Corso
Programmazione assistita dall'AI per sviluppatori
1 ore 30 min
11.1K
Muse Spark 1.3 in breve
- Muse Spark 1.3 è l'aggiornamento di punta di Meta incentrato su workflow agentici e coding, disponibile in Muse Code e nella Meta Model API con una finestra di contesto da 1M.
- Usa ~20% in meno di chiamate agli strumenti e ~25% in meno di token rispetto a Muse Spark 1.2, secondo confronti dei tecnici Meta.
- Artificial Analysis ha assegnato alla variante xhigh un Intelligence Index di 61, 182 token/sec e un costo di $0,55 per attività; la variante max ha raggiunto 62 in anteprima limitata.
- I prezzi sono $0,10/$0,20 per 1M nel livello contributor e $1,25/$4,25 nel livello standard xhigh, con uno sconto cache dell'88%.
- Avvertenze: nessuna traccia di ragionamento esposta, rollout regionale irregolare (secondo alcuni post su Reddit in UE è ancora la 1.1) e modalità max reasoning in arrivo dopo ulteriori test di sicurezza.
Poche ore dopo la presentazione di Gemini 3.8 Flash di Google, Meta ha rilasciato Muse Spark 1.3, un aggiornamento della sua famiglia di modelli di punta pensato appositamente per workflow agentici e coding.
Il rilascio arriva in un panorama affollato, dove GPT-5.6 Sol di OpenAI, Claude Opus 5 di Anthropic e Grok 4.6 di xAI competono per conquistare l'attenzione degli sviluppatori.
Muse Spark 1.3 è in rollout su Muse Code e sulla Meta Model API, mantenendo una finestra di contesto da 1M token.
Nei confronti condotti da ingegneri Meta, il modello ha usato circa il 20% in meno di chiamate agli strumenti e il 25% in meno di token rispetto a Muse Spark 1.2, e Artificial Analysis ha valutato la variante xhigh con un Intelligence Index di 61 e una velocità di output di 182 token/sec.
In questo articolo, vedremo tutte le novità di Muse Spark 1.3, analizzando le funzionalità agentiche e per il coding, il quadro dei benchmark e i prezzi
Per confrontarlo con la concorrenza, dai un'occhiata alle nostre guide GPT-5.6 Terra vs Claude Sonnet 5 e Claude Opus 5 vs Claude Sonnet 5. Ti consiglio anche la nostra guida a Muse Agent di Meta.
Che cos'è Muse Spark 1.3?
Muse Spark 1.3 è il modello di punta attuale di Meta, presentato come un aggiornamento incrementale rispetto a Muse Spark 1.2, non una riscrittura da zero.
Arriva in due varianti citate nella ricerca:
- Muse Spark 1.3 (xhigh), sottoposto a benchmark pubblici
- Muse Spark 1.3 (max), in anteprima limitata per i partner Meta al momento dell'analisi del rilascio.
I cambiamenti si concentrano su due aree principali: sostenere lavoro agentico a lungo raggio e ripulire il comportamento nel coding.
Meta ha addestrato il modello su una gamma di harness in modo che generalizzi a diversi ambienti agentici, e ha aggiunto training su più task di coding a lungo raggio. L'azienda inquadra il rilascio come un passo verso l'obiettivo dichiarato di una superintelligenza personale.
La conclusione principale che traggo da questo lancio riguarda l'efficienza: Muse Spark 1.3 ha completato i confronti ingegneristici con circa il 20% in meno di chiamate agli strumenti e il 25% in meno di token rispetto alla 1.2.
Per chi paga a token sulla Meta Model API, questo significa una riduzione diretta dei costi sullo stesso carico di lavoro.
Cosa c'è di nuovo in Muse Spark 1.3?
Gli aggiornamenti di Muse Spark 1.3 riguardano il comportamento del modello durante lunghe sessioni agentiche e il modo in cui scrive e modifica il codice.
Ecco le capacità che spiccano di più.
Sostenere lavoro agentico prolungato in un unico thread
Muse Spark 1.3 è progettato per mantenere coerente un singolo thread lungo, gestendo più workflow contemporaneamente.
Dato un obiettivo aperto, usa strumenti per costruirsi il contesto da fonti disordinate e in conflitto, corregge le lacune del piano man mano e tiene traccia di ciò che ha imparato per produrre un deliverable finale.
Meta ha anche migliorato il multitasking all'interno di un contesto single-thread.
Il modello associa i prompt in arrivo al task corretto anche quando stai riorientando una richiesta precedente o la interrompi a metà, che è la modalità di errore che solitamente manda fuori strada le sessioni agentiche lunghe.
Per chi usa regolarmente Muse Spark, questo conta perché la maggior parte del lavoro agentico reale non è un'unica istruzione pulita. È una conversazione continua in cui cambi idea, aggiungi vincoli e metti in pausa i task, e un modello che perde il filo di quale task appartenga a un messaggio diventa presto inutilizzabile.
Collaborare e chiedere prima di azioni conseguenti
Meta afferma che Muse Spark 1.3 è stato addestrato a lavorare con te invece di procedere di slancio su istruzioni ambigue. Significa che fa domande di chiarimento quando un prompt è vago, ti coinvolge quando si blocca e chiede conferma prima di azioni con conseguenze rilevanti.
Sui task lunghi, si adatta alla tua preferenza per gli aggiornamenti. Puoi fargli inviare report frequenti o lavorare in silenzio in background fino ad avere un risultato, utile quando vuoi lanciare un task e tornare a controllare più tardi.
Meta ha anche migliorato la calibrazione del modello sulle azioni irreversibili, così tratta un'operazione distruttiva con più cautela rispetto a una reversibile.
Potrebbe essere una valvola di sicurezza significativa per agenti che toccano file, inviano messaggi o eseguono comandi shell.
Seguire istruzioni lunghe e multi-step senza perdere vincoli
Muse Spark 1.3 segue istruzioni complesse e di lungo formato in modo più affidabile rispetto alle versioni precedenti di Muse Spark.
Su task a più passaggi, Meta riporta che preserva meglio i requisiti dettagliati senza perdere vincoli o deviare dal flusso di lavoro richiesto.
Considera una richiesta come: redigere un report di compliance, estrarre le cifre da un foglio di calcolo allegato, formattare i numeri in due tabelle, esportare in PDF e organizzarli sotto sei intestazioni nominate. I modelli precedenti tendono a centrare i primi tre requisiti e a dimenticare in silenzio gli ultimi due.
Il modello ha anche una migliore consapevolezza dei propri limiti.
Meta lo ha addestrato a riconoscere quando si trova in un vicolo cieco e a dirlo, invece di allucinare un esito per sembrare completo, anche se la ricerca non quantifica quanto spesso questo accada.
Coding più pulito e veloce con meno passaggi sprecati
Muse Spark 1.3 è stato addestrato su più task di coding a lungo raggio e si comporta meglio nei workflow ingegneristici comuni.
Rispetto a Muse Spark 1.2, Meta afferma che fa meno passaggi non necessari, è meno verboso e produce uno stile di codice più pulito.
I guadagni di efficienza sono la parte concreta: nei confronti dei tecnici Meta, Muse Spark 1.3 ha usato circa il 20% in meno di chiamate agli strumenti e il 25% in meno di token rispetto alla 1.2.
Meno chiamate agli strumenti significa meno round trip e latenza inferiore sui task di coding agentico, e meno token significa costo per task completato più basso.
Un'avvertenza emersa in alcune segnalazioni della community è che alcuni utenti Reddit hanno trovato il modello frustrante perché non espone il proprio processo di pensiero, rendendo più difficile il debug delle decisioni di coding rispetto ai modelli che mostrano tracce di ragionamento.
Benchmark di Muse Spark 1.3
Meta ha pubblicato punteggi di benchmark in tre categorie nel rilascio di Muse Spark 1.3: task agentici, recupero in lungo contesto e coding.
I risultati sotto confrontano la variante max con Muse Spark 1.2 xhigh, GPT-5.6 Sol (max) e Claude Opus 5 (max).
Coding
Il coding è dove Muse Spark 1.3 presenta l'argomentazione più forte. Guida tutti e tre i benchmark, incluso un pareggio con GPT-5.6 Sol su Terminal-Bench 2.1.
| Benchmark | Muse Spark 1.3 (max) | GPT-5.6 Sol (max) | Opus 5 (max) |
|---|---|---|---|
| DeepSWE v1.1 | 75.4 | 73.0 | 74.0 |
| SWEAtlas CodeBase QnA | 59.4 | 53.5 | 52.7 |
| Terminal-Bench 2.1 | 88.8 | 88.8 | 86.7 |
Il risultato su DeepSWE v1.1 (75.4) spicca.
Quel benchmark misura il coding agentico a lungo raggio, in cui il modello deve completare autonomamente veri task di ingegneria del software.
Battere sia Opus 5 sia GPT-5.6 Sol in quella valutazione è significativo per chi valuta agenti di coding. T
Il punteggio di comprensione della codebase su SWEAtlas (59.4) racconta una storia simile: Muse Spark 1.3 legge e ragiona su codebase ampie meglio di entrambi i rivali diretti qui.
Lungo contesto
Muse Spark 1.3 ha un vantaggio significativo nel recupero su lungo contesto, in particolare all'estremo superiore della finestra di contesto, dove la maggior parte dei modelli degrada.
| Benchmark | Muse Spark 1.3 (max) | GPT-5.6 Sol (max) |
|---|---|---|
| MRCR 256K–512K | 98.5 | 91.5 |
| MRCR 512K–1M | 98.1 | 73.8 |
Tra 512K e 1M token, GPT-5.6 Sol scende a 73.8 mentre Muse Spark 1.3 resta a 98.1. Se il tuo lavoro prevede di inserire intere codebase, lunghe catene di documenti o tracce agentiche estese in un singolo contesto, questa è la categoria che conta di più. I punteggi di Opus 5 non sono pubblicati per MRCR, quindi qui non è possibile un confronto diretto a tre.
Task agentici
Sui benchmark agentici, Muse Spark 1.3 si colloca tra GPT-5.6 Sol e Opus 5.
Supera GPT nella maggior parte delle categorie ma è di poco dietro a Opus 5 in generale.
| Benchmark | Muse Spark 1.3 (max) | GPT-5.6 Sol (max) | Opus 5 (max) |
|---|---|---|---|
| GDPVal-AA v2 | 1754 | 1710 | 1824 |
| JobBench | 64.9 | 45.4 | 65.7 |
| OSWorld 2.0 | 66.9 | 62.7 | 68.3 |
| DeepSearchQA | 89.4 | 93.0 | 90.4 |
| Agentic IF Index | 57.8 | 60.5 | 59.1 |
| AutomationBench | 49.4 | 46.7 | 50.3 |
Il divario su JobBench rispetto a GPT-5.6 Sol (64.9 vs 45.4) è il margine più ampio nella categoria agent e vale la pena segnalarlo per chi usa l'IA nei workflow professionali.
DeepSearchQA è l'unica area in cui GPT-5.6 Sol è in vantaggio (93.0 vs 89.4), e anche il follow delle istruzioni (Agentic IF Index) è lievemente a favore di GPT.
Sull'uso del computer (OSWorld 2.0), Muse Spark 1.3 è competitivo con 66.9 contro 68.3 di Opus 5.
Il quadro generale è che Muse Spark 1.3 guida su coding e recupero in lungo contesto, è competitivo sui task agentici e si posiziona appena dietro Opus 5 sul lavoro di conoscenza e l'orchestrazione agentica generale.
Muse Spark 1.3 vs rivali in sintesi
Ecco un rapido riferimento che confronta Muse Spark 1.3 con i modelli di fascia media e di punta che abbiamo recensito.
I numeri per Muse Spark provengono da Artificial Analysis; i dati dei competitor dalle nostre coperture precedenti.
| Modello | Contesto | Input / 1M | Output / 1M | Punteggio rilevante |
|---|---|---|---|---|
| Muse Spark 1.3 (xhigh) | 1M | $1.25 | $4.25 | Intelligence Index 61 |
| GPT-5.6 Terra | 1.05M | $2.00 | $12.00 | 87.4% Terminal-Bench 2.1 |
| Claude Sonnet 5 | 1M | $3.00 | $15.00 | 63.2% SWE-Bench Pro |
| Claude Opus 5 | ~1M | $5.00 | $25.00 | 2.3 alignment audit |
Il divario di prezzo è evidente: i token di output di Muse Spark 1.3 costano circa un terzo di quelli di Sonnet 5 e un sesto di quelli di Opus 5.
Prezzi e disponibilità di Muse Spark 1.3
Muse Spark 1.3 è disponibile oggi in Muse Code e nella Meta Model API.
Meta for Developers ha segnalato che gli utenti esistenti possono cambiare l'ID del modello mantenendo gli stessi endpoint, SDK e prezzi, rendendo l'upgrade a basso attrito.
I prezzi sulla Meta Model API dipendono dal livello, con un livello contributor che registra i tuoi dati per migliorare i prodotti di Meta a una tariffa inferiore e un livello standard che non lo fa.
| Livello | Contesto | Input / 1M | Input in cache / 1M | Output / 1M |
|---|---|---|---|---|
| Contributor (dati usati per migliorare i prodotti) | 1M | $0.10 | $0.002 | $0.20 |
| Standard (xhigh) | 1M | $1.25 | $0.15 | $4.25 |
Artificial Analysis riporta uno sconto cache dell'88% sul livello xhigh, e OpenRouter rispecchia le tariffe di $1,25 input / $4,25 output elencando componenti aggiuntivi come la ricerca web a $2,50 per 1.000 chiamate.
I prezzi per la variante max non erano ancora pubblici al momento dell'analisi del rilascio.
Ci sono due avvertenze sulla disponibilità emerse dalla community che meritano attenzione al momento della stesura:
- Alcuni utenti Reddit hanno segnalato che Meta.ai in UE serviva ancora Muse Spark 1.1, suggerendo un rollout regionale irregolare
- Meta ha dichiarato che la modalità max reasoning arriverà a breve dopo ulteriori test di sicurezza, non al lancio.
Considerazioni finali
Muse Spark 1.3 è un aggiornamento mirato all'efficienza e all'affidabilità, più che un salto di capacità, e Meta lo presenta onestamente così.
Il 20% in meno di chiamate agli strumenti e il 25% in meno di token rispetto alla 1.2 sono i numeri che contano di più per chi esegue agenti su larga scala, perché si traducono direttamente in costi e latenza inferiori.
Penso che, se già usi la Meta Model API o Muse Code, l'upgrade immediato con un utilizzo di token inferiore sia una scelta facile.
Se stai scegliendo da zero un modello per agenti in produzione, vorrei vedere come si comporta il modello sul campo e conoscere i prezzi della variante max prima di impegnarmi rispetto a un'alternativa ben documentata.
Se vuoi sviluppare le competenze per valutare e usare modelli come questo nei tuoi workflow, ti consiglio di partire dal nostro skill track AI Agent Fundamentals.
