Обзор Muse Spark 1.1 (2026): API Meta на 75% дешевле GPT и Claude — но не во всём лучше

Обзор Muse Spark 1.1 стоит начать с цены: первая платная флагманская модель Meta обходится в $1.25 за миллион входных токенов и $4.25 за миллион выходных — примерно в четверть тарифа топовых решений OpenAI и Anthropic. Muse Spark 1.1 лидирует во всех тестах на работу с инструментами, в которых её проверяли, но по-прежнему уступает Claude Opus 4.8 в самых сложных задачах программирования — именно в той области, на которой построено её позиционирование.

Обзор Muse Spark 1.1: вердикт

Сейчас Muse Spark 1.1 предлагает лучшее соотношение цены и возможностей среди флагманских моделей для работы с инструментами. Но выбирать её для сложного программирования с длинным горизонтом планирования не стоит. Эти два вывода не противоречат друг другу, хотя маркетинг говорит лишь о более выгодном из них.

Экономия вполне реальна. При тарифе $1.25 за вход и $4.25 за выход на миллион токенов агентный цикл с преобладанием выходных данных, который на GPT-5.6 Sol стоит $30 за миллион, на Muse Spark обойдётся в $4.25 — примерно в семь раз дешевле. В стартовых тестах Meta модель с большим отрывом обходит Opus 4.8, GPT-5.5 и Gemini 3.1 Pro в MCP Atlas и JobBench — двух масштабных бенчмарках работы с инструментами. Если ваш продукт в основном расходует токены на оркестрацию инструментов, вызовы MCP-серверов и координацию субагентов, сегодня это самый дешёвый способ поручить такую работу модели флагманского уровня.

Оговорка кроется в том, что обещает название «Spark». Meta позиционирует эту линейку прежде всего для программирования и делает на нём основной акцент, однако в независимых бенчмарках модель остаётся в середине группы: третье место в агентном программировании через терминал, третье — в агентной разработке с длинным горизонтом и результат ниже Opus 4.8 в разноплановых задачах программной инженерии. Кроме того, веса модели закрыты, на выходе она поддерживает только текст, а публичная предварительная версия доступна лишь разработчикам из США и только через лист ожидания.

Переходить на неё уже сейчас имеет смысл, если вы в больших объёмах запускаете сценарии с инструментами или оркестрацией агентов, а главным ограничением стала цена токена. Для длительной автономной разработки, где ошибка обходится дорого, лучше остаться на Opus 4.8 или GPT-5.6 Sol. Ниже — подробный разбор тарифов, результаты тестов, которым в публикации Meta уделено слишком мало внимания, и одно правило, упрощающее выбор.

Что на самом деле представляет собой Muse Spark 1.1

Muse Spark 1.1 от Meta AI — вторая модель Meta Superintelligence Labs, выпущенная 9 июля 2026 года, и первая модель Meta, к которой сторонние разработчики получили платный доступ через API. Это мультимодальная рассуждающая модель для агентных сценариев: она планирует многоэтапные задачи, управляет внешними инструментами и делегирует работу субагентам, а не просто отвечает на отдельный вопрос. Контекстное окно составляет 1,048,576 токенов — целый миллион, — причём модель сама сжимает результаты предыдущих этапов, чтобы сохранить место для последующих. Значительная часть позиционирования строится вокруг MCP-серверов: открытый стандарт позволяет модели обращаться к внешним инструментам и источникам данных через единый интерфейс. В результате один агент может управлять таблицей, браузером и внутренним API без отдельной интеграционной прослойки для каждого сервиса.

В двух отношениях модель порывает с прежним подходом Meta. Во-первых, она проприетарная, с закрытыми весами: скачать её или развернуть на собственной инфраструктуре нельзя. Это отличает Muse Spark от открытого семейства Llama, благодаря которому Meta стала заметным игроком среди открытых моделей. Zuckerberg прямо обозначил перемену: «Поскольку эта модель не будет открытой, думаю, мы впервые создаём по-настоящему серьёзный API». Если для самостоятельного развёртывания или дообучения вам нужны открытые веса, Muse Spark не подойдёт — тогда стоит выбирать из лучших моделей с открытыми весами. Во-вторых, обычным пользователям модель доступна бесплатно: она работает в режиме «Thinking» в приложении Meta AI и на meta.ai после входа через аккаунт Meta. Поэтому её можно опробовать, прежде чем решать, оправдан ли платный API в вашем продукте.

Одна техническая характеристика важнее рекламных формулировок: модель принимает на вход текст, изображения и аудио, но выдаёт только текст. Генерировать изображения или аудио она не умеет — за это отвечают отдельные продукты Meta, Muse Image и Muse Video. Muse Spark — интеллект для агентов, а не генератор медиаконтента; ожидать от неё иного было бы ошибкой.

Набор агентных возможностей действительно серьёзный: режим планирования, ориентация на заданную цель, делегирование субагентам и сжатие контекста. Meta также заявляет, что модель без дополнительного обучения переносит навыки на новые нативные инструменты, MCP-серверы и пользовательские навыки, не требуя настройки под каждую интеграцию. Первые партнёры подтверждают выбранное направление. Глава Cline Saoud Rizwan сказал, что Meta «явно создаёт решение для серьёзного агентного программирования: уверенная работа с инструментами сочетается с ценой, при которой реальные задачи разработки можно выполнять в больших объёмах». Amjad Masad из Replit отметил «возможности программирования высшего уровня — особенно во фронтенде и дизайне» и совместимый с OpenAI формат. Однако эти оценки стоит сопоставить с независимыми бенчмарками ниже: их картина заметно сложнее партнёрских отзывов.

Цена модели и откуда взялась скидка 75%

Meta Model API стоит $1.25 за миллион входных токенов и $4.25 за миллион выходных, а каждый новый аккаунт получает $20 бесплатных кредитов. Кэшированный вход обходится в $0.15 за миллион токенов, встроенный инструмент поиска в интернете с привязкой к источникам — в $2.50 за 1,000 запросов. Интерфейс совместим с OpenAI SDK и поддерживает структурированный вывод, параллельный вызов инструментов и кэширование промптов. Поэтому при подключении к существующему стеку обычно достаточно заменить базовый URL.

Формулировка «примерно четверть цены конкурентов» верна для флагманского сегмента. Вот как выглядит сравнение с моделями, которым противопоставляют Muse Spark, по тарифам, актуальным на момент публикации.

Верхняя часть таблицы подтверждает заявленную экономию: выходной токен Muse Spark в 5.9 раза дешевле, чем у Opus 4.8, и в 7 раз дешевле, чем у GPT-5.6 Sol. Входной токен при этом ровно в 4 раза дешевле, чем у обеих моделей. Именно отсюда берётся тезис о скидке 75%, и для модели флагманского уровня это действительно заметный перелом в ценообразовании.

Нижняя часть таблицы добавляет важную оговорку. Muse Spark — не самый дешёвый API на рынке. Её вход по $1.25 дороже, чем $1 у Claude Haiku 4.5 и $1 у GPT-5.6 Luna, а на выходе она лишь немного дешевле обеих бюджетных моделей. Поэтому корректнее говорить не о «самом дешёвом API для ИИ», а о флагманских возможностях по цене, близкой к бюджетному сегменту для выходных токенов. Если ваша задача — извлечение данных из короткого контекста или классификация, которую недорого повторить при неудаче, Haiku 4.5 или Luna всё ещё выгоднее по чистой стоимости входа, а запас возможностей Muse Spark вам не потребуется. Её преимущество проявляется там, где нужен агентный интеллект флагманского уровня, а основную часть счёта формируют выходные токены.

Бенчмарки, о которых Meta говорит меньше

В публикации к запуску Meta делает упор на внутренние проверки вроде Meta Internal Coding Bench, которые невозможно воспроизвести за пределами компании. Гораздо полезнее сравнения от третьих сторон: они рисуют более чёткую картину, чем маркетинг и цитаты партнёров. В этих тестах участвовала модель OpenAI GPT-5.5. Тариф GPT-5.6 Sol остался тем же — $5/$30, поэтому приведённое выше сравнение цен в любом случае верно.

Если сгруппировать строки, закономерность становится очевидной. Из четырёх тестов на применение инструментов и рассуждение с их помощью Muse Spark 1.1 уверенно выигрывает три, а в четвёртом уступает Opus всего шесть десятых балла. Отрыв в JobBench от Gemini — 54.7 против 15.9, а от GPT-5.5 — против 38.3 — нельзя назвать небольшим. Модель настроена на планирование и оркестрацию большого набора инструментов, и цифры подтверждают этот замысел.

В трёх строках, посвящённых программированию, картина меняется на противоположную. В Terminal-Bench 2.1 модель занимает третье место с 80.0, уступая GPT-5.5 с 83.4 и Opus 4.8 с 82.7. Третьей она становится и в DeepSWE 1.1 — тесте с длинным горизонтом: 53.3 против 67.0 у GPT-5.5 и 59.0 у Opus 4.8. Единственный относительный успех среди тестов разработки — SWE-Bench Pro, где результат 61.5 выше, чем у GPT-5.5, но всё ещё ниже 69.2 у Opus 4.8. Вывод DataCamp совпадает с таблицей: агентная работа модели на длинном горизонте «по-прежнему слаба по сравнению с GPT-5.5 и Opus 4.8». Для линейки под названием «Spark», которую продвигают как решение для программирования, это существенная оговорка. Перед нами сильная модель для разработки, которая обходит одного флагманского конкурента и проигрывает другому, зато действительно лидирует в тестах на использование инструментов.

В прямом сравнении с Gemini 3.1 Pro, о котором часто спрашивают, соперничества по инструментам почти нет: Muse Spark выигрывает каждую соответствующую строку, а DeepSWE с результатом 53.3 против 12.0 выглядит разгромно. Аргументы в пользу Gemini здесь придётся искать в цене и экосистеме, а не в этих задачах.

Когда стоит выбрать Muse Spark 1.1, а когда — другую модель

Вопрос не в том, хороша ли эта модель: она хороша. Важно, попадает ли ваша конкретная нагрузка в область, где её преимущество совпадает с выгодной ценой.

Правило можно сформулировать прямо: если основную часть счёта составляют выходные токены, а агенты чаще используют инструменты, чем пишут большие новые кодовые базы, переходите на Muse Spark 1.1. Если единственная ошибка в долгом автономном запуске может дорого обойтись, заплатите за Opus 4.8 или Sol, а Muse Spark оставьте для более дешёвых этапов с интенсивным применением инструментов. Во многих рабочих системах модели будут маршрутизироваться по типу задачи: Muse Spark возьмёт на себя массовую оркестрацию, а лучший кодер — сложную реализацию. Благодаря совместимому с OpenAI API такая маршрутизация требует изменения конфигурации, а не переписывания системы.

Частые вопросы

Можно ли пользоваться Muse Spark бесплатно?

Для обычных пользователей доступ бесплатный: Muse Spark 1.1 работает в режиме Thinking в приложении Meta AI и на meta.ai после входа через аккаунт Meta, с ограничениями частоты запросов на стороне сервера. Meta Model API — платный: $1.25 за миллион входных токенов и $4.25 за миллион выходных, а при регистрации начисляется $20 бесплатных кредитов.

Muse Spark 1.1 — модель с открытым исходным кодом?

Нет. В отличие от открытого семейства Meta Llama, это проприетарная модель с закрытыми весами. Zuckerberg назвал платный сервис первым «по-настоящему серьёзным API» Meta. Модель работает только на площадках самой компании и не выпущена для самостоятельного развёртывания.

Muse Spark лучше Gemini 3.1 Pro?

В работе с инструментами — однозначно: она лидирует в MCP Atlas с 88.1 против 78.2 и в JobBench с 54.7 против 15.9, а в программировании с длинным горизонтом разгромно обходит Gemini — DeepSWE 53.3 против 12.0. Сильные стороны Gemini в этом сравнении связаны с ценой и экосистемой, а не с этими задачами.

Подходит ли Muse Spark 1.1 для программирования?

Да, но лучшей её не назвать. Она обходит GPT-5.5 в SWE-Bench Pro — 61.5 против 58.6, — однако уступает Claude Opus 4.8 с 69.2 и занимает третье место как в Terminal-Bench 2.1, так и в DeepSWE с длинным горизонтом. Модель сильна в разработке с активным применением инструментов, но слабее в длительной автономной работе.

Что умеет Muse Spark 1.1?

Она планирует и координирует агентные процессы во внешних приложениях, инструментах и MCP-серверах, делегирует задачи субагентам и управляет контекстным окном на 1M токенов с помощью сжатия. На вход модель принимает текст, изображения и аудио, а возвращает только текст.

Главная задача сегодня — понять, каким моделям отдать разные части вашего стека и где дешёвый тариф действительно окупается. Бесплатная карта ИИ-инструментов для бизнеса поможет без рекламного шума сопоставить модель с задачей. Хотите получать самые важные новинки сразу после выхода? Подпишитесь на рассылку.