Meta bemutatta a Muse Spark 1.1-et, egy látás-szöveg (vision-language) modellt, amelyet kifejezetten "agentikus" feladatokra tréneltek, és egyúttal elindította a Meta Model API-t, amely cég első fizetős hozzáférést kínál modelljeihez.
Mire képes a Muse Spark 1.1
A Muse Spark 1.1 többféle bemenetet fogad: szöveget, képeket és videót, és támogatja a rendkívül hosszú kontextust (akár 1,048,576 token bemeneti/ kimeneti kombinációig). A szöveges kimenet maximális hossza 131,072 token, a feldolgozási sebesség legfeljebb 119 token másodpercenként. A modell támogatja az eszközhasználatot (tool use), prompt cachinget és állítható gondolkodási (reasoning) szinteket: none, minimal, low, medium, high, xhigh.
Hogyan működik agentikus környezetben
Meta kevés részletet közölt a belső architektúráról vagy a tanítási adatokról, de azt írják, hogy a Muse Spark 1.1-et azért fejlesztették, hogy hatékonyan kezelje a kontextust és koordináljon alagenteket (subagents). A modell képes feladatokat osztani alagentekre, amelyek párhuzamosan futnak, így rövidítve a teljesítési időt; ugyanakkor képes alárendelt szerepben maradni, és visszaadni a vezérlést, ha döntési jogkört túllépne.
A számítógépes műveletekhez a modell meg tudja választani, hogy automatizál-e (szkriptek írása) vagy közvetlenül cselekszik (kattintás, virtuális billentyűzet használata), és optimalizál a gyorsaság vagy egyszerűség alapján. A Meta szerint a modell maga kezeli a hosszú feladatok kontextusát: előhívja a korábbi részleteket és sűríti a párbeszédeket úgy, hogy a későbbi lépésekhez szükséges információ megmaradjon.
Teljesítmény és benchmarkok
Muse Spark 1.1 kiemelkedik az agentikus eszközhasználatot mérő teszteken, miközben az általános „intelligencia” tekintetében egy szinttel a legjobbak mögött helyezkedik el.
-
Artificial Analysis Intelligence Index: a Muse Spark 1.1, xhigh reasoning mellett, 51 pontot ért el, ezzel megegyezik Z.ai GLM-5.2-vel és GPT-5.6 Luna-val (mindkettő max reasoning), és elmarad Claude Sonnet 5-től (53 pont). A modell költsége az Intelligence Index feladatokra számítva 0,26 USD per feladat volt, ami a hasonló pontszámot elérő modellek közül csak a GPT-5.6 Luna ($0.21/feladat) mellett alacsonyabb.
-
Arena.ai Text Arena: vak emberi összehasonlítások alapján Muse Spark 1.1 a hatodik helyen végzett (1,490 Elo), Claude Fable 5 és több Claude Opus változat előtt, de közvetlenül a GPT-5.6 Sol xhigh beállítás mögött.
-
Artificial Analysis Coding Agent Index: xhigh reasoning mellett 71.3 pontot ért el, kis mértékben lemaradva a GPT-5.6 Luna (71.4), és megelőzve a Google Gemini 3.5 Flash (70.1). A kódolási feladatoknál körülbelül 1,40 USD/feladat költséget hozott, ami az alsóbb kategóriába esik, bár a feladatok végrehajtása hosszabb időt vesz igénybe, mint egyes riválisoknál.
-
MCP Atlas (Scale AI) leaderboard: 88.1%-os pass rate-tel Muse Spark 1.1 előzte meg a Gemini-3.5-Flash (83.6%) és Claude Fable 5 (83.3%) verziókat többlépéses szoftveres eszközhasználat során.
-
JobBench: professzionális fehérgalléros feladatok tesztjén 54.7%-os eredményt ért el, ami második helyet jelent (Claude Fable 5: 57.4%, Claude Opus 4.8: 48.4%).
Elérhetőség és árképzés
A Muse Spark 1.1 ingyenesen hozzáférhető a Meta AI alkalmazáson és a meta.ai weboldalon. API-hozzáférés a Meta Model API-n keresztül érhető el: a publikus előnézet egyelőre csak az Egyesült Államokban működik, várólistás rendszerrel, és új felhasználóknak 20 USD-nyi kezdeti kreditet adnak.
Tokenárak (Meta Model API):
- Input token: $1.25 per million
- Cached token: $0.15 per million
- Output token: $4.25 per million
- Websearch: $2.50 per 1,000 lekérdezés
Meta ezzel az árazással olcsóbban kínál kimeneti tokeneket, mint több riválisa, például Claude Opus 4.8, GPT-5.6 Sol vagy Claude Fable 5, amelyeknél a kimeneti tokenek ára a szöveg szerint $25–$50 per million körül mozog.
Mi nincs nyilvánosan közölve
A Meta nem tette közzé a Muse Spark 1.1 paramétereinek számát, az architektúra részleteit, sem a képzési adatokat és módszereket. Csak a tréningcélokat és a modell viselkedésére vonatkozó megközelítéseket ismertették.
Kontextus és iparági hatás
A Muse Spark 1.1 megjelenése egy sűrű időszakban történt: ugyanazon a napon OpenAI is megnyitotta a GPT-5.6 családot a nyilvánosság előtt; előtte Grok 4.5 jelent meg, szintén alacsony költség-per-feladat hangsúllyal; később pedig a Google bejelentette a Gemini 3.6 Flash és Gemini 3.5 Flash-Lite modelleket. Ugyanazon a héten a Meta bejelentette a Muse Image képgenerátort és a Muse Video videógenerátort is.
A Meta lépése azért jelentős, mert a tokenárak meghatározzák, mely alkalmazások gazdaságosak nagyban. A Muse Spark 1.1 alacsony per-token és per-feladat költségei nyomást helyezhetnek a versenytársak árképzésére, különösen mivel a Meta, hasonlóan a Google-hoz, reklámbevételekkel tudja részben támogatni a fejlesztési és futtatási költségeket. Mark Zuckerberg szerint más laborok árazása "nagyon extrém és nagyon magas profitmarzsokkal" operál; a Meta pozicionálása így stratégiai lépés lehet a versenyképesség növelésére.
Mit jelent ez a fejlesztők és alkalmazások számára
A Muse Spark 1.1 azzal a megfigyeléssel illeszkedik a trendbe, hogy a korábban „kívülről” épített funkciók — például instrukciókövetés, eszközhasználat, delegálás és köztes kontextus-kezelés — immár a modell saját képességei közé kerülnek. Minél kevesebb kézzel összerakott vázszerkezetre (scaffolding) van szükség, annál gyorsabban terjedhetnek az agentikus alkalmazások.
Összefoglalva, a Muse Spark 1.1 a konkurenseknél alacsonyabb futtatási költségekkel kínál erős agentikus eszközhasználati képességeket, miközben a Meta korlátozott részleteket közölt a modell belső működéséről. A piaci hatás attól függ, hogyan reagálnak az árversenyre a többi nagy szereplő és hogyan használják a fejlesztők ezeket a képességeket a gyakorlatban.
