Muse Spark 1.1: il modello agentico multimodale di Meta
1M di contesto, API OpenAI-compatible, benchmark top su tool use. Insieme a Muse Image e Muse Video, è la prima famiglia multimodale end-to-end di Meta Superintelligence Labs.
In sintesi
Meta Superintelligence Labs rilascia Muse Spark 1.1 (9 luglio 2026): reasoning multimodale con 1M token, Meta Model API in public preview, OpenAI‑compatible. • Rilascio ufficiale: 9 luglio 2026, laboratorio guidato da Alexandr Wang • Contesto: finestra da 1.000.000 di token per task agentici prolungati • API: Meta Model API in public preview, compatibile con SDK OpenAI • Benchmark: top su MCP Atlas, JobBench e +43,3 punti su DeepSWE rispetto al predecessore
Meta Superintelligence Labs ha rilasciato Muse Spark 1.1 il 9 luglio 2026, il primo modello di reasoning multimodale del laboratorio guidato da Alexandr Wang. È un significativo upgrade di Muse Spark con 1 milione di token di contesto, supporto multimodale nativo, e una Meta Model API in public preview che permette a tutti gli sviluppatori di costruire agenti con un SDK OpenAI-compatible.
Il rilascio arriva lo stesso giorno di Muse Image e in preview Muse Video: tre modelli che formano la prima famiglia multimodale end-to-end di Meta Superintelligence Labs. Insieme segnano la strategia Meta dopo l'acquisizione di Scale AI e la creazione del laboratorio dedicato all'AI superintelligente personale.
Cosa è Muse Spark 1.1
Muse Spark 1.1 è un modello di reasoning multimodale costruito per task agentici. Rispetto al predecessore Muse Spark, ha miglioramenti sostanziali in tool use, computer use, coding e comprensione multimodale. Il modello è disponibile in modalità "Thinking" nell'app Meta AI e su meta.ai, oltre che via la nuova Meta Model API in public preview.
| Specifica | Valore |
|---|---|
| Architettura | Multimodal reasoning |
| Contesto | 1.000.000 di token |
| Modalità | Testo, immagini, video, PDF |
| API | Meta Model API (public preview), OpenAI-compatible |
| Strumenti | Search con citazioni, structured output, parallel tool calling, function calling |
| Modalità Thinking | Sì |
| Lingua interfaccia | Multilingue |
Demo 1: organizzazione agentica di una cena
Muse Spark 1.1 eccelle in task agentici personali che richiedono pianificazione e orchestrazione su app e servizi esterni. Il primo caso d'uso mostrato da Meta è l'organizzazione di una cena: l'utente (Ash) sta organizzando un BBQ, deve coordinare i partecipanti, scegliere un vendor, e reagire a un cambio del meteo.
Demo: organizzazione agentica di un BBQ su Messenger. Il modello nota il cambio del meteo e aggiorna il piano autonomamente. Fonte: Meta AI.
Il modello contatta i vendor via Messenger, conferma la disponibilità, e quando il meteo cambia improvvisamente adatta l'organizzazione senza che l'utente debba intervenire manualmente. Mantiene il contesto dei messaggi ricevuti, riconosce l'intento di ogni partecipante, e orchestra sub-task in parallelo.
Demo 2: action captioning
Muse Spark 1.1 produce descrizioni ultra-dettagliate di immagini e video, mantenendo la qualità su tutto il workflow multimodale. La demo mostra la capacità di ispezionare un dettaglio visivo e generare una didascalia azionabile per un sistema di ML.
Demo: Muse Spark Action Captioning. Il modello descrive un dettaglio sfocato di una bicicletta per il training di modelli visivi. Fonte: Meta AI.
Demo 3: DeepSWE evaluation in OpenCode
Il modello può valutare sé stesso su un sottoinsieme di task DeepSWE con diversi livelli di ragionamento e produrre un dashboard di analisi basato sui risultati. La demo mostra OpenCode con Muse Spark 1.1 che esegue 20 task di coding, analizza i risultati, e produce un report visuale.
Demo: DeepSWE evaluation in OpenCode. Il modello esegue 20 task di coding e produce un dashboard di analisi. Fonte: Meta AI.
Demo 4: agentic coding con OpenCode
La demo di debugging mostra Muse Spark 1.1 che costruisce una web app di chat, scatta screenshot automatici per identificare fallimenti visibili, risale dal problema visivo al codice e implementa la correzione, validando infine le modifiche. Il modello combina coding, multimodal understanding e tool calling in modo trasparente.
Demo: debugging agentico in OpenCode. Il modello identifica un bug visivo, lo traccia nel codice e valida la correzione. Fonte: Meta AI.
Capacità agentiche
Muse Spark 1.1 orchestra sistemi multi-agente. Come main agent, raccoglie contesto, fa un piano, delega l'esecuzione a subagent paralleli. Come subagent, segue il suo job, capisce i tool disponibili e sa quando riscalare al main agent. Gestisce attivamente la finestra di contesto da 1M token — ricorda azioni, recupera informazioni da lavori precedenti e compatta mantenendo solo gli step critici.
Generalizza zero-shot a nuovi tool nativi, server MCP e custom skill. Tackla progetti complessi significativamente più velocemente del predecessore grazie al training specifico sull'orchestrazione multi-agent per ottimizzare la latenza end-to-end.
Capacità di computer use
Muse Spark 1.1 eccelle in workflow di computer use che si svolgono su multiple applicazioni con informazioni che cambiano on-the-fly. Mantiene contesto attraverso sessioni estese, si adatta a requisiti che evolvono, e naviga interfacce non familiari con minimo intervento umano. Capisce quando automatizzare (scrivere script), quando usare l'interfaccia direttamente (click), e quando generare batch di azioni a ogni step.
Benchmark ufficiali Meta
Meta ha pubblicato benchmark completi su Muse Spark 1.1. I dati seguenti sono dichiarati dal produttore e non sono ancora verificati indipendentemente.
| Benchmark | Muse Spark 1.1 | Muse Spark | Vantaggio |
|---|---|---|---|
| Vibe Code Bench v1.1 | 72,2 | 19,7 | +52,5 |
| SWE Atlas — Codebase QnA | 42,0 | 24,2 | +17,8 |
| Meta Internal Coding Bench | 68,3 | 58,8 | +9,5 |
| MCP Atlas (scaled tool use) | 88,1 | 82,2 | +5,9 |
| JobBench (professional tool use) | 54,7 | 17,0 | +37,7 |
| Toolathlon-Verified (personal tool use) | 75,6 | 49,4 | +26,2 |
| Humanity's Last Exam (con tools) | 62,1 | 50,4 | +11,7 |
| Terminal-Bench 2.1 | 80,0 | 67,3 | +12,7 |
| SWE-Bench Pro | 61,5 | 55,0 | +6,5 |
| DeepSWE 1.1 (long-horizon coding) | 53,3 | 10,0 | +43,3 |
| CharXiv Reasoning (chart QA) | 88,4 | 88,9 | -0,5 |
| BabyVision (visual reasoning) | 76,3 | 39,9 | +36,4 |
Modalità e contesto
Muse Spark 1.1 gestisce 1 milione di token di contesto. Mantiene memoria di azioni, recupera informazioni da lavori molto precedenti, compatta mantenendo solo gli step critici per le fasi successive. Nella demo di organizzazione del BBQ, il modello ricorda ogni messaggio ricevuto, l'intento di ciascun partecipante, e riprende il filo della conversazione in modo naturale.
La modalità "Thinking" produce un ragionamento interno più esteso: il modello pianifica in anticipo, simula alternative e spiega le proprie scelte. È attivabile sia nell'app Meta AI che via Meta Model API.
Computer use e orchestrazione
La capacità di computer use è centrale. Il modello può ispezionare interfacce, cliccare elementi, scrivere testo, navigare menu, gestire finestre. Capisce quando è più veloce scrivere uno script di automazione e quando è meglio usare l'interfaccia. Genera batch di azioni a ogni step per ridurre la latenza end-to-end.
Su OSWorld-Verified (computer use agentico) ottiene 80,8 contro 83,4 di Opus 4.8 (max) e 78,7 di GPT 5.5 (xhigh).
Sicurezza
Meta ha condotto valutazioni estensive prima del deployment seguendo l'Advanced AI Scaling Framework. Su tutte le categorie di rischio frontier (Chemical & Biological, Cybersecurity, Loss of Control), le valutazioni mostrano che Muse Spark 1.1 opera entro margini sicuri. Resiste a jailbreak diretti e attacchi indiretti da dati non fidati, prompt injection e attacchi developer-prompt. Ha minori tassi di allucinazione e minor tendenza alla sicofanzia. La postura di sicurezza completa è documentata nel Muse Spark 1.1 Evaluation Report.
Testimonianze dei partner
I partner early access lodano la completezza della piattaforma:
- Amjad Masad, CEO di Replit: "Massive million-token context, full multimodal support, built-in search with citations, strong reasoning, top-tier coding abilities, structured output, parallel tool calling — all in a clean OpenAI-compatible package. A complete agentic foundation."
- Saoud Rizwan, CEO di Cline: "Meta is clearly building for serious agentic coding — strong tool use at a price point that makes it viable to run real coding workloads at scale."
- Yashodha Bhavnani, VP AI Products at Box: "Delivered enterprise capabilities competitive with today's leading frontier models."
- Dave Morin, OpenClaw Foundation: "Fast, powerful, and fun with OpenClaw."
Meta Model API
Per la prima volta Meta rende disponibile un'API pubblica per i suoi modelli. La Meta Model API è in public preview e compatibile con lo standard OpenAI, quindi funziona con tool esistenti (Cursor, Cline, Replit, OpenClaw). Il modello è accessibile via https://api.meta.ai/v1 con autenticazione API key.
Il pricing è stato annunciato al lancio: $1,25 per milione di token in input e $4,25 per milione in output, con $20 di crediti gratuiti a ogni nuovo account — posizionamento aggressivo rispetto alle API concorrenti per il coding agentico a scala.
Disponibilità
Muse Spark 1.1 è disponibile da subito:
- Meta Model API in public preview (Stati Uniti al lancio)
- App Meta AI e meta.ai in modalità "Thinking"
- Per developer: compatibile con OpenAI SDK, Replit, Cline, OpenClaw, Cursor
La valutazione di Velthub
Muse Spark 1.1 è un rilascio strategico importante per Meta. Il modello non punta al primato assoluto in un singolo benchmark ma offre una piattaforma bilanciata e completa, con API OpenAI-compatible che abbatte la barriera d'ingresso per gli sviluppatori. I benchmark interni Meta mostrano vantaggi netti su tool use (MCP Atlas 88,1 e JobBench 54,7, davanti a Opus 4.8 e GPT-5.5); sul coding a lungo orizzonte (DeepSWE 1.1: 53,3) resta invece dietro Opus 4.8 (59,0) e GPT-5.5 (67,0). La combinazione con Muse Image e Muse Video forma la prima famiglia multimodale end-to-end del laboratorio guidato da Alexandr Wang. Per developer italiani, l'API OpenAI-compatible è un vantaggio operativo immediato: l'integrazione richiede solo cambiare la base URL.
Cosa non sappiamo ancora
- benchmark indipendenti su LMArena, Artificial Analysis, LiveBench
- disponibilità multimodale di input audio (al momento visione e immagini)
- roadmap di Muse Spark 2.0 e della prossima generazione
- disponibilità in Europa e limitazioni regionali
Domande frequenti
Cos'è Muse Spark 1.1?
Il primo modello di Meta Superintelligence Labs per task agentici multimodali, con 1M token di contesto, supporto multimodale e Meta Model API OpenAI-compatible in public preview.
Come posso accedere a Muse Spark 1.1?
Via Meta Model API (preview pubblica), nell'app Meta AI e su meta.ai in modalità "Thinking". L'API è compatibile con lo standard OpenAI.
Quali sono i vantaggi su coding e tool use?
Su DeepSWE 1.1 raggiunge 53,3 (vs 10,0 di Muse Spark), su MCP Atlas 88,1 (vs 82,2), su JobBench 54,7 (vs 17,0). Differenze misurabili su task agentici reali.
È sicuro da jailbreak e prompt injection?
Meta ha condotto valutazioni secondo l'Advanced AI Scaling Framework. Resiste a jailbreak diretti, attacchi indiretti e prompt injection, con tassi di allucinazione e sicofanzia ridotti.
Qual è la differenza con Muse Image e Muse Video?
Muse Spark 1.1 è un modello di reasoning multimodale per task agentici. Muse Image e Muse Video sono modelli di generazione multimodale (immagini e video). Insieme formano la prima famiglia multimodale end-to-end di Meta.
https://velthub.ai/blog/meta-muse-spark-1-1-novita-agentic-meta-model-api