Muse Spark vs Muse Spark 1.3: Uno di questi nomi è una versione, e questa è tutta la risposta

Digitare Muse Spark contro Muse Spark 1.3 in una casella di ricerca implica due prodotti, e la prima cosa utile che qualcuno può dirti è che ce n'è solo uno. Meta Superintelligence Labs ha introdotto Muse Spark l'8 aprile 2026, e Muse Spark 1.3 — rilasciato il 2 settembre 2026, con il suo livello massimo di ragionamento aperto agli sviluppatori il 4 settembre — è ciò a cui quel nome ora punta. La pagina del modello di Meta lo chiarisce in tre frasi: Muse Spark 1.3 è "la versione più recente" ed è consigliata per i nuovi lavori, Muse Spark 1.2 è "la versione precedente" e Muse Spark 1.1 è "la versione originale". Quindi non è un confronto. È la questione della versione che il nome Muse Spark nasconde da quando la famiglia ha iniziato a riorientarsi, e la risposta cambia a seconda di quale dei checkpoint precedenti stavi effettivamente confrontando.

Cosa denota ciascun nome

Il nome senza versione è una famiglia e un bersaglio mobile. Meta ha distribuito l'originale Muse Spark ad aprile 2026 come modello di ragionamento nativamente multimodale con un'anteprima API privata, poi ha iniziato a emettere checkpoint numerati: Muse Spark 1.1, che il nostro catalogo elenca con una data di rilascio del 16 luglio 2026; Muse Spark 1.2 il 5 agosto 2026; e Muse Spark 1.3 il 2 settembre 2026. Gli elenchi indipendenti concordano con queste ultime due date. C'è una complicazione che vale la pena segnalare anziché lisciare: la documentazione di Meta definisce la 1.1 "la versione originale" mentre l'introduzione della famiglia è avvenuta ad aprile, e il divario tra queste due affermazioni non è spiegato su nessuna pagina che siamo riusciti a leggere. Considerate la data di aprile come l'introduzione della famiglia e luglio come il primo checkpoint che porta un numero, e non trattate nessuna delle due come un evento di lancio di cui questa pagina sta riferendo.

Tutte e tre le versioni numerate condividono la stessa riga di modalità e la stessa finestra di contesto di 1.048.576 token, come dichiara direttamente Meta: "condividono le stesse modalità e la stessa finestra di contesto, e differiscono solo per le capacità". Questa frase è la cosa più praticamente utile della pagina. Significa che un aggiornamento di versione in questa famiglia non cambia la forma della tua richiesta. Stessi input — testo, immagine, video, audio e PDF — stesso output solo testuale, stesso tetto massimo. Ciò che cambia è la qualità della risposta, e il prezzo non cambia affatto: 1,25 $ per milione di token di input, 0,15 $ per milione di token di input in cache e 4,25 $ per milione di token di output, identico tra 1.1, 1.2 e 1.3 nel tier Standard di Meta.

L'aritmetica dell'upgrade, dalla tabella di Meta stessa

Meta pubblica un'unica tabella di benchmark che mette Muse Spark 1.3 in esecuzione con max reasoning accanto a Muse Spark 1.2 in esecuzione con xhigh attraverso una dozzina di valutazioni agentiche e a contesto lungo, e leggerla riga per riga restituisce un quadro più interessante di quanto suggerisca il numero di versione. Ogni cifra riportata di seguito è dichiarata dal fornitore, prodotta all'interno dell'harness di Meta stesso e non riprodotta da noi.

• GDPval-AA v2 — Muse Spark 1.3 (max) 1.754 vs Muse Spark 1.2 (xhigh) 1.615

• Terminal-Bench 2.1 — 88,8 vs 82,9

• OSWorld 2.0 — 66,9 contro 47,6

• DeepSWE v1.1 — 75,4 vs 55,0

• SWEAtlas — 59,4 vs 46,2

• JobBench — 64,9 vs 61,6

• MRCR 256K–512K — 98,5 vs 66,3

• MRCR 512K–1M — 98,1 vs 55,5

Le ultime due righe sono il punto, e non sono le righe che qualcuno ha citato al lancio. Il recupero a contesto lungo nella fascia 256K–512K guadagna 32 punti; nella fascia 512K–1M guadagna più di 42. Il lavoro sulle capacità generali si muove molto meno: GDPval-AA sale di 139 punti su una scala che aveva 1,2 a 1.615, e JobBench sale di 3. Il pattern è coerente con ciò che un laboratorio mette a punto quando insegue lavoro agentico a lungo orizzonte — il modello non è diventato uniformemente più intelligente, è diventato drasticamente migliore nel mantenere e recuperare informazioni attraverso un contesto per cui aveva già la finestra. Se il tuo carico di lavoro vive nei primi 100K token, l'aggiornamento è reale ma modesto. Se vive oltre, è la differenza tra un modello che può usare un contesto ampio e uno che sa trovare le cose al suo interno.

Due avvertenze vanno fatte su quei numeri. Il confronto è tra max e xhigh, non tra max e max, perché Meta ha eseguito 1.2 in xhigh e 1.3 in max — le impostazioni sono diverse, quindi parte del guadagno è dovuto al budget di ragionamento più che alla qualità del checkpoint. E la riga di 1.2 in quella tabella è ormai una configurazione deprecata: al di fuori della tabella di Meta stessa, elenchi indipendenti segnalano Muse Spark 1.2 come deprecato e rimandano a 1.3, che è il segnale più forte disponibile del fatto che il checkpoint più vecchio sia in via di dismissione.

Il quadro indipendente, e lo scambio di cui nessuno parla

Artificial Analysis è la terza parte con elenchi pubblici per entrambi i checkpoint, e i suoi numeri divergono da quelli di Meta in modo istruttivo — non sulla direzione, ma sul costo.

• Muse Spark 1.3 (Max) — Intelligence Index 48, posizione 24 su 217; velocità di output 121,9 token/secondo; 1,60 $ per attività completata dell'Index; 170 M token di output generati durante la valutazione

• Muse Spark 1.2 (Xhigh) — Indice di intelligenza 40, 59º posto su 217; velocità di output 361,4 token/secondo, primo posto su 186 modelli; 0,97 $ per attività Index completata; 130 M token di output; tempo al primo token 12,67 secondi

Confronta le due liste e l'aggiornamento appare diverso da come si legge nella tabella di Meta. Muse Spark 1.3 è più forte di otto punti indice e circa tre volte più lento — 121,9 token al secondo contro 361,4, dove il checkpoint precedente era il modello più veloce di qualsiasi tipo su quella classifica. Il costo per attività completata è salito da 0,97 $ a 1,60 $ anche se il prezzo per token è identico, perché il modello più recente genera 40 milioni di token in più per completare la stessa valutazione. Nulla è cambiato nella tariffa del fornitore. Ciò che è cambiato è quanto dice il modello.

Questo è lo scambio che il numero di versione nasconde, e taglia in una direzione che gran parte della copertura ha mancato. Se la tua applicazione è sensibile alla latenza o limitata dal throughput, la precedente versione di Muse Spark potrebbe essere davvero il prodotto più veloce per te, e allo stesso prezzo di listino. Se è limitata dall'accuratezza su problemi difficili, la 1.3 con max reasoning è il punto dell'aggiornamento. Questi sono acquisti diversi travestiti da incremento di versione, e solo uno di essi è ciò che l'avviso di deprecazione presume che tu voglia.

Che cosa ha aggiunto la 1.3 che non sia un punteggio

Il livello di ragionamento max è il cambiamento più rilevante della release 1.3 ed è arrivato con due giorni di ritardo. Al lancio del 2 settembre Meta ha distribuito ogni livello di effort fino a xhigh e ha trattenuto max in attesa di quello che ha definito un ulteriore test di sicurezza, condividendolo con un numero limitato di partner. Il 4 settembre quel testing si è concluso e max è diventato selezionabile in Muse Code e sull'id del modello muse-spark-1.3 tramite la Meta Model API. La conseguenza è che la scorecard di punta — il 1.754 su GDPval-AA, il 98,5 su MRCR — è stata prodotta con un'impostazione che gli sviluppatori non potevano richiamare nei primi due giorni, e qualsiasi integrazione scritta il giorno del lancio potrebbe ancora enumerare il reasoning effort solo fino a xhigh. Controlla cosa accetta la tua route prima di dare per scontato che max venga rispettato.

Meta vende anche il checkpoint 1.3 due volte, e la differenza non è il modello. muse-spark-1.3 è etichettato "Non utilizzato per migliorare i nostri prodotti" a 1,25 $ / 0,15 $ in cache / 4,25 $. muse-spark-1.3-contributor è etichettato "Utilizzato per migliorare i nostri prodotti" a 0,10 $ / 0,002 $ / 0,20 $ — circa un ordine di grandezza in meno sull'input e più di venti volte in meno sull'output, in cambio del permesso di addestrare i tuoi prompt e le tue completion. Entrambi hanno la stessa finestra di contesto da 1M token. Contributor descrive ciò che contribuisci, non ciò che ricevi; è un livello di prezzo con annessa una condizione sui dati, non un rilascio di pesi aperti.

E c'è una regressione, dichiarata da Meta stessa anziché scoperta da un utente. La comprensione audio in Muse Spark 1.3 non è pienamente supportata, e Meta avverte che la qualità delle risposte alle richieste che contengono contenuti audio potrebbe degradarsi, indirizzando i carichi di lavoro audio su Muse Spark 1.2. Quindi la versione attuale non è la risposta giusta per ogni input nella riga di modalità propria della famiglia — un caso in cui il checkpoint più recente è quello sbagliato per un payload che quello precedente gestisce.

Quale versione puoi effettivamente chiamare

Vale la pena separare la questione della versione da quella della disponibilità, perché le risposte sono diverse. Tutte e tre le versioni numerate di Muse Spark sono disponibili esclusivamente in modalità hosted: Meta non pubblica pesi, licenza né download per nessuna di esse, e le varianti Contributor sono livelli hosted scontati, non release. I pesi aperti di questa famiglia appartengono a Muse Spark Open, il modello sparse mixture-of-experts da 816B pubblicato da Meta il 15 ottobre 2026, e a Muse Glimmer, il modello da 30B con licenza Apache 2.0 del 10 agosto 2026. Nessuno dei due è una versione di Muse Spark, e nessuno dei due è un sostituto di una di esse.

Il nostro catalogo riflette la parte più vecchia della linea, e preferiamo dirlo apertamente piuttosto che lasciare che un numero di versione implichi una copertura che non abbiamo. OrcaRouter instrada Muse Spark 1.1 e Muse Spark 1.2, entrambi al prezzo di listino di Meta con 0% di ricarico applicato, entrambi sulla finestra da 1.048.576 token della famiglia. Muse Spark 1.3 non è nel nostro catalogo oggi, e nessuna delle due varianti Contributor lo è. Questo fa sì che il percorso di aggiornamento pratico sia in due passaggi: 1.2 è quella a cui puoi instradare ora, 1.3 è quella che Meta consiglia per i nuovi progetti, e il giorno in cui arriva su un provider che instradiamo, la modifica arriva sulla stessa chiave anziché nel tuo codice di integrazione.

La questione della versione è anche il punto in cui un router si guadagna il suo posto in un modo che è specifico di questa famiglia. Tre checkpoint, un fornitore, un endpoint, nessun peso — l'intera linea passa attraverso un'unica API gestita da un'unica azienda, che è il rischio di concentrazione nel costruire su di essa. Instradare 1.1 e 1.2 dietro un unico endpoint compatibile con OpenAI significa che una chiamata fallita a contesto lungo può passare in failover sull'altro checkpoint invece di far fallire la richiesta, e il DSL di routing ti consente di dividere il traffico di produzione tra i due tramite configurazione, così puoi misurare se la velocità di 1.2 vale più per te dell'accuratezza di 1.3 sui tuoi prompt, piuttosto che sull'indice di qualcun altro. Questo è l'unico confronto tra versioni che risolve la questione per il tuo carico di lavoro.

La risposta, a seconda della domanda con cui sei arrivato.

Se volevi sapere se Muse Spark e Muse Spark 1.3 sono modelli diversi: non lo sono. 1.3 è ciò che il nome significa ora, e Meta lo etichetta come il più recente e lo consiglia per i nuovi lavori. Se volevi sapere cosa ottieni passando dalla versione precedente: all'incirca da 32 a 42 punti di recupero a contesto lungo, un grande balzo nell'uso agentico del computer e nella programmazione a lungo orizzonte, e un calo di tre volte nella velocità di output allo stesso prezzo per token. Se volevi sapere quanto costa: il listino prezzi non è cambiato in tre versioni, il che ti dice che Meta compete sulla capacità per dollaro piuttosto che sul dollaro.

Ciò che nessuno di questi numeri può dirti è da quale lato di quel compromesso si colloca il tuo carico di lavoro, e la posizione onesta è che l'avviso di deprecazione del fornitore dà per scontata una risposta al posto tuo. La versione che è tre volte più veloce allo stesso prezzo resta comunque l'unica delle due che oggi puoi raggiungere attraverso un router, il che rende questo un esperimento insolitamente economico da fare prima dell'arrivo della 1.3.

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.