DeepSeek V4 Pro，且计费保持不变。

路由计划夭折了。名字却留存了下来，而那一条款就是公开记录的全部内容。已于 2026 年 10 月 16 日对照原始资料核验：

• DeepSeek 的模型与定价页面仅提供两个模型名称——deepseek-flash 和 deepseek-v4-pro，分别对应 DeepSeek-V4.1-Flash 和 DeepSeek-V4-Pro-0813。其中不存在 V4.1 Pro 的列、行或价格。

• DeepSeek 的更新日志中完全没有任何十月条目，其最近的条目分别是 2026-09-10、2026-08-21 和 2026-08-13。

• Hugging Face 上的 deepseek-ai 组织没有任何以 V4.1 Pro 命名的仓库。其最新的模型仓库是 DeepSeek-V4.1-Flash，创建于 2026-09-10。

一个未经证实的信号值得记录，但也仅此而已。10 月 15 日上午，一名追踪者报告称，一个 DeepSeek 端点在一场服务中断结束后表现有所不同——它通过了一个关系推理提示，而 DeepSeek-V4-Pro-0813 和 V4.1 代都未能通过；这一点在四次采样中均可复现，速度约为每秒 180 个 token——并猜测其名称为 V4.1 Pro。其背后没有模型卡、没有权重文件，也没有厂商声明，而对现有服务配置进行静默重建，从外部看也会完全一样。应将其视为值得关注的线索，而非一次发布。

V4.1 Pro 几乎肯定会继承什么，值得单独说明，因为这是推断，而非报道。V4 和 V4.1 系列中已发布的每一款 DeepSeek 模型——DeepSeek-V4-Pro-0813、DeepSeek-V4-Flash、DeepSeek-V4-Flash-0731 和 DeepSeek-V4.1-Flash——其模型卡上都带有 license:mit，且所提供的规格范围一直一致：输入 1M tokens，输出最高 384K。该系列中的 Pro 层级预计会同时匹配这两点。但没有任何已发布的信息表明这一点。

没有记分牌承载的轴线：许可证

这正是两种开放权重选项真正分道扬镳的地方，而对于任何要发布产品而非跑基准测试的人来说，这一节决定了整篇文章的走向。Artificial Analysis 对 Muse Spark Open 的条目把许可证问题回答为“允许商业使用，但有限制”，原因就在 Meta 自己的文本里。

Muse Model License 并非 OSI 许可证，也不是 MIT。有两个条款改变了“开放权重”在实践中的含义，而这两条都不在标题里。

• 模型即服务条款。第3条要求，如果您或您的关联方通过API以产品或服务形式向第三方提供对该模型的访问权限，且在任意连续十二个月期间内您的总毛收入超过两千万美元，则您必须在开展该业务之前通知Meta并另行签订书面协议。将模型内置于您自己的产品中属于除外情形；转售则不然。

• 署名条款。被许可方必须在任何使用该模型或其衍生品的产品界面中，或在随附文档、网站或设置菜单中，显著展示“Built with Muse Spark Open”。

相比之下，已发布的 DeepSeek 全系都采用 MIT 许可证——DeepSeek V4 Pro、DeepSeek V4.1 Flash 及其前代产品全都如此，没有收入门槛、没有通知义务，也没有署名要求。实际影响并不细微。如果你的计划涉及通过 API 为他人托管该模型，Meta 的许可证设有收入触发机制，而 DeepSeek 的没有。如果你的计划涉及发布基于这些权重构建的消费级产品，Meta 的许可证要求你展示一句话，而 DeepSeek 的则什么都不要求展示。

Muse Model License 明确授予的两件事，值得说明，因为它们才是开放权重的真正意义：你可以微调、蒸馏、合并、发布、再许可和销售衍生品，而 Meta 不对输出主张任何所有权。限制很窄，授权很宽泛。但如果你是基于法律审查而非能力在这两个模型之间做选择，那么这个选择毫无悬念，而且这是这场对比在任何一个模型生成一个 token 之前就给出的答案。

数字，以及那条倒着延伸的线

Artificial Analysis 是唯一一个为两大阵营都提供公开榜单的第三方，而且它不会把它们放进同一个类别——开放权重模型是与同一规模级别的开放权重模型进行比较，这在这里不会造成太大失真，因为所讨论的一切都是开放权重模型。以下内容是它的测量结果，不是厂商的说法，也不是我们的说法。

• Muse Spark Open (xhigh) —— 智能指数 39，在其类别 118 个条目中排名第九，远高于该类别 19 的中位数；每百万 token 输入 1.25 美元、输出 4.25 美元；每个完成的索引任务 0.84 美元；输出速度 103.4 token/秒；首个 token 延迟 0.65 秒；索引期间生成了 1.1 亿个输出 token，而中位数为 1.3 亿；总参数 816B，活跃参数 42B；Muse 模型许可证。

• DeepSeek V4 Pro 0813（max）——智能指数 36；每百万 token 输入 $1.32、输出 $3.96；每个指数任务 $0.67；每秒 92 个 token；首 token 时间 1.66 秒；输出 token 1.6 亿，高于中位数；总参数 1.6T、激活参数 49B；MIT。

• DeepSeek V4.1 Flash (max)——有用的第三列，也是让整个对比重新排序的那一列。Intelligence Index 为 39——与 Muse Spark Open 得分相同——每百万 token 输入 $0.30、输出 $1.20，每项索引任务 $0.27，每秒 179 个 token，首 token 时间 1.15 秒，而输出 token 达 2.5 亿，是该类别中最冗长的测量值。

把这三者放在一起看，反转才是关键。DeepSeek 的模型在每个任务上更为冗长——输出 token 分别为 160M 和 250M，而 Muse Spark Open 为 110M——但每个已完成任务的成本却更低，因为其单 token 价格低得多。在这里，每 token 成本与每任务成本指向相反的方向，任何仅凭表面上的输入/输出费率来比较这两者的人，都会对哪一个运营成本更低得出错误结论。

两个会实质性改变算术结果的定价注意事项。首先，DeepSeek 自己的价格表在非高峰时段将费率减半，而高峰时段是一个狭窄的时间窗口——UTC 周一至周五 01:00–04:00 和 06:00–10:00，不包括中国法定节假日，周末和节假日完全属于非高峰时段。上述 $1.32 / $3.96 和 $0.30 / $1.20 的数字是 DeepSeek 公布的高峰费率；非高峰费率为 DeepSeek V4 Pro 的 $0.66 / $1.98，以及 DeepSeek V4.1 Flash 的 $0.15 / $0.60。一周中的大部分时间都是非高峰时段。其次，Meta 根本没有公布 Muse Spark Open 的价格——$1.25 / $4.25 这一行是 Artificial Analysis 测量的托管路由，报告为提供该模型的各供应商的中位数，而不是针对模型权重的厂商标价。你自己托管的权重没有按 token 计价的价格；它们有硬件账单。

关于 Muse Spark 这边，还有一点需要如实说明。上面的 39 属于 xhigh 下的 Muse Spark Open，而且并非该家族的最佳数字。在同一个指数上，max 下的 Muse Spark 1.3 得分为 48——高出九分——而大多数开发者一直在调用的检查点 Muse Spark 1.2 得分为 40。若以开放检查点来判断该家族的能力，就会低估它；若以闭源产品线来判断开放检查点的许可证，则会犯范畴错误，因为二者受不同条款约束。

在两者根本不是替代品的情况下

39 与 36 之间的指数差距很小，小到足以落在各测试框架运行方式本身的噪声范围内，因此在二者之间做选择时，下面这些规格参数比分数更重要。

• 模态——这方面的差距毫无悬念。Muse Spark Open 能读取文本、图像、视频和音频。DeepSeek V4 Pro 只能读取文本，别的都不行；DeepSeek 自家的价目表在该模型的视觉一栏标注为“不支持”，Artificial Analysis 的记录也如出一辙。如果你要往模型里输入屏幕录制、视频或语音，那么比较到此为止。

• 上下文——两者都是 1M token，没有什么需要拆分。Muse Spark Open 将这一预算跨模态共享；DeepSeek 的预算从设计上就是纯文本的。

• 最大输出——DeepSeek 公布 DeepSeek V4 Pro 和 DeepSeek V4.1 Flash 的最大输出为 384K tokens。Meta 并未公布 Muse Spark Open 的最大输出数值，我们也无法核实。如果你需要在单次调用中生成较长的产物，那么未公布的上限是一项需要实测而非想当然的风险。

• 首 token 时间——Muse Spark Open 明显胜出的那一项延迟指标，为 0.65 秒，而 DeepSeek V4 Pro 为 1.66 秒，DeepSeek V4.1 Flash 为 1.15 秒。对于交互式或智能体循环而言，首个 token 会决定下一次工具调用，这是实实在在的差异，而且即便总体指数差距更小，它也依然成立。

• 吞吐量 — DeepSeek V4.1 Flash 是三款中最快的，达到每秒 179 个 token，Muse Spark Open 为 103.4，DeepSeek V4 Pro 为 92。值得注意的是，闭源的 Muse Spark 1.2 实测为每秒 361 个 token —— 开放权重检查点是另一种部署，速度特征也不相同，不应假定它会继承闭源系列的数据。

• 整个系列内的延迟分布差异——值得写上一句，因为它是个陷阱。Muse Spark 1.3 在最大推理强度下实测的首个 token 时间为 54.06 秒，而同类产品的中位数约为 3.7 秒。一个偏重推理的配置，可能在第一个 token 到来之前就要消耗掉将近一分钟。无论你从某一行 Muse Spark 数据得出什么结论，都要确认它出自哪个检查点、哪种努力级别。

运行对比，而不是读取它

这个标题的两边都无法靠争论来定论，因为真正关键的两件事——39 对 36 在你的流量上到底有没有意义，以及 Muse Spark Open 的吞吐量和延迟在另一套服务栈上是否站得住脚——只有在你自己发出的请求里才看得见。最省事的验证方式，是让两者都跑同一批提示词。

这正是我们的意义所在。OrcaRouter 把这里拥有端点的四个模型——Muse Spark 1.2、Muse Spark 1.1、deepseek-v4-pro以及 deepseek/deepseek-v4.1-flash——放在覆盖 200 多个模型的同一个 API之后，按各提供商的标价、以 0% 加价透传，因此供应商一降价，我们这边当天就生效。两个系列共用一个密钥：无需第二份合同、第二个 SDK，也无需迁移就能互相对比测试，还具备自动故障转移，让一次路由实验即使跑砸了也会降级到另一个模型，而不是降级到错误页面。

坦诚比推销更重要，所以：Muse Spark Open 不在我们的目录中，我们也不会暗示并非如此。 一个全部卖点就是“你可以下载它”的模型，就是一个你自己来运行的模型，而 816B 检查点是一个硬件层面的决定——Meta 自己的 BF16 配方要把它铺在四个节点、每个节点八块 H200 上。DeepSeek V4.1 Pro 也不在我们的目录中，因为它根本不存在。今天可用的路由测试运行在那些确实存在的检查点上：一边是 Muse Spark 1.2 和 Muse Spark 1.1，另一边是 DeepSeek V4 Pro 和 DeepSeek V4.1 Flash。

谁应该选哪个

如果你需要多模态能力，就选 Meta 的。Muse Spark Open 能在单个 1M token 预算内读取视频、图像、音频和文本，并以文本作答，而 DeepSeek 已发布的产品线中没有任何模型能做到这一点。DeepSeek V4.1 Flash 能读取图像，性价比也大幅更高，但它不是视频或音频模型，而 DeepSeek V4 Pro 仅支持文本。

如果你需要每个已完成任务的最低成本，或者需要一份无需法律审查就能用来开展业务的许可证，那就选 DeepSeek 的。根据 Artificial Analysis 的测量，DeepSeek V4.1 Flash 达到了 Muse Spark Open 的指数得分，而每个任务的成本约为后者的三分之一；DeepSeek V4 Pro 虽为更冗长的模型，却在每个任务成本上胜过了它。整个已发布产品线都采用 MIT 许可，意味着没有收入门槛，也没有署名声明要求。

如果你需要为交互式循环争取最快的首个 token，Muse Spark Open 的 0.65 秒是本次对比中的最佳成绩，快了一倍；而这也是唯一一个较低的指数得分明显无关紧要的维度。

如果你来到这里带着的问题是“我该不该等 DeepSeek V4.1 Pro”，那么今天的答案是：没有什么带日期的东西值得等待。你能调用的两款 DeepSeek 模型，已经就是这场对比必须用来对照的对象，而其中之一——DeepSeek V4.1 Flash——得分还高过那个层级名号本应位居其上的旗舰款。真正该关注的不是层级编号，而是这张表格的 DeepSeek 一侧究竟会不会发生变化：DeepSeek 更新日志里的一条 10 月记录、deepseek-ai 组织下的一个代码仓库，或者 Models & Pricing 页面上的第四行定价条目。在其中任何一项出现之前，更有意思的动向在 Meta 这一侧：一项许可、一笔硬件账单，以及一个 110M-token 的冗长程度数字，如今都成了读者真能去核实的东西。

对于一个失效模式尚未被记录的模型来说，有用的对照物是别处已经出错的记录：这一类模型的已记录 AI 事故与智能体故障，都收录在OrcaRouter AI 事故档案库中，其中每条条目都带有自己的来源、严重程度、置信度评级和争议标记。