Meta Muse Spark 1.1: recensione, prezzi e benchmark

Meta Muse Spark 1.1 è il primo modello frontier a pagamento di Meta: costa $1.25 per milione di token in input e $4.25 per milione in output, circa un quarto delle tariffe applicate da OpenAI e Anthropic per i rispettivi modelli di punta. Il modello domina tutti i benchmark di utilizzo degli strumenti in cui è stato testato, ma nel coding più impegnativo resta dietro a Claude Opus 4.8: proprio l'ambito su cui punta il suo nome.

Il verdetto

Oggi Muse Spark 1.1 offre il miglior rapporto qualità-prezzo per l'uso di strumenti nella fascia frontier. Non è invece il modello da scegliere per lavori di coding complessi e di lunga durata. Sono due verità che convivono, anche se il marketing racconta soltanto quella più conveniente.

Il vantaggio economico è concreto. Con $1.25 in input e $4.25 in output per milione di token, un ciclo agentico ad alta intensità di output che su GPT-5.6 Sol costa $30 per milione scende a $4.25 con Muse Spark: circa sette volte meno. Nei benchmark di lancio pubblicati da Meta, il modello conquista il primo posto in MCP Atlas e JobBench, i due test sull'uso di strumenti su larga scala, con ampi margini su Opus 4.8, GPT-5.5 e Gemini 3.1 Pro. Se un prodotto consuma la maggior parte dei token per orchestrare strumenti, interrogare server MCP e coordinare subagenti, oggi è la soluzione meno costosa per affidare quel compito a un modello di fascia frontier.

Il limite è racchiuso proprio nella promessa di “Spark”. Meta presenta la linea come una proposta per il coding e concentra qui buona parte della comunicazione, ma nei benchmark indipendenti il modello si ferma a metà classifica: terzo nel coding agentico da terminale, terzo nel coding agentico di lunga durata e dietro a Opus 4.8 nell'ingegneria del software su attività eterogenee. Inoltre, i pesi sono chiusi, l'output è solo testuale e l'anteprima pubblica è riservata agli sviluppatori negli Stati Uniti, con lista d'attesa.

Vale la pena passare subito a Muse Spark se si gestiscono su larga scala carichi di lavoro basati sull'uso di strumenti o sull'orchestrazione di agenti e il costo per token è il vero vincolo. Meglio restare su Opus 4.8 o GPT-5.6 Sol quando gli agenti affrontano sessioni prolungate di coding autonomo, dove un passo falso può costare caro. Di seguito analizziamo i prezzi, i benchmark che il post di Meta lascia in secondo piano e la regola decisiva per scegliere.

Che cos'è davvero Meta Muse Spark 1.1

Muse Spark 1.1 di Meta AI è il secondo modello di Meta Superintelligence Labs, pubblicato il 9 luglio 2026, nonché il primo modello Meta che gli sviluppatori esterni possono utilizzare a pagamento tramite API. È un modello di ragionamento multimodale progettato per il lavoro agentico: pianifica attività in più passaggi, controlla strumenti esterni e delega ai subagenti, anziché limitarsi a rispondere a una singola domanda. Offre una finestra di contesto da 1,048,576 token, cioè un milione intero, e compatta attivamente il lavoro precedente per lasciare spazio ai passaggi successivi. Una parte centrale della proposta riguarda i server MCP, lo standard aperto che consente a un modello di accedere a strumenti e fonti dati esterni tramite un'unica interfaccia. In questo modo, lo stesso agente può gestire un foglio di calcolo, un browser e un'API interna senza dover creare un'integrazione dedicata per ciascuno.

Rispetto al passato di Meta, ci sono due rotture nette. La prima: il modello è proprietario e a pesi chiusi, quindi non può essere scaricato né ospitato in proprio, a differenza della famiglia open source Llama che ha consolidato la reputazione di Meta nel settore dei modelli aperti. Zuckerberg ha descritto il cambio di rotta senza giri di parole: «Dato che non è un modello open source, credo che questa sia la prima volta in cui realizziamo una vera API seria». Se servono pesi aperti per il self-hosting o il fine-tuning, Muse Spark non è un'opzione; in quel caso, la rosa dei migliori modelli a pesi aperti è un'altra. La seconda: l'accesso per i consumatori è gratuito. Il modello funziona in modalità “Thinking” nell'app Meta AI e su meta.ai con un account Meta, quindi chiunque può provarlo prima di decidere se integrare l'API a pagamento in un progetto.

C'è una specifica più importante del marketing: il modello accetta testo, immagini e audio in input, ma restituisce soltanto testo. Non genera immagini né audio; per queste funzioni Meta offre una linea separata, Muse Image e Muse Video. Muse Spark è il cervello di un agente, non un generatore multimediale. Considerarlo diversamente significa partire dalle aspettative sbagliate.

Sul fronte agentico, l'elenco delle capacità è sostanziale: modalità di pianificazione, condizionamento sugli obiettivi, delega ai subagenti e compattazione del contesto. Meta sostiene inoltre che il modello sappia generalizzare zero-shot su nuovi strumenti nativi, server MCP e skill personalizzate senza ottimizzazioni specifiche per ogni integrazione. I primi partner confermano la direzione. Saoud Rizwan, CEO di Cline, ha affermato che Meta sta «chiaramente costruendo per un coding agentico serio, con un uso efficace degli strumenti a un prezzo che rende sostenibili veri carichi di lavoro di coding su larga scala». Amjad Masad di Replit ne ha elogiato le «capacità di coding di altissimo livello, in particolare nel frontend e nel design» e la compatibilità con OpenAI. Conviene però confrontare queste dichiarazioni con i benchmark indipendenti riportati più avanti, perché i numeri offrono un quadro meno uniforme degli endorsement.

Muse Spark API: prezzi e vero significato del “75% in meno”

La Meta Model API costa $1.25 per milione di token in input e $4.25 per milione in output; ogni nuovo account riceve $20 di credito gratuito. L'input memorizzato nella cache scende a $0.15 per milione, mentre lo strumento integrato di grounding tramite ricerca web costa $2.50 ogni 1,000 query. L'interfaccia è compatibile con l'SDK OpenAI e supporta output strutturato, chiamate parallele agli strumenti e prompt caching. Per collegarla a uno stack esistente, quindi, basta quasi cambiare l'URL di base.

Dire che costa “circa un quarto di quanto fanno pagare i concorrenti” è corretto per la fascia frontier. Ecco il confronto con i modelli a cui si contrappone, utilizzando i prezzi attuali.

La parte alta della tabella conferma la promessa: i token in output di Muse Spark costano 5.9 volte meno rispetto a Opus 4.8 e 7 volte meno rispetto a GPT-5.6 Sol, mentre il prezzo dei token in input è esattamente 4 volte inferiore rispetto a entrambi. Da qui nasce il richiamo allo sconto del 75% e, per un modello frontier, rappresenta una vera discontinuità nella curva dei prezzi.

La parte bassa della tabella aggiunge la sfumatura decisiva. Muse Spark non è il modello meno costoso sul mercato: il prezzo di $1.25 per l'input supera il $1 di Claude Haiku 4.5 e il $1 di GPT-5.6 Luna, mentre sul fronte dell'output batte queste due fasce economiche soltanto di poco. La descrizione corretta, dunque, non è “l'API di IA più economica”, bensì una capacità di livello frontier con un costo dell'output vicino a quello della fascia budget. Per estrazioni o classificazioni con contesto breve, dove un nuovo tentativo costa poco, Haiku 4.5 o Luna continuano a vincere sul prezzo puro dell'input e il margine di Muse Spark non serve. Il vantaggio emerge quando occorre un cervello agentico di livello frontier e la spesa è trainata dall'output.

I benchmark che il post di Meta lascia in secondo piano

Il post di lancio di Meta insiste su valutazioni interne come il Meta Internal Coding Bench, che nessuno al di fuori dell'azienda può riprodurre. I dati utili arrivano dai confronti di terze parti e restituiscono una lettura più netta sia del marketing sia delle dichiarazioni dei partner. Il modello OpenAI sottoposto ai test è GPT-5.5; GPT-5.6 Sol mantiene lo stesso prezzo di $5/$30, quindi il confronto economico precedente resta valido in entrambi i casi.

Il quadro diventa chiarissimo raggruppando le righe. Nei quattro test dedicati all'uso degli strumenti e al ragionamento con strumenti, Muse Spark 1.1 vince nettamente in tre casi e nel quarto resta indietro rispetto a Opus di appena sei decimi di punto. Il margine di JobBench su Gemini, 54.7 contro 15.9, e su GPT-5.5, fermo a 38.3, è enorme. Il modello è stato ottimizzato per pianificare e orchestrare numerosi strumenti, e i risultati confermano la scelta progettuale.

Nei tre test di coding, la situazione si ribalta. Muse Spark è terzo in Terminal-Bench 2.1 con 80.0, dietro all'83.4 di GPT-5.5 e all'82.7 di Opus 4.8. Si classifica terzo anche in DeepSWE 1.1, il test di lunga durata, con 53.3 contro il 67.0 di GPT-5.5 e il 59.0 di Opus 4.8. L'unico risultato positivo nel coding arriva da SWE-Bench Pro: il suo 61.5 supera GPT-5.5, ma resta sotto il 69.2 di Opus 4.8. L'analisi di DataCamp coincide con la tabella: nel lavoro agentico di lunga durata il modello «è ancora debole rispetto a GPT-5.5 e Opus 4.8». Per una linea chiamata “Spark” e promossa soprattutto per il coding, è una precisazione indispensabile. Siamo davanti a un modello valido nella programmazione, capace di battere un concorrente frontier ma non l'altro, affiancato però da risultati nell'uso degli strumenti che guidano davvero il mercato.

Rispetto a Gemini 3.1 Pro, oggetto del confronto più richiesto, sul terreno degli strumenti non c'è partita: Muse Spark vince ogni riga dedicata al tool use e il 53.3 contro 12.0 di DeepSWE è un risultato schiacciante. L'argomento a favore di Gemini deve quindi poggiare su prezzo ed ecosistema, non su queste attività.

Quando conviene scegliere Meta Muse Spark 1.1 e quando no

La domanda giusta non è se il modello sia valido: lo è. Bisogna invece capire se il carico di lavoro ricade proprio nell'area in cui vantaggio prestazionale e prezzo si sovrappongono.

La regola è semplice: se la spesa in token dipende soprattutto dall'output e gli agenti passano il tempo a usare strumenti anziché scrivere codebase nuove e complesse, Muse Spark 1.1 è il modello su cui passare. Se un solo errore durante una lunga esecuzione autonoma può costare caro, conviene pagare Opus 4.8 o Sol e riservare Muse Spark alle parti della pipeline più economiche e ricche di strumenti. Molti sistemi in produzione finiranno per adottare un routing ibrido: Muse Spark per l'orchestrazione ad alto volume, un modello di punta per le implementazioni più difficili. Grazie all'API compatibile con OpenAI, questo instradamento richiede una modifica alla configurazione, non una riscrittura.

FAQ

Muse Spark è gratuito?

L'uso da parte dei consumatori è gratuito: Muse Spark 1.1 funziona in modalità Thinking nell'app Meta AI e su meta.ai con un account Meta, entro i limiti di utilizzo gestiti lato server. La Meta Model API è a pagamento: $1.25 per milione di token in input e $4.25 per milione in output, con $20 di credito gratuito all'iscrizione.

Muse Spark 1.1 è open source?

No. È un modello proprietario a pesi chiusi, a differenza della famiglia open source Llama di Meta. Zuckerberg ha definito l'API a pagamento la prima «vera API seria» di Meta e il modello viene distribuito esclusivamente dalle piattaforme dell'azienda, senza rilascio per il self-hosting.

Muse Spark è migliore di Gemini 3.1 Pro?

Nell'uso degli strumenti, nettamente: guida MCP Atlas con 88.1 contro 78.2 e JobBench con 54.7 contro 15.9, e supera ampiamente Gemini nel coding di lunga durata, con 53.3 contro 12.0 in DeepSWE. I punti a favore di Gemini riguardano prezzo ed ecosistema, non queste attività.

Muse Spark 1.1 è adatto al coding?

È valido, ma non il migliore. In SWE-Bench Pro supera GPT-5.5, 61.5 contro 58.6, ma resta dietro a Claude Opus 4.8, che raggiunge 69.2. Inoltre, arriva terzo sia in Terminal-Bench 2.1 sia in DeepSWE, il test di lunga durata. È forte nel coding guidato dagli strumenti, meno nel lavoro autonomo prolungato.

Che cosa può fare Muse Spark 1.1?

Pianifica e orchestra attività agentiche tra app, strumenti e server MCP esterni, delega ai subagenti e gestisce una finestra di contesto da 1M token tramite compattazione. Accetta testo, immagini e audio in input, ma restituisce soltanto testo.

Oggi il vero lavoro consiste nel capire quali modelli inserire nello stack e dove la fascia economica offre davvero un vantaggio. La mappa gratuita degli strumenti di IA per le aziende mostra quale modello si adatta a ogni attività, senza marketing. Per ricevere via email le analisi più utili appena vengono pubblicate, iscriviti alla newsletter.