Muse Spark 1.2 e Muse Code: il terzo modello di Meta in quattro mesi pareggia con Grok 4.5

Meta ha rilasciato Muse Spark 1.2 il 5 agosto 2026, quattro settimane dopo Muse Spark 1.1 e circa quattro mesi dopo il primo Muse Spark. Questa versione è arrivata con qualcosa che le due precedenti non avevano: un agente di codifica di Meta, Muse Code, distribuito in versione beta e addestrato insieme al modello su cui gira. E nell'unica classifica che né Meta né i suoi rivali controllano, il rilascio porta Meta in perfetta parità con SpaceXAI — Muse Spark 1.2 e Grok 4.5 ora ottengono entrambi 54 sull'Artificial Analysis Intelligence Index.

Ci sono due cose da distinguere prima che uno qualsiasi dei numeri qui sotto assuma significato. Il punteggio dell'Intelligence Index, i dati sulla latenza e i conteggi dei token provengono da Artificial Analysis, che esegue le proprie valutazioni e ne pubblica i risultati; questi sono indipendenti. I risultati sul coding con cui Meta ha aperto il suo annuncio — Terminal-Bench 2.1, DeepSWE v1.1 e un benchmark interno — sono stati ottenuti da Meta, sull'harness di Meta, con ogni modello concorrente abbinato al proprio agente di prodotto. Entrambi i tipi di numeri sono utili. Non sono lo stesso tipo di evidenza, e questo articolo li tiene separati.

Cosa ha effettivamente rilasciato Meta

L'annuncio, pubblicato sul blog di ricerca AI di Meta e datato 5 agosto, copre due prodotti contemporaneamente.

• Muse Spark 1.2 — un aggiornamento incentrato sul coding per la famiglia Muse Spark. Meta afferma di aver aumentato la potenza di calcolo per l'addestramento su compiti di codifica e ampliato la diversità degli ambienti di addestramento, mantenendo al contempo la capacità di agente generale che costituiva il punto di forza della versione 1.1. Gli obiettivi di addestramento dichiarati sono a lungo orizzonte: generazione dell'intero repository, grandi progetti end-to-end e ciò che Meta chiama auto-research, con pianificazione per sequenziare il lavoro, condizionamento degli obiettivi per mantenere la direzione attraverso molti passaggi e compattazione del contesto per mantenere attivo lo stato rilevante durante sessioni lunghe.

• Muse Code — un agente di coding da terminale in beta, installato con uno script shell di una sola riga dal dominio sviluppatori di Meta. Esegue agenti asincroni persistenti in background che sopravvivono per tutta la sessione, su un runtime locale basato su log di eventi che Meta descrive come a riproduzione esatta e a prova di riavvio, e coordina più subagent per ogni attività in worktree isolati. È dotato di tre skill integrate: /plan per la pianificazione soggetta ad approvazione, /grill per sottoporre a stress test il lavoro già svolto, e /goal per portare a termine un'attività.

L'abbinamento non è casuale. Meta afferma che i due sono stati co-addestrati: il modello è stato ottimizzato su traiettorie campionate tramite rejection sampling dall'harness, con ottimizzazioni della ricetta per obiettivi, compattazione e subagenti. È la stessa strategia di co-addestramento che ha prodotto Claude Code e Codex, e ha una conseguenza per chiunque legga i numeri dei benchmark: i punteggi di coding principali del modello sono stati prodotti all'interno dell'harness contro cui è stato addestrato. Non è barare, è così che funziona oggi la valutazione agentica. Significa però che un punteggio di 1,2 ottenuto attraverso un altro scaffold è una questione aperta, non un'ipotesi sicura.

Il resto della specifica è invariato rispetto alla 1.1, che è di per sé informativa. Il contesto rimane a 1.048.576 token. Il reasoning rimane obbligatorio in tutti e cinque i livelli di sforzo — minimal, low, medium, high, xhigh — con medium di default; non esiste alcuna configurazione in cui ottenere i pesi senza pagare per una certa deliberazione. I pesi sono chiusi, senza alcun repository Hugging Face, e la Model API di Meta stessa rimane l'unico posto first-party per chiamare il modello.

43, poi 51, poi 54

Artificial Analysis assegna a Muse Spark 1.2 un punteggio di 54 sul suo Intelligence Index con l'impostazione di ragionamento xhigh, classificandolo al 13° posto su 185 modelli rispetto a una mediana di classe di 32. L'indice è un composito ponderato di nove valutazioni — GDPval-AA v2, τ³-Banking, Terminal-Bench v2.1, SciCode, Humanity's Last Exam, GPQA Diamond, CritPt, AA-Omniscience e AA-LCR — suddiviso equamente tra agenti, coding, capacità generali e ragionamento scientifico.

Letto come una serie piuttosto che come un'istantanea, la traiettoria di Meta è la storia vera. Il Muse Spark originale ha ottenuto 43 in aprile. Muse Spark 1.1 ha raggiunto 51 il 9 luglio, un guadagno di otto punti in un trimestre. Muse Spark 1.2 ne aggiunge altri tre in meno di un mese. Meta è avanzata di 11 punti indice in quattro mesi e ora sta distribuendo versioni più velocemente di quanto l'ecosistema di valutazione riesca a tenere il passo: non c'è ancora una ripartizione pubblicata per benchmark per la 1.2, e nessun record Design Arena per essa, mentre la 1.1 ha entrambi.

Meta si colloca a quota 54, alla pari con Grok 4.5, il modello che SpaceXAI ha rilasciato un giorno prima di Muse Spark 1.1, e dietro a un gruppo di testa molto compatto: Claude Opus 5 a 61, Claude Fable 5 a 60, GPT-5.6 Sol a 59. Il distacco dalla vetta è di sei o sette punti. Il divario dal punto in cui Meta ha iniziato l'anno è di undici. Che questo divario si riduca dipende dal fatto che il ritmo regga, e Meta al momento lavora con un ciclo di rilascio di quattro settimane.

Tuttavia, un pareggio su un indice composito non è un pareggio su un compito, e vale la pena chiarire cosa il 54 stabilisce e cosa non stabilisce. Stabilisce che Muse Spark 1.2 appartiene alla stessa conversazione di Grok 4.5 per capacità complessiva. Non dice quale dei due scriva patch migliori, perché il sotto-indice di programmazione che risponderebbe a questa domanda non è stato ancora pubblicato per la versione 1.2.

I numeri di codifica di Meta, leggili attentamente.

L'annuncio di Meta è in testa su tre classifiche. Nei suoi test, riportato come pass@1 su cinque tentativi, con ciascun modello concorrente abbinato al proprio prodotto agente:

• Terminal-Bench 2.1 — 82.9% per Muse Spark 1.2, in aumento rispetto al 76.2% dell'1.1. Claude Opus 5 risulta in testa con l'86.7%.

• DeepSWE v1.1 — 59,3%, in aumento rispetto al 53,0%.

• Il benchmark interno di codifica di Meta — 70,6%, in aumento rispetto al 68,3%.

I delta sono la parte credibile. Un guadagno di 6,7 punti su Terminal-Bench e 6,3 su DeepSWE, misurato nello stesso modo sullo stesso harness dallo stesso team a distanza di un mese, è una lettura ragionevole di quanto 1.2 sia migliorato rispetto a 1.1 proprio su ciò che Meta stava ottimizzando. Il posizionamento tra vendor è la parte da prendere con le pinze: l'abbinamento dell'harness è una grande variabile libera, e un laboratorio che ottimizza il proprio harness insieme al proprio modello non è in grado di ottimizzare altrettanto bene quello degli altri. Meta era seconda nella propria slide, il che almeno non è la solita forma di un benchmark di vendor, ma, al momento in cui scrivo, nessuna terza parte ha replicato nulla di tutto ciò.

Il secondo listino prezzi

La cosa più rilevante di questa release non è nei grafici benchmark. Muse Spark 1.2 viene fornito con due listini prezzi.

• Livello Standard — $1,25 per milione di token di input, $0,15 per milione su riscontro in cache, $4,25 per milione di output. Invariato rispetto alla 1.1, al centesimo. Limite di circa 3.000 richieste al minuto. Il grounding della ricerca web viene fatturato separatamente a $2,50 per mille query.

• Contributor tier — $0.10 input, $0.002 cached input, $0.20 output. That is 12.5× cheaper on input and 21.25× cheaper on output. The price of admission is permission for Meta to train future models on your traffic, and a rate cap of 60 requests per minute — 2% of the standard budget.

A $0,10 e $0,20, Muse Spark 1.2 batterebbe sul prezzo quasi tutti i modelli frontier-adjacent sul mercato, inclusa la fascia economica open-weight contro cui perde sul prezzo in ogni altro caso. È questo il numero interessante del lancio, e non è davvero una decisione di prezzo. Sessanta richieste al minuto escludono da sole la maggior parte dei pattern di fan-out in produzione, quindi il tier è pensato per la sperimentazione e per il lavoro dei piccoli team, più che per servire richieste. E "potremmo addestrarci sul tuo traffico" è una questione per chi approva la data governance nella tua organizzazione, non per chi sceglie i modelli. Trattalo come una verifica legale con uno sconto allegato, non come uno SKU più economico.

Quanto costa produrre il 54

Artificial Analysis pubblica quanto costano i suoi stessi run di valutazione, ed è in quella colonna che si delinea la forma di Muse Spark 1.2. Completare la suite di nove benchmark è costato $637.85 e ha bruciato 95 milioni di token di output, contro $548.07 e 94 milioni per Muse Spark 1.1 — con prezzi per token identici. Il 16% in più è pura deliberazione.

I valori di latenza seguono lo stesso andamento. Misurato a xhigh, il tempo al primo token è di 26,12 secondi per 1.2 contro i 2,90 secondi di 1.1, e la velocità di output scende da 213,5 a 165,0 token al secondo. Meta ha comprato tre punti indice con il tempo di pensiero, e il design a ragionamento obbligatorio significa che non puoi rifiutare l'acquisto — puoi solo sceglierne l'entità.

Quel numero di 26 secondi verrà riportato male, quindi ecco subito la correzione: è una misurazione al livello di sforzo più costoso che il modello espone, e l'API per impostazione predefinita usa il livello medio. Come punto di riferimento dal traffico reale piuttosto che da un banco di benchmark, Muse Spark 1.1 servito tramite OrcaRouter — qualunque sia lo sforzo effettivamente richiesto dai chiamanti — mostra un tempo al primo token con p50 su 7 giorni di 1,84 secondi e una p95 di 6,00 secondi, a 519 token al secondo e con un tasso di errore pari a zero. La latenza di benchmark allo sforzo massimo e la latenza di produzione allo sforzo predefinito sono quantità diverse, e di solito differiscono di un ordine di grandezza. Leggi 26,12 s come il tetto del ragionamento profondo, non come sarà percepita una richiesta.

Dove puoi chiamarla oggi.

Muse Spark 1.2 è offerto tramite la Model API di Meta e, al momento in cui scriviamo, da nessun'altra parte — non è stato instradato su OpenRouter al lancio, non esiste un repository Hugging Face e non è nel catalogo OrcaRouter. Muse Spark 1.1 è disponibile a $1.25 e $4.25 — gli stessi importi che applica Meta, perché OrcaRouter applica un ricarico dello 0% e trasmette direttamente il prezzo di listino del fornitore.

Questo conta più per il confronto che per il modello stesso. Se stai costruendo un modello di costo per questa release, i modelli con cui la confronteresti — Claude Opus 5, Claude Fable 5, GPT-5.6 Sol, Grok 4.5, DeepSeek V4 Flash — sono accessibili con un'unica chiave al prezzo di listino, quindi la cifra nel tuo foglio di calcolo è la stessa che compare in fattura, e un taglio di prezzo del provider entra in vigore lo stesso giorno, non dopo un rinnovo. Per Muse Spark 1.2 in particolare, oggi la risposta è l'endpoint di Meta, un secondo contratto e una fattura separata.

Ciò a cui l'annuncio non ha risposto

• Nessun punteggio di coding indipendente.Artificial Analysis pubblica un composito per la 1.2, ma non ancora i sotto-indici di coding e agentici che aveva pubblicato per la 1.1 (rispettivamente 71,3 e 37,5). Poiché il lavoro agentico era di gran lunga la dimensione più debole della 1.1, e il coding agentico è esattamente ciò che la 1.2 dichiara di aver corretto, questo è il punteggio che risolverebbe la questione del rilascio.

• Nessuna riproduzione dei risultati dell'harness. Ogni dato di coding nell'annuncio è Meta-run. Nessuno ha ancora pubblicato i punteggi di Muse Spark 1.2 da uno scaffold neutrale.

• Nessuna verifica multimodale. La scheda di Muse Spark pubblicizza input di testo, immagini, video, audio e PDF. La valutazione indipendente copre testo e immagini. La messaggistica 1.2 di Meta si è spostata quasi interamente sul lavoro software, e il caso d'uso multimediale 1.1, esplicitamente venduto per ora, non ha dietro di sé né marketing né misurazione.

• Nessuno storico del throughput. Il volume sull'endpoint è ancora troppo basso perché le consuete statistiche di latenza a finestra mobile vengano popolate.

Cosa guardare nelle prossime quattro settimane

Tre cose determineranno se questa release è ciò che Meta dice che sia. La prima è un punteggio agentico indipendente per la 1.2 — se il sotto-indice che era 37,5 sulla 1.1 si è mosso sostanzialmente, la proposta sul coding è reale. La seconda è se qualcuno riesce a riprodurre il risultato di Terminal-Bench al di fuori di Muse Code; un modello che performa solo all'interno del proprio ambiente è un prodotto, non una capacità. La terza è cosa succede al tier dei contributori: se il limite di 60 richieste si allenta, un modello vicino alla frontiera a $0.10 in ingresso e $0.20 in uscita cambia l'aritmetica del tier budget in un modo che un guadagno di tre punti sull'indice non farebbe mai.

E se il ritmo regge, Muse Spark 1.3 è prevista per l'inizio di settembre. Sulla base di questi elementi, il numero da guardare quando arriva non è il punteggio dell'indice. Il punto è se Meta può aggiungere funzionalità senza aggiungere altri venti secondi di ragionamento all'inizio di ogni richiesta.