Meta Muse Spark 1.1 em análise (2026): a API de fronteira 75% mais barata — e quando supera GPT e Claude

O Meta Muse Spark 1.1, primeiro modelo de fronteira pago da empresa, custa $1.25 por milhão de tokens de entrada e $4.25 por milhão de tokens de saída — aproximadamente um quarto do valor cobrado por OpenAI e Anthropic em seus modelos mais avançados. O modelo lidera todos os benchmarks de uso de ferramentas nos quais foi testado, mas ainda fica atrás do Claude Opus 4.8 na programação mais difícil — justamente o que o nome “Spark” promete.

Veredito

Hoje, o Muse Spark 1.1 oferece o melhor custo-benefício no uso de ferramentas entre os modelos de fronteira. Ao mesmo tempo, não é a escolha certa para programação difícil e de longo horizonte. As duas coisas são verdade — embora o marketing só destaque a metade mais conveniente.

O preço é mesmo agressivo. A $1.25 por milhão de tokens de entrada e $4.25 por milhão de tokens de saída, um loop de agente que gera muita saída custa $4.25 no Muse Spark, contra $30 no GPT-5.6 Sol — cerca de sete vezes menos. Nos benchmarks de lançamento da Meta, ele lidera MCP Atlas e JobBench, os dois testes de uso de ferramentas em escala, com ampla vantagem sobre Opus 4.8, GPT-5.5 e Gemini 3.1 Pro. Se o seu produto gasta a maior parte dos tokens orquestrando ferramentas, acionando servidores MCP e coordenando subagentes, esta é hoje a maneira mais barata de usar um modelo de fronteira nesse trabalho.

O porém está no que “Spark” dá a entender. A Meta batizou essa linha pensando em programação e concentra boa parte do marketing nesse ponto, mas, nos benchmarks independentes de código, o modelo fica no meio do pelotão: terceiro lugar em programação agêntica no terminal, terceiro em programação agêntica de longo horizonte e atrás do Opus 4.8 em engenharia de software diversificada. Além disso, tem pesos fechados, gera apenas texto e está disponível em prévia pública somente para desenvolvedores dos EUA, com lista de espera.

Vale migrar agora se você opera, em escala, cargas de uso de ferramentas ou orquestração de agentes e o custo por token é o principal limite. Continue com Opus 4.8 ou GPT-5.6 Sol se os agentes executam programação autônoma prolongada, em que um passo errado sai caro. A seguir, destrinchamos o preço, os benchmarks que o post da Meta deixa em segundo plano e a regra que resolve a escolha.

O que é o Meta Muse Spark 1.1, na prática

O Muse Spark 1.1 da Meta AI é o segundo modelo do Meta Superintelligence Labs. Lançado em 9 de julho de 2026, também é o primeiro modelo da Meta que desenvolvedores externos podem contratar por API. Trata-se de um modelo multimodal de raciocínio criado para trabalho agêntico: ele planeja tarefas com várias etapas, opera ferramentas externas e delega tarefas a subagentes, em vez de apenas responder a uma pergunta. A janela de contexto tem 1,048,576 tokens — um milhão inteiro — e o modelo compacta ativamente o trabalho anterior para preservar espaço para as etapas seguintes. Boa parte da proposta gira em torno de servidores MCP, o padrão aberto que permite ao modelo acessar ferramentas e fontes de dados externas por uma única interface. Assim, um só agente consegue operar uma planilha, um navegador e uma API interna sem exigir uma integração específica para cada um.

Duas características rompem com o histórico da Meta. A primeira é que o modelo é proprietário e tem pesos fechados: não pode ser baixado nem hospedado por conta própria, ao contrário da família aberta Llama, que consolidou a reputação da Meta entre os modelos abertos. Zuckerberg foi direto sobre a mudança: “Como este não é um modelo open source, acho que esta é a primeira vez que estamos oferecendo uma API realmente séria.” Se pesos abertos para hospedagem própria ou fine-tuning são requisitos, o Muse Spark não serve — nesse caso, a lista dos melhores modelos de pesos abertos é outra. A segunda diferença é o acesso gratuito para consumidores: o modelo funciona no modo “Thinking” do app Meta AI e em meta.ai, com uma conta Meta. Qualquer pessoa pode experimentá-lo antes de decidir se a API paga merece entrar em um produto.

Uma especificação pesa mais do que o marketing: o modelo recebe texto, imagem e áudio, mas devolve apenas texto. Não há geração de imagem ou áudio. Esse trabalho pertence a outra linha da Meta, formada por Muse Image e Muse Video. O Muse Spark é o cérebro de agentes, não um gerador de mídia — esperar outra coisa dele é começar com a premissa errada.

No lado agêntico, a lista de recursos é concreta: modo de planejamento, condicionamento por objetivo, delegação a subagentes e compactação de contexto. A Meta também afirma que o modelo generaliza em zero-shot para novas ferramentas nativas, servidores MCP e skills personalizadas, sem ajuste específico para cada integração. Os primeiros parceiros endossam essa direção. Saoud Rizwan, CEO da Cline, disse que a Meta está “claramente desenvolvendo para programação agêntica séria e uso robusto de ferramentas, com um preço que torna viável executar cargas reais de programação em escala”. Amjad Masad, da Replit, elogiou as “capacidades de programação de alto nível, sobretudo em frontend e design” e o formato compatível com OpenAI. Vale confrontar essas declarações com os benchmarks independentes abaixo: os números são mais ambíguos do que os depoimentos.

Muse Spark: preço da API e de onde vêm os “75% a menos”

A Meta Model API cobra $1.25 por milhão de tokens de entrada e $4.25 por milhão de tokens de saída, além de oferecer $20 em créditos gratuitos para cada nova conta. A entrada em cache cai para $0.15 por milhão, enquanto a ferramenta integrada de busca na web com grounding custa $2.50 por 1,000 consultas. A interface é compatível com o SDK da OpenAI e oferece saída estruturada, chamadas paralelas de ferramentas e cache de prompts. Por isso, conectar o modelo a uma stack existente chega perto de apenas trocar a URL-base.

Dizer que o preço equivale a “aproximadamente um quarto do cobrado pelos rivais” é correto quando a comparação fica na categoria de fronteira. Veja como ele se posiciona diante dos modelos com os quais disputa, usando os números de hoje.

O topo da tabela confirma a promessa: cada token de saída do Muse Spark custa 5.9 vezes menos que no Opus 4.8 e 7 vezes menos que no GPT-5.6 Sol; na entrada, o preço é exatamente 4 vezes menor que o de ambos. É daí que vem a manchete de 75% de desconto — e, para um modelo de fronteira, trata-se de uma quebra real na curva de preços.

É na parte inferior da tabela que surge a nuance importante. O Muse Spark não é o modelo mais barato do mercado. Seus $1.25 por milhão de tokens de entrada superam o $1 do Claude Haiku 4.5 e o $1 do GPT-5.6 Luna; na saída, a vantagem sobre essas categorias econômicas é pequena. Portanto, a descrição honesta não é “a API de IA mais barata”. É um modelo de fronteira com saída perto do preço da categoria econômica. Se a sua carga consiste em extração ou classificação com contexto curto e permite novas tentativas baratas, Haiku 4.5 ou Luna ainda vencem no custo bruto da entrada — e você não precisa do teto do Muse Spark. O valor aparece especificamente quando a tarefa exige um cérebro agêntico de nível de fronteira e a saída domina a fatura.

Benchmarks do Muse Spark que o post da Meta deixa em segundo plano

O post de lançamento da Meta destaca avaliações internas, como o Meta Internal Coding Bench, que ninguém de fora consegue reproduzir. Os dados realmente úteis vêm das comparações de terceiros — e contam uma história mais precisa que o marketing e os depoimentos dos parceiros. O modelo da OpenAI testado aqui é o GPT-5.5; como o GPT-5.6 Sol cobra a mesma tarifa de $5/$30, a comparação de preços acima continua válida.

O padrão fica claro quando as linhas são agrupadas. Nos quatro testes de uso de ferramentas e raciocínio com ferramentas, o Muse Spark 1.1 lidera três e perde o quarto para o Opus por apenas seis décimos de ponto. A vantagem no JobBench sobre o Gemini (54.7 contra 15.9) e sobre o GPT-5.5 (38.3) é ampla. Este é um modelo ajustado para planejar e orquestrar muitas ferramentas, e os números confirmam essa proposta.

Nas três linhas de programação, o cenário se inverte. O modelo fica em terceiro no Terminal-Bench 2.1 (80.0, atrás dos 83.4 do GPT-5.5 e dos 82.7 do Opus 4.8) e também em terceiro no DeepSWE 1.1, o teste de longo horizonte: marca 53.3, contra 67.0 do GPT-5.5 e 59.0 do Opus 4.8. A única vitória em programação vem no SWE-Bench Pro, em que seus 61.5 superam o GPT-5.5, mas ainda ficam abaixo dos 69.2 do Opus 4.8. A leitura da DataCamp acompanha a tabela: o trabalho agêntico de longo horizonte “ainda é fraco em comparação com GPT-5.5 e Opus 4.8”. Para uma linha chamada “Spark” e vendida com foco em programação, essa é a ressalva honesta. É um modelo forte em programação, que vence um rival de fronteira e perde para o outro, envolvido por resultados de uso de ferramentas que realmente lideram o mercado.

Na comparação específica com o Gemini 3.1 Pro — que muita gente continua pedindo — o desempenho em ferramentas não deixa uma disputa equilibrada: o Muse Spark lidera todas as linhas de uso de ferramentas, e o DeepSWE (53.3 contra 12.0) é uma goleada. A defesa do Gemini precisa se apoiar em preço e ecossistema, não nessas tarefas.

Quando o Muse Spark 1.1 vale a pena — e quando não vale

A pergunta não é se ele é bom. Ele é. O que importa é saber se a sua carga específica está na faixa em que a liderança do modelo coincide com a vantagem de preço.

A regra é direta: se a saída domina a sua conta de tokens e os agentes passam mais tempo usando ferramentas do que escrevendo bases de código grandes e inéditas, o Muse Spark 1.1 é a troca certa. Se um único passo errado em uma execução autônoma longa custa caro, pague por Opus 4.8 ou Sol e reserve o Muse Spark para as etapas mais baratas e intensivas em ferramentas. Muitos sistemas em produção devem adotar roteamento: Muse Spark na orquestração de alto volume e um modelo de programação de ponta nas implementações mais difíceis. Como a API é compatível com OpenAI, esse roteamento exige uma mudança de configuração, não uma reescrita.

Perguntas frequentes

O Muse Spark é grátis?

O uso para consumidores é gratuito: o Muse Spark 1.1 funciona no modo Thinking do app Meta AI e em meta.ai com uma conta Meta, sujeito a limites de uso definidos no servidor. A Meta Model API é paga: custa $1.25 por milhão de tokens de entrada e $4.25 por milhão de tokens de saída, com $20 em créditos gratuitos no cadastro.

O Muse Spark 1.1 é open source?

Não. É um modelo proprietário e de pesos fechados, diferentemente da família aberta Llama, da Meta. Zuckerberg chamou a API paga de primeira “API realmente séria” da empresa, e o modelo só é servido pelas plataformas da própria Meta, sem lançamento para hospedagem própria.

O Muse Spark supera o Gemini 3.1 Pro?

No uso de ferramentas, com folga: ele lidera o MCP Atlas (88.1 contra 78.2) e o JobBench (54.7 contra 15.9), além de atropelar o Gemini na programação de longo horizonte (DeepSWE, 53.3 contra 12.0). A defesa do Gemini está em preço e ecossistema, não nessas tarefas.

O Muse Spark 1.1 é bom para programação?

É bom, mas não é o melhor. Supera o GPT-5.5 no SWE-Bench Pro (61.5 contra 58.6), porém fica atrás do Claude Opus 4.8 no mesmo teste (69.2). Também termina em terceiro tanto no Terminal-Bench 2.1 quanto no DeepSWE de longo horizonte. É forte na programação orientada por ferramentas e mais fraco no trabalho autônomo prolongado.

O que o Muse Spark 1.1 consegue fazer?

Ele planeja e orquestra trabalho agêntico em apps externos, ferramentas e servidores MCP, delega para subagentes e administra uma janela de contexto de 1M tokens com compactação. Aceita texto, imagem e áudio na entrada e devolve apenas texto.

Decidir quais modelos entram na sua stack — e em que ponto a categoria barata realmente compensa — virou o jogo. O Mapa de Ferramentas de IA para donos de negócios, disponível gratuitamente, mostra qual modelo combina com cada tarefa sem cair no hype. Quer receber as melhores escolhas assim que forem lançadas? Assine a newsletter.