Nel giorno dei tre lanci (9 luglio: GPT-5.6, Grok 4.5 e questo), l’annuncio di Meta è stato il meno rumoroso e forse il più significativo. Non per il modello in sé, che è buono ma non primo. Per quello che rappresenta: l’azienda che ha costruito l’ecosistema open source con Llama ora vende un modello chiuso via API. Vale un’analisi su entrambi i piani.

Cosa è uscito davvero

Muse Spark 1.1 è un modello di ragionamento multimodale con contesto da 1 milione di token, presentato come aggiornamento sostanziale del primo Muse Spark su quattro assi: uso di strumenti, computer use, coding e comprensione multimodale. La caratteristica progettuale distintiva è il ruolo dentro i sistemi multi-agente: può fare da agente principale che pianifica e delega, o da subagente dentro flussi orchestrati da altri, e generalizza zero-shot a strumenti nuovi, server MCP e skill personalizzate.

Il listino: 1,25 dollari per milione di token in input e 4,25 in output sulla Meta Model API, con 20 dollari di crediti gratuiti. I consumatori lo trovano nell’app Meta AI in modalità Thinking.

Il posizionamento dichiarato è da frontier, in concorrenza con GPT-5.5, Claude Opus 4.8 e Gemini 3.1 Pro. I benchmark raccontano una specializzazione più precisa: primo sui test di uso strumenti professionale come JobBench e MCP Atlas, dietro Opus 4.8 e GPT-5.5 su coding puro e ragionamento multimodale.

A cosa serve, concretamente

La specializzazione di Muse Spark è il lavoro sporco dei sistemi agentici: il modello che sta in mezzo, legge l’obiettivo, decide quali strumenti chiamare, delega i pezzi e ricompone. Nei flussi aziendali reali questa figura esiste eccome: l’agente che riceve una pratica, interroga tre sistemi, passa il calcolo a uno strumento e la scrittura a un modello più adatto.

Per quel ruolo, un modello che eccelle nell’uso di strumenti, ha un contesto da 1 milione di token per tenere tutto il flusso in testa e costa 1,25 dollari in input è un candidato razionale, molto più di un flagship da 10 dollari usato come centralinista. È la stessa logica di instradamento di cui abbiamo scritto per GPT-5.6: il valore non sta nel modello migliore, sta nel modello giusto per ogni anello della catena.

Come valutarlo in azienda

Tre criteri pratici. Se stai costruendo flussi multi-agente o pipeline con molti strumenti e server MCP, mettilo nella rosa dei candidati per il ruolo di orchestratore: i 20 dollari di crediti bastano per un test serio. Se cerchi il modello unico per tutto, non è lui: su coding e ragionamento puro i frontier restano davanti. E se oggi usi Llama self-hosted per ragioni di controllo, Muse Spark non è il suo successore naturale: quella nicchia oggi la coprono meglio i modelli open cinesi, di cui abbiamo scritto a partire da GLM-5.2.

In sostanza: Muse Spark 1.1 è un buon modello specializzato al prezzo giusto, e il segnale che anche l’ultimo grande fornitore “gratuito” ora vuole essere pagato. Il mercato dei modelli è ufficialmente un mercato normale: si sceglie per ruolo, si confronta per costo, si progetta per poter cambiare. Se vuoi capire quale posto (se uno) merita nel tuo stack, parlaci del tuo progetto.

Domande frequenti

È il modello di punta dei Meta Superintelligence Labs per i compiti agentici: multimodale (testo e immagini), contesto da 1 milione di token, con miglioramenti dichiarati su uso di strumenti, computer use e coding. La caratteristica distintiva è l'orchestrazione: è progettato per fare da agente principale che pianifica e delega ad altri agenti, o da subagente dentro flussi altrui, e generalizza senza addestramento specifico a strumenti nuovi, server MCP e skill personalizzate.

Via Meta Model API: 1,25 dollari per milione di token in input e 4,25 in output, con 20 dollari di crediti gratuiti per i nuovi account. I consumatori lo trovano anche nell'app Meta AI in modalità Thinking. È la fascia di prezzo di GLM-5.2 e Grok 4.5: frontier economico, ben sotto i 5-10 dollari dei flagship occidentali.

Dipende dal terreno. Sui benchmark di uso strumenti professionale (JobBench, MCP Atlas) è in testa; sul coding puro e sul ragionamento multimodale resta dietro Claude Opus 4.8 e GPT-5.5, per ammissione degli stessi benchmark citati al lancio. La lettura onesta: non è il modello per sostituire il tuo frontier, è un candidato specifico per orchestrare flussi con tanti strumenti a costo basso.

Perché segna il cambio di strategia di Meta: dai pesi aperti di Llama scaricabili gratis a un modello chiuso venduto via API. Per anni Meta è stata il motore dell'open source AI; ora che monetizza, il testimone dell'open è passato ai laboratori cinesi (GLM, Kimi, DeepSeek, Qwen). Per chi aveva costruito su Llama contando sulla gratuità perpetua, è un promemoria: la strategia dei fornitori cambia, l'architettura deve poterlo assorbire.