Muse Spark 1.1: Meta's agentische redeneermodel en de nieuwe Meta Model API

Let op: Meta bracht op 2 september 2026 Muse Spark 1.3 uit. 

Meta bracht op 9 juli 2026 Muse Spark 1.1 uit, het tweede model van Meta Superintelligence Labs en een upgrade van de oorspronkelijke Muse Spark die in april debuteerde. Met de release werd ook de Meta Model API opengesteld voor ontwikkelaars in publieke preview, waardoor Meta hetzelfde betaalde API-bedrijfsmodel volgt als Anthropic en OpenAI.

De lancering komt slechts twee dagen nadat Meta Muse Image uitrolde, het eerste beeldgeneratiemodel van de Superintelligence Labs.

Muse Spark 1.1 is een multimodaal redeneermodel, gebouwd voor agentische taken, met een contextvenster van 1M tokens en verbeteringen in toolgebruik, computergebruik, coderen en multimodaal begrip.

Het draait in de modus "Thinking" in de Meta AI-app en op meta.ai, en Meta positioneert het als een frontier-concurrent van GPT-5.5, Claude Opus 4.8 en Gemini 3.1 Pro. API-prijzen: $1,25 per miljoen inputtokens en $4,25 per miljoen outputtokens, met $20 gratis tegoed om te starten.

In dit artikel behandel ik alles wat nieuw is in Muse Spark 1.1: de nieuwe agentische features, de benchmarks en hands-ontests voor je eigen evaluatie. Voor gerelateerde coverage: lees onze artikelen over Muse Glimmer, Sakana Fugu vs. Claude Fable 5 en onze tutorial over MiniMax M3 lokaal draaien.

TL;DR

• Muse Spark 1.1 is Meta's tweede Superintelligence Labs-model, uitgebracht op 9 juli 2026, gebouwd voor agentische taken met een contextvenster van 1M tokens.
• Het is proprietair en closed-weight, in tegenstelling tot de open Llama-familie, met gratis consumenten­toegang op meta.ai en een nieuwe betaalde Meta Model API in publieke preview.
• API-prijzen: $1,25 per miljoen inputtokens en $4,25 per miljoen outputtokens, met $20 gratis tegoed.
• Sterke punten: focus op agentische taken, met vooruitgang in tool- en computergebruik, coderen en multimodaal begrip.  
• Zwak punt: langlopende agentische taken blijven zwakker vergeleken met GPT-5.5 en Opus 4.8.  

Wat is Muse Spark 1.1?

Muse Spark 1.1 is Meta's nieuwste multimodale redeneermodel, ontworpen om werk te plannen en te orkestreren over externe apps en services in plaats van alleen eentrapsvragen te beantwoorden. Het staat boven de open-weight Llama-familie, Meta's vorige hoofd­lijn vóór de Muse Spark-modellen.

In tegenstelling tot Llama is Muse Spark proprietair en closed-weight, zonder lokale deployment of community fine-tuning.

De headline-verandering ten opzichte van de oorspronkelijke Muse Spark is de agentische capaciteit.

Volgens Meta pakt 1.1 complexe projecten sneller aan omdat het is getraind om multi-agent­systemen te orkestreren: het kan optreden als hoofdagent die plant en delegeert, of als subagent die bij zijn taak blijft en opschaalt wanneer nodig.

Het beheert ook actief het contextvenster van 1M tokens, door eerder werk te compacten en de stappen te behouden die later nodig zijn.

Op het gebied van coderen meldt Meta dat 1.1 significant beter presteert dan het eerste model op de interne Meta Internal Coding Bench en concurrerend is met toonaangevende alternatieven. Die framing is belangrijk, want onafhankelijke benchmarks laten een gemengder beeld zien; daar kom ik op terug in de benchmarksectie.

Wat is er nieuw in Muse Spark 1.1

De upgrade draait om dingen doen over apps en interfaces heen, niet alleen tekst genereren. Dit zijn de mogelijkheden die Meta voor deze release benadrukt.

Multi-agentprojecten orkestreren

Muse Spark 1.1 kan draaien als hoofdagent die context verzamelt, een plan maakt en de uitvoering delegeert over parallelle subagenten.

Als subagent begrijpt het zijn beschikbare tools en weet het wanneer het de controle moet teruggeven aan de hoofdagent.

Meta zegt dat juist deze parallelle structuur het in staat stelt complexe projecten sneller af te ronden dan de oorspronkelijke Muse Spark, door de end-to-end-latentie te verkleinen.

Voor een practitioner betekent dit dat je het kunt richten op een project als "haal de supporttickets van het afgelopen kwartaal op, categoriseer ze en maak een samenvattende deck" en het de retrieval, tagging en uitwerking laten splitsen over subagenten.

Meta claimt ook dat het zero-shot generaliseert naar nieuwe native tools, MCP-servers en custom skills, zodat je niet voor elke integratie hoeft te fine-tunen.

Een computer bedienen over meerdere apps

Muse Spark 1.1 handelt computerworkflows af die zich uitstrekken over meerdere applicaties, waar informatie halverwege de taak verandert.

Meta trainde het om te bepalen wanneer je voor snelheid een script schrijft, wanneer je direct door een interface klikt en om per stap batches acties te genereren in plaats van redeneren met één klik per keer.

Het eigen voorbeeld van het bedrijf is een agent die een bestelling voor een etentje plaatst, nieuwe context opmerkt en de bestelling bijwerkt zonder tussenkomst van de gebruiker.

Een dichterbij liggend voorbeeld voor een datateam is een agent die een prijspagina van een leverancier scrapt, een prijswijziging midden in de sessie opmerkt en een vergelijkingsspreadsheet bijwerkt vóór het exporteren. 

De claim is dat het context behoudt over langere sessies en zich aanpast aan veranderende eisen met minimale menselijke input.

Bugs oplossen en code migreren in grote codebases

Coderen is waar Meta veel van de marketing­focus legt, met verwijzing naar winst op realistische taken zoals het diagnosticeren van complexe bugs, het implementeren van features in enterprise­systemen en het uitvoeren van grote codemigraties.

Muse Spark 1.1 ondersteunt gangbare agentisch-coderenfeatures, waaronder planningsmodus, doelformulering, delegatie aan subagenten en contextcompactie, en volgens Meta past het zich aan uiteenlopende harnesses aan, zoals OpenCode.

Vroege partners onderschrijven dit. Saoud Rizwan, CEO van Cline, zei dat Meta "duidelijk bouwt voor serieus agentisch coderen, sterk toolgebruik tegen een prijsniveau dat het haalbaar maakt om echte codewerkloads op schaal te draaien." Amjad Masad, CEO van Replit, prees de "topklasse codeer­capaciteiten (vooral frontend en design)" en de OpenAI-compatibele verpakking.

Bron

Perceptie en actie combineren in één workflow

De multimodale sterktes van Muse Spark 1.1 omvatten perceptie, van beeld naar code genereren, ultradescriptieve beeld- en videocaptions en multimodale agentische uitvoering. Wat Meta hier benadrukt, is perceptie en actie samen doen: visuele of audio-input inspecteren, die details vasthouden over een lange workflow en ze gebruiken terwijl het voor jou een computer bedient.

Meta's demonstratie gebruikte smartphonevideo om productfoto's te extraheren en over een item te redeneren, en vervolgens een browser te bedienen om namens de gebruiker een Facebook Marketplace-vermelding aan te maken. Let op de modaliteits­beperking die verschillende derden benadrukken: inputs omvatten tekst, afbeeldingen en audio, maar outputs zijn momenteel alleen tekst, zonder directe beeld- of videogeneratie vanuit dit model.

Muse Spark 1.1-benchmarks

Meta's officiële post leunt op interne evaluaties zoals Meta Internal Coding Bench, die niet onafhankelijk reproduceerbaar zijn.

De nuttigste publieke cijfers komen van vergelijkingen door derden, en die laten zien dat Muse Spark 1.1 sterke token­efficiëntie ruilt voor een achterstand op de moeilijkste codeertaken.

Terminal-Bench 2.1 (agentisch coderen in de terminal)

Terminal-Bench 2.1 meet hoe goed een model meerstaps coderen en agenttaken in een terminal afhandelt.

Meta noteerde een score van 80,0 voor Muse Spark 1.1, net achter 82,7 voor Claude Opus 4.8 en de leidende 83,4 van GPT-5.5. 

MCP Atlas (geschaald toolgebruik)

Deze index meet geschaald toolgebruik dat planning en orkestratie vereist over een reeks externe apps en services. 

Muse Spark 1.1 pakt hier de leiding met een score van 88,1 tegen 82,2 voor Opus 4.8 en 75,3 voor GPT-5.5. Het nieuwe model van Meta scoort ook het hoogst op JobBench, dat focust op professioneel toolgebruik, wat laat zien dat agentisch toolgebruik duidelijk de prioriteit is voor Muse Spark 1.1. 

Evaluatiebewustzijn (Apollo Research)

De evaluatiebewustzijnsmeting van Apollo Research beoordeelt of een model lijkt te herkennen dat het getest wordt. Samenvattingen door derden herhalen de claim dat Muse Spark de hoogste evaluatiebewustzijnsscores liet zien onder de geëvalueerde modellen. Neem dit met de nodige voorzichtigheid: het is nog niet breed onafhankelijk gerepliceerd en sommige commentatoren vrezen dat het te rooskleurig wordt voorgesteld zonder meer herhaling.

Muse Spark 1.1: prijs en beschikbaarheid

Consumententoegang is gratis. Muse Spark 1.1 draait in de Thinking-modus in de Meta AI-app en op meta.ai, met een Meta-login vereist en vermoedelijk server-side ratelimieten bij zwaar gebruik. Het accepteert tekst-, beeld- en audio-input, maar geeft alleen tekstoutput terug.

Voor ontwikkelaars is de nieuwe Meta Model API in publieke preview. Amerikaanse ontwikkelaars kunnen er nu mee aan de slag om prompts te testen, outputs te vergelijken en integraties te prototypen, met prijzen op:

• $1,25 per miljoen inputtokens
• $4,25 per miljoen outputtokens
• $20 gratis tegoed vóór overschakelen naar pay-as-you-go

Bron

Volgens Reuters ligt die prijs boven OpenAI's instapmodel GPT-5 mini en Anthropic's Claude Haiku 4.5, maar onder Anthropic's duurdere Claude Sonnet 4.8.

Naar verwachting vervangt het model bestaande Llama-modellen die chatbots aandrijven op WhatsApp, Instagram, Facebook en Meta's smart glasses. Het is vermeldenswaard dat meerdere onafhankelijke gidsen aangeven dat de API summier gedocumenteerd is, zonder gedetailleerde modelkaart en zonder officiële, precieze bevestiging van enkele kerneigenschappen.

Slotgedachten

Het duidelijkste signaal van deze lancering is dat Meta van bedrijfsmodel is veranderd. Door per token te rekenen via de Meta Model API, concurreert Meta nu op het terrein van Anthropic en OpenAI, en levert het niet langer alleen open weights zoals bij Llama.

Dat is een grote verschuiving voor een bedrijf waarvan de AI-reputatie op openheid was gebouwd.

Mijn indruk is dat Muse Spark 1.1 om twee redenen echt interessant is: gratis frontier-toegang voor consumenten op meta.ai, en sterke tokenefficiëntie.

De grotere kanttekening voor practitioners is transparantie. Er is geen open-weightrelease, dus als je workflow lokale deployment of fine-tuning vereist, is Muse Spark niet het model voor jou en blijft de open Llama-lijn of een open-weight alternatief zoals MiniMax M3 een betere keuze.

Wil je de agentische en multi-toolworkflows bouwen waarvoor Muse Spark 1.1 is ontworpen, dan raad ik onze cursus Developing AI Systems with the OpenAI API aan, aangezien de Meta Model API OpenAI-compatibel wordt geleverd.