Muse Spark 1.1: il modello di ragionamento agentico di Meta e la nuova Meta Model API

Nota: Meta ha rilasciato Muse Spark 1.3 il 2 settembre 2026. 

Meta ha rilasciato Muse Spark 1.1 il 9 luglio 2026, il suo secondo modello dei Meta Superintelligence Labs e un upgrade rispetto al Muse Spark originale debutto ad aprile. Il rilascio ha anche aperto la Meta Model API agli sviluppatori in anteprima pubblica, portando Meta nello stesso modello di business a pagamento via API di Anthropic e OpenAI.

Il lancio arriva appena due giorni dopo che Meta ha presentato Muse Image, il primo modello di generazione di immagini dei Superintelligence Labs.

Muse Spark 1.1 è un modello di ragionamento multimodale pensato per compiti agentici, con una finestra di contesto da 1M di token e progressi nell'uso di tool, nell'uso del computer, nel coding e nella comprensione multimodale.

Funziona in modalità "Thinking" dentro l'app Meta AI e su meta.ai, e Meta lo posiziona come concorrente di fascia frontier a GPT-5.5, Claude Opus 4.8 e Gemini 3.1 Pro. Prezzo dell'API: 1,25 $ per milione di token in input e 4,25 $ per milione di token in output, con 20 $ di crediti gratuiti iniziali.

In questo articolo, ti racconto tutto ciò che c'è di nuovo in Muse Spark 1.1, dalle nuove funzionalità agentiche ai benchmark, con proposte di test pratici per le tue valutazioni. Per contenuti correlati, vedi anche i nostri approfondimenti su Muse Glimmer, Sakana Fugu vs. Claude Fable 5 e il nostro tutorial su come eseguire MiniMax M3 in locale.

TL;DR

• Muse Spark 1.1 è il secondo modello dei Superintelligence Labs di Meta, rilasciato il 9 luglio 2026, progettato per compiti agentici con una finestra di contesto da 1M token.
• È proprietario e a pesi chiusi, a differenza della famiglia open Llama, con accesso consumer gratuito su meta.ai e una nuova Meta Model API a pagamento in anteprima pubblica.
• Prezzi API: 1,25 $ per milione di token in input e 4,25 $ per milione di token in output, con 20 $ di crediti gratuiti.
• Punti di forza: focus sui compiti agentici, con progressi nell'uso di tool e computer, nel coding e nella comprensione multimodale  
• Punto debole: il lavoro agentico a lungo raggio è ancora debole rispetto a GPT-5.5 e Opus 4.8.  

Cos'è Muse Spark 1.1?

Muse Spark 1.1 è l'ultimo modello di ragionamento multimodale di Meta, progettato per pianificare e orchestrare lavoro su app e servizi esterni, non solo rispondere a domande a turno singolo. Si colloca al di sopra della famiglia Llama a pesi aperti, la precedente linea principale di Meta prima dell'arrivo dei modelli Muse Spark.

A differenza di Llama, Muse Spark è proprietario e a pesi chiusi, senza distribuzione locale o fine-tuning comunitario.

Il cambiamento di rilievo rispetto al Muse Spark originale è la capacità agentica.

Meta afferma che la versione 1.1 affronta progetti complessi più rapidamente perché è addestrata a orchestrare sistemi multi-agente, agendo come agente principale che pianifica e delega, o come sottoagente che resta sul compito ed effettua escalation quando serve.

Gestisce anche attivamente la sua finestra di contesto da 1M token, compattando il lavoro precedente e mantenendo i passaggi necessari per dopo.

Sul fronte del coding, Meta riporta che la 1.1 migliora significativamente il primo modello sul suo Meta Internal Coding Bench interno ed è competitiva con le alternative leader. Questa inquadratura conta perché benchmark indipendenti danno un quadro più sfumato, come vedremo nella sezione dedicata.

Cosa c'è di nuovo in Muse Spark 1.1

L'upgrade è incentrato sul fare cose attraverso app e interfacce, non solo generare testo. Ecco le capacità che Meta mette in evidenza per questo rilascio.

Orchestrare progetti multi-agente

Muse Spark 1.1 può operare come agente principale che raccoglie contesto, crea un piano e delega l'esecuzione a sottoagenti in parallelo.

Come sottoagente, conosce i tool disponibili e sa quando restituire il controllo all'agente principale.

Meta afferma che questa struttura parallela le permette di completare progetti complessi più rapidamente del Muse Spark originale, riducendo la latenza end-to-end.

Per chi lavora sul campo, significa che puoi assegnarle un progetto come "recupera i ticket di supporto dell'ultimo trimestre, categorizzali e prepara una presentazione di sintesi" e farle ripartire recupero, tagging e stesura tra sottoagenti.

Meta sostiene anche che generalizza in zero-shot a nuovi tool nativi, server MCP e skill personalizzate, senza bisogno di fare fine-tuning per ogni integrazione.

Usare un computer su più app

Muse Spark 1.1 gestisce flussi di lavoro di uso del computer che attraversano diverse applicazioni, dove le informazioni cambiano a metà del compito.

Meta l'ha addestrata a decidere quando scrivere uno script per velocità, quando cliccare direttamente un'interfaccia e a generare batch di azioni per passaggio, invece di ragionare un clic alla volta.

L'esempio dell'azienda è un agente che fa un ordine per una cena e nota nuovo contesto aggiornando l'ordine senza intervento dell'utente.

Un esempio più vicino a un team dati potrebbe essere un agente che esegue scraping di una pagina prezzi di un fornitore, nota un cambio di prezzo durante la sessione e aggiorna un foglio di confronto prima di esportarlo. 

L'idea è che mantenga il contesto su sessioni prolungate e si adatti a requisiti che cambiano con un input umano minimo.

Correggere bug e migrare codice in grandi codebase

Il coding è dove Meta concentra gran parte della comunicazione, citando progressi in compiti reali come diagnosticare bug complessi, implementare funzionalità in sistemi enterprise ed eseguire grandi migrazioni di codice.

Muse Spark 1.1 supporta funzionalità tipiche del coding agentico, tra cui modalità di pianificazione, goal conditioning, delega a sottoagenti e compattazione del contesto, e Meta afferma che si adatta a vari harness come OpenCode.

I primi partner confermano. Saoud Rizwan, CEO di Cline, ha detto che Meta "sta chiaramente costruendo per un coding agentico serio, con forte uso di tool a un prezzo che lo rende praticabile per carichi di lavoro reali su larga scala". Amjad Masad, CEO di Replit, ne ha lodato le "abilità di coding di altissimo livello (in particolare frontend e design)" e il packaging compatibile con OpenAI.

Fonte

Unire percezione e azione in un unico flusso

I punti di forza multimodali di Muse Spark 1.1 coprono percezione, generazione da visual a codice, didascalie ultra-descrittive per immagini e video ed esecuzione agentica multimodale. Ciò che Meta sottolinea è fare percezione e azione insieme: ispezionare input visivi o audio, mantenere quei dettagli lungo un flusso di lavoro esteso e usarli mentre opera un computer per te.

La dimostrazione di Meta ha usato video da smartphone per estrarre foto prodotto e ragionare su un oggetto, quindi ha operato un browser per creare un'inserzione su Facebook Marketplace per conto dell'utente. Nota il vincolo di modalità evidenziato da diverse guide di terze parti: gli input includono testo, immagini e audio, ma gli output sono attualmente solo testo, senza generazione diretta di immagini o video da questo modello.

Benchmark di Muse Spark 1.1

Il post ufficiale di Meta si affida a valutazioni interne come il Meta Internal Coding Bench, non riproducibili in modo indipendente.

I numeri pubblici più utili arrivano da confronti di terze parti e mostrano che Muse Spark 1.1 scambia una forte efficienza dei token con un gap nei compiti di coding più difficili.

Terminal-Bench 2.1 (coding agentico da terminale)

Terminal-Bench 2.1 misura quanto bene un modello gestisce coding multi-step e compiti agentici in un terminale.

Meta ha pubblicato un punteggio di 80,0 per Muse Spark 1.1, leggermente dietro all'82,7 di Claude Opus 4.8 e all'83,4 di GPT-5.5. 

MCP Atlas (uso di tool su scala)

Questo indice misura l'uso di tool su scala che richiede pianificazione e orchestrazione su una gamma di app e servizi esterni. 

Muse Spark 1.1 guida qui, con un punteggio di 88,1 contro 82,2 per Opus 4.8 e 75,3 per GPT-5.5. Il nuovo modello di Meta primeggia anche nei benchmark JobBench, focalizzati sull'uso professionale dei tool, segno che l'uso agentico dei tool è davvero la priorità per Muse Spark 1.1 

Consapevolezza di valutazione (Apollo Research)

La metrica di Apollo Research sulla consapevolezza di valutazione misura se un modello sembra riconoscere di essere testato. Sintesi di terze parti ripetono l'affermazione che Muse Spark abbia mostrato i tassi più alti di consapevolezza tra i modelli valutati. Prendila con cautela: non è stata ampiamente riprodotta in modo indipendente e alcuni commentatori temono possa essere enfatizzata eccessivamente senza maggiori repliche.

Prezzi e disponibilità di Muse Spark 1.1

L'accesso consumer è gratuito. Muse Spark 1.1 gira in modalità Thinking nell'app Meta AI e su meta.ai, con login Meta richiesto e probabili limiti lato server per usi intensivi. Accetta input di testo, immagini e audio ma restituisce output solo testuali.

Per gli sviluppatori, la nuova Meta Model API è in anteprima pubblica. Gli sviluppatori negli Stati Uniti possono ora accedervi per testare prompt, confrontare output e prototipare integrazioni, con prezzi fissati a:

• 1,25 $ per milione di token in input
• 4,25 $ per milione di token in output
• 20 $ di crediti gratuiti prima di passare al pay-as-you-go

Fonte

Reuters posiziona questi prezzi sopra il GPT-5 mini di ingresso di OpenAI e il Claude Haiku 4.5 di Anthropic, ma sotto il Claude Sonnet 4.8 di fascia più alta di Anthropic.

Il modello dovrebbe sostituire gli attuali Llama che alimentano i chatbot su WhatsApp, Instagram, Facebook e gli smart glasses di Meta. Vale la pena notare che diverse guide indipendenti segnalano che la documentazione dell'API è scarna, senza una scheda modello dettagliata e senza conferme ufficiali e precise su alcune specifiche chiave.

Considerazioni finali

Il segnale più chiaro di questo lancio è che Meta ha cambiato modello di business. Facendo pagare a token tramite la Meta Model API, Meta compete ora sul terreno di Anthropic e OpenAI, non si limita più a rilasciare pesi open come faceva con Llama.

È un grande cambiamento per un'azienda la cui reputazione nell'AI si era costruita sull'apertura.

La mia lettura è che Muse Spark 1.1 sia davvero interessante per due motivi: accesso consumer gratuito di livello frontier su meta.ai e forte efficienza nell'uso dei token.

La riserva più grande per chi lavora sul campo è la trasparenza. Non c'è un rilascio a pesi aperti, quindi se il tuo flusso richiede distribuzione locale o fine-tuning, Muse Spark non è il modello giusto per te, e la linea Llama open o un'alternativa a pesi aperti come MiniMax M3 resta l'opzione migliore.

Se vuoi costruire i flussi agentici e multi-tool per cui Muse Spark 1.1 è stato progettato, ti consiglio il nostro corso Developing AI Systems with the OpenAI API, dato che la Meta Model API è compatibile con OpenAI.