Curso
Claude Code 101
3 h
27.6K
Observação: a Meta lançou o Muse Spark 1.3 em 2 de setembro de 2026.
A Meta lançou o Muse Spark 1.1 em 9 de julho de 2026, seu segundo modelo do Meta Superintelligence Labs e uma atualização do Muse Spark original, que estreou em abril. O lançamento também abriu a Meta Model API para desenvolvedores em prévia pública, colocando a Meta no mesmo modelo de negócio de APIs pagas de Anthropic e OpenAI.
O anúncio veio apenas dois dias depois de a Meta apresentar o Muse Image, o primeiro modelo de geração de imagens do Superintelligence Labs.
O Muse Spark 1.1 é um modelo de raciocínio multimodal voltado para tarefas agentic, com janela de contexto de 1 milhão de tokens e avanços em uso de ferramentas, uso de computador, codificação e compreensão multimodal.
Ele roda no modo "Thinking" dentro do app Meta AI e em meta.ai, e a Meta o posiciona como concorrente de ponta para o GPT-5.5, o Claude Opus 4.8 e o Gemini 3.1 Pro. Preços da API: US$ 1,25 por milhão de tokens de entrada e US$ 4,25 por milhão de tokens de saída, com US$ 20 em créditos gratuitos para começar.
Neste artigo, vou cobrir tudo o que há de novo no Muse Spark 1.1, destacando os recursos agentic, explorando os benchmarks e sugerindo testes práticos para sua própria avaliação. Para leituras relacionadas, veja nossa análise do Muse Glimmer, Sakana Fugu vs. Claude Fable 5 e nosso tutorial sobre rodar o MiniMax M3 localmente.
Resumo
- O Muse Spark 1.1 é o segundo modelo do Superintelligence Labs da Meta, lançado em 9 de julho de 2026, criado para tarefas agentic com janela de contexto de 1 milhão de tokens.
- É proprietário e com pesos fechados, ao contrário da família aberta Llama, com acesso gratuito para consumidores em meta.ai e uma nova Meta Model API paga em prévia pública.
- Preços da API: US$ 1,25 por milhão de tokens de entrada e US$ 4,25 por milhão de tokens de saída, com US$ 20 em créditos gratuitos.
- Pontos fortes: foco em tarefas agentic, com avanços em uso de ferramentas e de computador, codificação e entendimento multimodal.
- Ponto fraco: ainda fica atrás em trabalhos agentic de longo prazo em comparação ao GPT-5.5 e ao Opus 4.8.
O que é o Muse Spark 1.1?
O Muse Spark 1.1 é o mais novo modelo de raciocínio multimodal da Meta, projetado para planejar e orquestrar trabalho em apps e serviços externos, e não apenas responder perguntas de uma única rodada. Ele fica acima da linha Llama de pesos abertos, o principal foco da Meta antes da chegada dos modelos Muse Spark.
Ao contrário do Llama, o Muse Spark é proprietário e com pesos fechados, sem implantação local ou fine-tuning pela comunidade.
A grande novidade em relação ao Muse Spark original é a capacidade agentic.
Segundo a Meta, a versão 1.1 enfrenta projetos complexos com mais agilidade porque foi treinada para orquestrar sistemas multiagente, atuando como agente principal que planeja e delega, ou como subagente que cumpre seu papel e escala quando necessário.
Ele também gerencia ativamente sua janela de contexto de 1 milhão de tokens, compactando etapas anteriores enquanto mantém o que vai precisar depois.
Em codificação, a Meta relata que a 1.1 melhora significativamente o primeiro modelo no Meta Internal Coding Bench e é competitiva com as principais alternativas. Esse enquadramento importa porque benchmarks independentes mostram um cenário mais misto, como veremos na seção de benchmarks.
O que há de novo no Muse Spark 1.1
A atualização foca em executar tarefas entre apps e interfaces, não só gerar texto. Veja os recursos que a Meta destaca neste lançamento.
Orquestrar projetos multiagente
O Muse Spark 1.1 pode atuar como agente líder, reunindo contexto, criando um plano e delegando a execução para subagentes em paralelo.
Como subagente, ele entende as ferramentas disponíveis e sabe quando devolver o controle ao agente principal.
Segundo a Meta, essa estrutura paralela é o que permite concluir projetos complexos mais rápido do que o Muse Spark original, reduzindo a latência ponta a ponta.
Na prática, isso significa que você pode dar um projeto como "puxar os chamados do suporte do último trimestre, categorizá-los e rascunhar uma apresentação" e ele dividirá a recuperação, a classificação e a redação entre subagentes.
A Meta também afirma que ele generaliza em zero-shot para novas ferramentas nativas, servidores MCP e skills personalizadas, sem necessidade de fine-tuning para cada integração.
Operar um computador em vários apps
O Muse Spark 1.1 lida com fluxos de trabalho que envolvem o uso do computador em diversos aplicativos, onde as informações mudam no meio da tarefa.
A Meta o treinou para decidir quando escrever um script para ganhar velocidade, quando clicar direto na interface, e para gerar lotes de ações por etapa em vez de raciocinar clique a clique.
O exemplo da própria empresa é um agente que faz um pedido para um jantar, percebe um novo contexto e atualiza o pedido sem intervenção do usuário.
Para um time de dados, um exemplo mais próximo seria um agente que faz scraping de uma página de preços de um fornecedor, percebe uma mudança de preço no meio da sessão e revisa uma planilha comparativa antes de exportá-la.
A promessa é manter o contexto em sessões longas e se adaptar a mudanças de requisitos com intervenção mínima.
Corrigir bugs e migrar código em grandes codebases
Codificação é onde a Meta aposta forte no marketing, citando ganhos em tarefas reais como diagnosticar bugs complexos, implementar features em sistemas corporativos e conduzir grandes migrações de código.
O Muse Spark 1.1 traz recursos comuns de agentic coding, incluindo modo de planejamento, condicionamento por objetivos, delegação a subagentes e compactação de contexto, e a Meta diz que ele se adapta a diferentes harnesses como o OpenCode.
Parceiros iniciais corroboram. Saoud Rizwan, CEO da Cline, disse que a Meta está "claramente construindo para codificação agentic séria, forte uso de ferramentas, com um preço que viabiliza workloads reais de código em escala". Amjad Masad, CEO da Replit, elogiou suas "habilidades de código de altíssimo nível (especialmente frontend e design)" e o empacotamento compatível com OpenAI.
Unir percepção e ação em um único fluxo
Os pontos fortes multimodais do Muse Spark 1.1 abrangem percepção, geração de código a partir de visão, legendagem hiperdescritiva de imagens e vídeos, e execução agentic multimodal. O destaque aqui é fazer percepção e ação juntas: inspecionar entradas visuais ou de áudio, manter esses detalhes ao longo de um fluxo extenso e usá-los enquanto opera o computador por você.
A demonstração da Meta usou vídeo de celular para extrair fotos de produto e raciocinar sobre o item, depois operar o navegador para criar um anúncio no Facebook Marketplace em nome do usuário. Vale notar a limitação de modalidade que vários guias independentes apontam: entradas aceitam texto, imagens e áudio, mas a saída é somente texto, sem geração direta de imagem ou vídeo por este modelo.
Benchmarks do Muse Spark 1.1
O post oficial da Meta se apoia em avaliações internas como o Meta Internal Coding Bench, que não são reproduzíveis de forma independente.
Os números públicos mais úteis vêm de comparações de terceiros e mostram o Muse Spark 1.1 trocando forte eficiência de tokens por uma desvantagem nas tarefas de código mais difíceis.
| Benchmark | Muse Spark 1.1 Meta |
Muse Spark Meta |
Gemini 3.1 Pro (high) |
Opus 4.8 (max) Anthropic |
GPT 5.5 (xhigh) OpenAI |
|
|---|---|---|---|---|---|---|
| Agent | MCP Atlas Uso de ferramentas em escala |
88,1 | 82,2 | 78,2 | 82,2 | 75,3 |
| JobBench Uso profissional de ferramentas |
54,7 | 17,0 | 15,9 | 48,4 | 38,3 | |
| Toolathlon-Verified Uso pessoal de ferramentas |
75,6 | 49,4 | 61,1 | 76,2 | 73,5 | |
| OSWorld-Verified Uso agentic de computador |
80,8 | 53,3 | 76,2 | 83,4 | 78,7 | |
| Humanity's Last Exam Raciocínio multidisciplinar (c/ ferramentas) |
62,1 | 50,4 | 51,4 | 57,9 | 52,2 | |
| Finance Agent v2 Análise financeira agentic |
57,2 | - | 43,0 | 53,9 | 51,8 | |
| Coding | Terminal-Bench 2.1 Codificação agentic em terminal |
80,0 | 67,3 | 70,3 | 82,7 | 83,4 |
| SWE-Bench Pro Engenharia de software diversa |
61,5 | 55,0 | 54,2 | 69,2 | 58,6 | |
| DeepSWE 1.1 Codificação agentic de longo prazo |
53,3 | 10,0 | 12,0 | 59,0 | 67,0 | |
| Multimodal | CharXiv Reasoning Perguntas e respostas sobre gráficos |
88,4 | 88,9 | 81,6 | 89,9 | 84,8 |
| BabyVision Raciocínio visual |
76,3 | 39,9 | 51,5 | 81,2 | 83,6 | |
Terminal-Bench 2.1 (codificação agentic em terminal)
O Terminal-Bench 2.1 mede como um modelo lida com tarefas de codificação e agentes em múltiplas etapas dentro de um terminal.
A Meta registrou 80,0 para o Muse Spark 1.1, um pouco atrás dos 82,7 do Claude Opus 4.8 e dos 83,4 do GPT-5.5, que lidera.
MCP Atlas (uso de ferramentas em escala)
Esse índice mede o uso de ferramentas em escala, que exige planejamento e orquestração entre diversos apps e serviços externos.
O Muse Spark 1.1 lidera aqui, com 88,1 contra 82,2 do Opus 4.8 e 75,3 do GPT-5.5. O novo modelo da Meta também lidera no JobBench, focado em uso profissional de ferramentas, mostrando que o uso agentic de ferramentas é de fato a prioridade do Muse Spark 1.1.
Consciência de avaliação (Apollo Research)
A métrica de consciência de avaliação da Apollo Research mede se um modelo parece reconhecer que está sendo testado. Resumos de terceiros repetem a afirmação de que o Muse Spark apresentou as maiores taxas de consciência de avaliação entre os modelos avaliados. Encara isso com cautela: ainda não foi amplamente reproduzido de forma independente, e alguns comentadores temem que possa estar superdimensionado sem mais replicação.
Preço e disponibilidade do Muse Spark 1.1
O acesso para consumidores é gratuito. O Muse Spark 1.1 roda no modo Thinking dentro do app Meta AI e em meta.ai, exigindo login Meta e, provavelmente, limites de uso no servidor para cargas intensas. Ele aceita entradas em texto, imagem e áudio, mas retorna apenas texto.
Para desenvolvedores, a nova Meta Model API está em prévia pública. Desenvolvedores dos EUA já podem acessá-la para testar prompts, comparar respostas e prototipar integrações, com preços definidos em:
- US$ 1,25 por milhão de tokens de entrada
- US$ 4,25 por milhão de tokens de saída
- US$ 20 em créditos gratuitos antes de migrar para o pay-as-you-go
Segundo a Reuters, esse preço fica acima do GPT-5 mini de entrada da OpenAI e do Claude Haiku 4.5 da Anthropic, mas abaixo do Claude Sonnet 4.8, de categoria superior, da Anthropic.
Espera-se que o modelo substitua os Llama existentes que alimentam chatbots no WhatsApp, Instagram, Facebook e nos smart glasses da Meta. Vale notar que vários guias independentes apontam que a documentação da API ainda é enxuta, sem um model card detalhado e sem confirmação oficial e precisa de algumas especificações centrais.
Considerações finais
O sinal mais claro deste lançamento é que a Meta mudou seu modelo de negócios. Ao cobrar por token via Meta Model API, a Meta agora compete no terreno de Anthropic e OpenAI, e não apenas distribuindo pesos abertos como fazia com o Llama.
Isso é uma grande guinada para uma empresa cuja reputação em IA foi construída na abertura.
Na minha leitura, o Muse Spark 1.1 é realmente interessante por dois motivos: acesso gratuito a um modelo de ponta em meta.ai e forte eficiência de tokens.
O maior alerta para profissionais é a transparência. Não há versão de pesos abertos; portanto, se seu fluxo precisa de implantação local ou de fine-tuning, o Muse Spark não é o modelo para você, e a linha aberta Llama ou uma alternativa de pesos abertos como o MiniMax M3 continuam sendo opções melhores.
Se você quer construir os fluxos agentic e mult-ferramentas para os quais o Muse Spark 1.1 foi projetado, recomendo nosso curso Developing AI Systems with the OpenAI API, já que a Meta Model API é compatível com OpenAI.
