Muse Spark 1.1: Meta Lancia un Modello per Ragionamento Multimodale su Meta Model API

Meta Superintelligence Labs ha annunciato l’uscita di Muse Spark 1.1, un modello multimodale progettato per compiti di ragionamento e agenticità avanzati direttamente sull’API Meta Model. L’azienda ha inoltre reso disponibili in anteprima pubblica i modelli Meta, con una notevole novità strutturale: i modelli sono disponibili non solo con pesi aperti, ma anche come servizio chiuso, ospitato e metered per token. Questo lancia nuovi interrogativi su dove posizionare Muse Spark 1.1 nello stack esistente di strumenti AI.

Che cos’è Muse Spark 1.1?

Meta descrive Muse Spark 1.1 come un modello di intelligenza artificiale pensato per il ragionamento su contesti complessi, particolarmente adatto a compiti agentici. Rispetto alla precedente versione di Muse Spark, si sottolinea un miglioramento significativo nell’utilizzo di strumenti, nell’uso del computer, nella codifica e nell’elaborazione multimodale. Il contesto operativo del modello è estremamente ampio, con una finestra di 1,048,576 token, come riportato sui documenti dell’API Meta Model.

Tecnologie e Principio di Funzionamento

Il modello funziona in base al ragionamento prima di rispondere. Questo ragionamento può essere regolato a seconda della richiesta. I dati di input possono comprendere testo, immagini, video e documenti, mentre l’output è esclusivamente testuale. L'API fornisce anche risultati strutturati, chiamate di strumenti parallele, un'API per i file e la memorizzazione in cache delle domande.

Un esempio concreto del design di Muse Spark 1.1 è la presenza di una funzione web_search incorporata nel sistema di risposte che consente di fornire informazioni citate direttamente.

Prezzo e Disponibilità

L’accesso a Muse Spark 1.1 si divide in due categorie principali: utenti finali e sviluppatori. I consumatori hanno l’accesso gratuito in modalità “pensare” nell’app Meta AI e sul sito web meta.ai, mentre gli sviluppatori sono addebitati a partire da 1.25 dollari per milione di token di input e 4.25 dollari per milione di token di output. Nuovi account ricevono 20 dollari di credito gratuito.

Per il momento, l’anteprima pubblica è limitata geograficamente e disponibile esclusivamente negli Stati Uniti, senza accesso all'Unione Europea.

Rendimento del Modello

Meta ha riportato in un tableau le performance di Muse Spark 1.1 rispetto ad altri modelli avanzati. Queste tavole mostrano chiaramente il posizionamento del modello nei diversi benchmark:

• MCP Atlas: Utilizzo di strumenti, Muse Spark 1.1 ottenne 88.1, seguito da Opus 4.8 con 82.2.
• JobBench: Utilizzo professionale di strumenti, Muse Spark 1.1 mostra 54.7 a fronte di Opus 4.8 al 48.4.
• Humanity’s Last Exam: Risultati di ragionamento con strumenti: Muse Spark 1.1 si classifica con 62.1, Opus 4.8 con 57.9.
• OSWorld-Verified: Utilizzo del computer, Muse Spark 1.1 guadagna 80.8.
• SWE-Bench Pro: Codifica su repository reali, Muse Spark 1.1 totalizza 61.5 mentre Opus 4.8 è primo con 69.2.
• DeepSWE 1.1: Codifica su orizzonti lunghi, Muse Spark 1.1 ha 53.3 mentre Opus 4.8 supera con 59.0.
• BabyVision: Ragionamento visivo, Muse Spark 1.1 registra il miglior punteggio con 76.3.

Analisi dei Punti Salienti

I numeri indicano una posizione unica per Muse Spark 1.1. È un modello di orchestrazione, piuttosto che uno specialista di codifica o di intelligenza visiva. Benché non sia il migliore in ogni categoria, eccelle in contesti dove l’utilizzo attivo di strumenti e l’orchestrazione parallela sono chiave.

Estrazione e Delega

Due delle caratteristiche più promettenti sono compattizzazione e delega. Il modello gestisce attivamente la finestra contestuale di un milione di token, ricordando azioni e recuperando informazioni da lavori compiuti in precedenza, compattando ciò che mantiene in memoria.

Inoltre, il modello funge da superagente che pianifica e delega esecuzioni a subagenti paralleli. I subagenti invece seguono le loro missioni, comprendono gli strumenti disponibili e si elevano quando necessario. I ricercatori di Meta hanno osservato una generalizzazione zero-shot per nuovi strumenti standard, server MCP e abilità personalizzate.

Utilità di Utilizzo con Script

Il modello è stato addestrato per scrivere script quando l’automazione è più efficiente, cliccando quando l’interazione diretta è necessaria, e per generare batch di azioni in ogni passaggio. Questo rende il modello particolarmente adatto a contesti computazionali complessi e automatizzati.

Integrare Muse Spark 1.1 in un'Esistente Stack

Data la sua compatibilità con l’API OpenAI, la migrazione ai modelli Meta richiede solo un cambio del base URL. Ecco un esempio di istruzioni fornite da Meta:

pip install openai

import os
from openai import OpenAI

L'SDK OpenAI non legge automaticamente MODELAPIKEY, quindi passarlo esplicitamente.

client = OpenAI(
base_url="https://api.meta.ai/v1",
apikey=os.environ["MODELAPI_KEY"],
)

response = client.chat.completions.create(
model="muse-spark-1.1",
messages=[{"role": "user", "content": "Hello, world!"}],
)
print(response.choices[0].message.content)

Modelli in formato Anthropic, come gli strumenti Claude Code, utilizzano invece l’API Messages. I CLI come OpenCode registrano un provider usando solo tre informazioni: URL di base, chiave API e ID modello.

Utilizzi Pratici

I demos presentati da Meta mappano direttamente i carichi di lavoro che le squadre di ingegneria riconoscono già. Alcuni esempi concreti:

• Automatizzazione di liste multimodal: In una demo per Facebook Marketplace il modello analizza video di smartphone, estrapola foto utili, ragiona sul prodotto, e gestisce un'applicazione web per pubblicare l'oggetto in vendita