Muse Spark vs Claude Opus 5.5: dieci punti di intelligenza e una fattura 3,7x

The comparison between Muse Spark and Claude Opus 5.5 is usually written as a scoreboard, and the scoreboard does have a winner: on Artificial Analysis' Intelligence Index the current Muse Spark — Muse Spark 1.3 at its max reasoning setting — scores 48, while Claude Opus 5.5 at max effort with default fallback scores 58 and sits first on the board. That is the number everyone quotes. The number almost nobody quotes sits on the same page: completing one Intelligence Index task costs $1.60 on Muse Spark 1.3 and $5.98 on O​pus 5.5. Ten index points for roughly 3.7x the money per task, with Muse Spark also running about 28% faster and emitting a third fewer tokens to get there. Neither of those figures is ours — both come from Artificial Analysis' own hosted listings — and which one matters depends entirely on what you are doing, so this piece is about separating the two questions rather than picking a side.

Innanzitutto, ciò che il nome del modello nasconde.

Muse Spark is not one model, and the matchup only makes sense once you fix a version. The line runs Muse Spark 1.1 (July 16, 2026), Muse Spark 1.2 (August 5, 2026) and Muse Spark 1.3 (September 2, 2026), all from M​eta Superintelligence Labs, all sharing a 1,048,576-token context window and a text-out modality. M​eta labels 1.3 current. Muse Spark 1.3 also gained its "max" reasoning level on September 4, two days after launch, after M​eta finished additional safety testing — and that matters here because every AI-lab scorecard, M​eta's included, was produced at that setting, while the model most developers actually called for the first two days was capped at xhigh.

Claude Opus 5.5 arrived on September 22, 2026, the first release in A​nthropic's 5.5 family, and it is a simpler object: one GA model, adaptive thinking always on, effort selectable from low to max. A​nthropic's own framing was cost — it says O​pus 5.5 costs 40% less to run than Claude Opus 5, with input and output at $4 and $20 per million tokens and cache reads at $0.20, a 60% cut on cache reads versus its predecessor. Claude Fable 5.1 still sits above it for the hardest reasoning work.

Quindi la descrizione onesta è un confronto tra un modello che continua a essere ripuntato sotto lo stesso nome di famiglia e un modello che è stato rilasciato una volta in una configurazione fissa e da allora non si è più mosso.

I numeri indipendenti, con il loro asterisco

Artificial Analysis è l'unica terza parte con elenchi pubblici per entrambi, e non li confronta nella stessa categoria — i modelli open-weight sono classificati rispetto a modelli open-weight della stessa classe dimensionale, quelli proprietari rispetto al campo più ampio. Entrambi questi sono proprietari, quindi quella particolare distorsione non entra in gioco; ciò che entra in gioco è che nessuno dei due elenchi è una ri-esecuzione controllata dell'harness dell'altro.

• Muse Spark 1.3 (max) — Intelligence Index 48, posizione 24 su 217; velocità di output 121,9 token/secondo; $1,25 in input / $4,25 in output per milione di token; $1,60 per attività dell'indice; 170M token di output generati durante l'indice.

• Claude Opus 5.5 (max, fallback predefinito) — Intelligence Index 58, posizione 1 su 217; velocità di output 95,2 token/secondo; $4,00 in ingresso / $20,00 in uscita; $5,98 per attività dell'indice; 260 M token di output.

Read those two lists side by side and the shape of the trade is visible without any interpretation. O​pus 5.5 wins intelligence by 10 points and wins it while being more verbose, not less — 260M tokens against 170M — so it is not buying its score with economy. Muse Spark 1.3 is faster, cheaper per token, cheaper per completed task, and less talkative. On the price-per-task line is where the gap is widest: you can run roughly 3.7 Muse Spark 1.3 index tasks for the cost of one O​pus 5.5 index task.

Un altro punto di dati indipendente, perché va nella direzione opposta e vale la pena affermarlo: la classifica testuale di LMArena colloca una configurazione di Claude Opus 5.5 al 3° posto assoluto con 1508 Elo, e Muse Spark 1.3 non compare affatto in quella classifica. Il voto basato sulle preferenze umane e un indice di benchmark non concordano sull'entità, il che è normale, ma significa comunque che il divario di 10 punti non va letto come "peggiore del 10% in tutto".

Dove il divario è più ampio, secondo i fornitori

Le scorecard dei fornitori non sono comparabili tra loro e nessuno dei due fornitori ha pubblicato gli stessi benchmark, ma la sovrapposizione è istruttiva. Tutto ciò che segue è dichiarato dai fornitori e non è stato riprodotto da noi.

• Terminal-Bench 4.0 — O​pus 5.5: 66.4%, run at xhigh effort per A​nthropic's note. M​eta reports Muse Spark on Terminal-Bench 2.1 instead, where the family's published score is 76.4 with the Terminus 2 agent. Different benchmark versions, different agents — do not subtract them.

• GDPval-AA — O​pus 5.5: 1846 Elo on v2.1. Muse Spark 1.3: 1,754 on v2. The version moved between the two measurements, so the 92-point gap is directionally real and numerically soft.

• Agentic computer use — O​pus 5.5: 81.8% on OSWorld 2.1, marked "partial". Muse Spark 1.3: 66.9 on OSWorld 2.0. Again, different revisions of the same benchmark family.

• Terminal-Bench-Science 0.1 — O​pus 5.5: 58.7%. M​eta publishes no equivalent for Muse Spark 1.3.

A​nthropic è insolitamente esplicita riguardo ai limiti della propria tabella, rilevando che a questo livello di capacità "i margini dei benchmark sono diventati una guida meno affidabile per le differenze nel mondo reale". Vale la pena prendere quella frase alla lettera in entrambe le direzioni: indebolisce il divario AA di 10 punti tanto quanto indebolisce le affermazioni di M​eta sul posizionamento di DeepSWE.

A cosa rinunci oltre ai punti

• Modalità di input — Muse Spark 1.3 accetta testo, immagini e video. Claude Opus 5.5 accetta testo e immagini. Se la tua pipeline invia registrazioni dello schermo o video direttamente al modello, non c'è partita e il divario nell'indice è irrilevante.

• Maximum output — O​pus 5.5 returns up to 128K tokens synchronously, and 300K through the Batches API behind a beta header. M​eta does not publish a max-output figure for Muse Spark 1.3 that we could verify. If you generate long artifacts in a single call, an unpublished ceiling is a risk you should test rather than assume.

• Cache economics — O​pus 5.5's cache read is $0.20 per million, a 95% discount off input. Muse Spark 1.3's is $0.15, an 88% discount. For a heavily cached agent loop this narrows or inverts the per-task arithmetic versus the headline rates, and it is the single easiest thing to get wrong when comparing these two on list price alone.

• Contesto — entrambi sono 1M. Niente da separare.

• Release cadence — O​pus 5.5 is one model with one price and has not changed since September. Muse Spark has re-pointed three times in three months and then added a reasoning level on top. That is either healthy iteration or an integration hazard, depending on how much you like re-running evals.

Eseguendo entrambi senza una seconda integrazione

Both sides of this comparison are on OrcaRouter — Claude Opus 5.5 and the two Muse Spark checkpoints we serve, Muse Spark 1.2 and Muse Spark 1.1 — through one API across 200+ models, at each provider's list price with 0% markup passed through. Which is the practical answer to the question this article poses: the way to find out whether your workload really needs the extra ten index points is to route a slice of production traffic to Muse Spark 1.2 at $1.25 in / $4.25 out and compare it against the same prompts on O​pus 5.5, on the same key, with automatic failover so a bad run degrades to the other model rather than to an error page. No second contract, no second SDK, no migration.

Due oneste avvertenze sulla nostra stessa copertura. Muse Spark 1.3 oggi non è nel nostro catalogo, quindi il confronto di routing qui sopra parte dalla 1.2, che è il checkpoint che Artificial Analysis misura un punto al di sotto di Muse Spark Open e che ora riporta un avviso di deprecazione che punta alla 1.3. E questo confronto si basa sulle cifre pubblicate da Anthropic e Meta, oltre che sugli elenchi indipendenti di Artificial Analysis; non abbiamo rieseguito i benchmark di nessuno dei due modelli, e le righe dei fornitori qui sopra vanno lette come dichiarazioni.

La versione che vale la pena ricontrollare

If the question you brought here is "is the cheap one good enough", the honest answer today is that the cheap one is 48 to O​pus 5.5's 58, faster, less verbose and about 3.7x cheaper per completed task — and that A​nthropic's own caveat about benchmark margins is the strongest argument for testing rather than deciding. If your work involves video in, extremely long single outputs, or the last few points of hard reasoning, O​pus 5.5 is the model that shipped with those things documented. The thing to watch is not the next Muse Spark version number but whether Muse Spark 1.3 arrives on a router you already use, and at what price — the family's pricing has been stable at $1.25 / $4.25 across 1.1, 1.2 and 1.3, which is itself a signal that M​eta is competing on capability per dollar rather than on the dollar.

Uno sviluppo resta fuori da questo confronto anziché al suo interno, ed è il motivo per cui questa settimana si scrive di questa famiglia. Il 15 ottobre 2026 — tredici giorni dopo il rilascio di Muse Spark 1.3 e il giorno prima di questo articolo — M​eta ha pubblicato i pesi e la licenza per Muse Spark Open, il membro separato della famiglia a pesi aperti, il cui repository era rimasto ad accesso limitato e senza annuncio dal 15 settembre. L'architettura da 816B totali / 42B attivi attualmente in circolazione è quella release, non il modello chiuso 1.3 misurato sopra. Artificial Analysis lo elenca sì, con un indice di intelligenza di 39 contro il 48 che questo articolo attribuisce a Muse Spark 1.3, e M​eta non ha pubblicato il rapporto di valutazione alla base del proprio scorecard per esso. Quindi l'artefatto è confermato e l'affermazione sulle prestazioni no; non leggete questo confronto come se lo riguardasse.

Ciò che i numeri non possono dirti è se qualcosa sia andato storto sul campo: gli incidenti documentati di IA e i fallimenti degli agenti relativi ai modelli di questa classe sono raccolti in l'OrcaRouter AI Incident Archive, dove ogni voce riporta le proprie fonti, il grado di gravità, il livello di confidenza e il flag di contestazione.