Обзор Meta Muse Spark 1.1: всё ещё быстрый, но уже не дешёвый

В течение четырёх недель аргументация в пользу Meta Muse Spark 1.1 была простой арифметикой. $1,25 за миллион токенов на входе, $4,25 на выходе — за нативную мультимодальную модель, которая работала с инструментами лучше, чем почти всё в её ценовой категории. Затем, 5 августа 2026 года, Meta запустила Muse Spark 1.2 вместе с Muse Code — своим первым терминальным агентом для написания кода — и прикрепила к новой модели то, чего у 1.1 никогда не было: тариф для участников по $0,10 на входе и $0,20 на выходе. В двенадцать раз дешевле на входе и в двадцать один раз дешевле на выходе — в обмен на то, что Meta сможет обучаться на ваших запросах. Цена Muse Spark 1.1 не сдвинулась ни на цент. А вот её позиция — сдвинулась.

Таков честный контекст для обзора этой модели сейчас. Muse Spark 1.1 не устарел, его цена не менялась, и он по-прежнему является более быстрым и лучше документированным из двух чекпоинтов Meta для рассуждений — но он больше не самый дешёвый способ арендовать модель Meta, и агент, которого Meta активнее всего продвигает, на нём не работает. Этот обзор охватывает, что такое 1.1, в чём он измеримо хорош, что изменил августовский запуск, и более узкий круг задач, где он по-прежнему является правильным выбором. Если число взято из собственных оценок Meta, об этом говорится в предложении; если оно взято из Artificial Analysis или из производственного трафика, об этом тоже говорится.

Краткий вердикт

• Что это такое — нативная мультимодальная модель рассуждений (вход: текст, изображение, видео, PDF и аудио; выход: текст) с настраиваемым уровнем рассуждений, созданная для запуска инструментов и управления компьютером. Закрытые веса, предоставляется Meta.

• Цена — $1.25 за миллион входных и $4.25 за миллион выходных токенов, $0.15 при попадании в кэш. Не менялась с запуска и по-прежнему составляет примерно четверть цены вывода GPT-5.6 Sol ($5/$30) и шестую часть цены вывода Claude Opus 4.8 ($5/$25).

• Интеллект — 51 по индексу интеллекта Artificial Analysis, рейтинг #22 из 185 в своём классе при медиане класса 32. Независимое измерение, а не заявление Meta.

• Сила — использование инструментов и агентные рассуждения, плюс реальная скорость: 213,5 выходных токенов в секунду, что по версии Artificial Analysis занимает 2-е место из 185.

• Слабость — чистые рассуждения и непосредственное программирование — на среднем уровне, запоминание длинного контекста не является передовым, и он многословен: 94M выходных токенов для завершения Intelligence Index против медианы в 65M.

• Новое предостережение — Muse Spark 1.2 теперь набирает на три балла больше и на своём тарифе для участников стоит в двадцать раз дешевле. Оставшееся преимущество 1.1 — это задержка, и она значительна.

Что Meta выпустила 5 августа — и что это сделало с 1.1

Muse Code — это терминальный агент для написания кода, который находится в стадии бета-тестирования, устанавливается с помощью однострочного shell-скрипта на macOS и Linux (сборки для Windows нет) и работает как бинарный файл muse. Он берёт на себя комплексные задачи разработки программного обеспечения в больших репозиториях: планирование изменений, написание кода, проверку результата. Основной посыл Meta — архитектурная целостность: агент и модель обучались вместе, а не скреплялись постфактум. Список возможностей напрямую нацелен на Claude Code и Codex: фоновые агенты, продолжающие работать после закрытия терминала; возобновление из журнала событий; параллельные рабочие деревья субагентов; песочница ОС с запросами на одобрение, включёнными по умолчанию. Демо, опубликованное Meta для него, — это цикл оптимизации GPU-ядра, выполняющий более 1 000 вызовов инструментов на протяжении до 24 часов на оборудовании NVIDIA Hopper.

Muse Code работает на Muse Spark 1.2, а не 1.1. Это первое практическое следствие для любого, кто читает этот обзор: если вам нужен агент Meta, вы находитесь на новом чекпоинте.

Вторым следствием является ценообразование, и оно более интересно. Meta выпустила 1.2 с двумя различными идентификаторами моделей, а не одним:

• Standard (muse-spark-1.2) — $1.25 за входные токены, $0.15 за кэшированные входные токены, $4.25 за выходные токены на миллион токенов. Идентичен Muse Spark 1.1. Meta обязуется, что промпты и ответы на этом тарифе не используются для улучшения её продуктов.

• Контрибьютор (muse-spark-1.2-contributor) — $0.10 за ввод, $0.002 за кэшированный ввод, $0.20 за вывод. Взамен вы предоставляете Meta разрешение на обучение будущих моделей на ваших промптах и завершениях.

• Muse Spark 1.1 — отдельного тарифа для контрибьюторов не существует. Он остаётся по стандартной цене, и Meta не объявляла о прекращении поддержки.

Собственное описание Meta для уровня contributor звучит как «более чем в 10 раз дешевле даже тарифа с оплатой по мере использования», но это ещё занижено: реальная кратность — 12,5× на ввод и 21,25× на вывод, при этом кэшированный ввод стоит почти бесплатных $0,002. Именно этот «низкий ценник» стал заголовком запуска, и он относится только к 1.2.

История цены, переписанная

Прежде чем пересчитывать бюджет исходя из $0,20 за выходные токены, прочитайте остальные условия тарифа для контрибьюторов, потому что именно они делают его дешёвым. Ограничения частоты запросов падают с документированных 3000 запросов в минуту на стандартном тарифе до 60 на тарифе для контрибьюторов — этот предел позволяет разработчику экспериментировать на ноутбуке, но запрещает производственный парк агентов. И обмен данными — не формальность: ваши промпты и ответы вашей модели становятся учебным материалом. Для тех, кто работает с данными клиентов, проприетарным исходным кодом или любой информацией, подпадающей под обязательства о конфиденциальности, тариф для контрибьюторов — это не более дешёвая версия того же продукта; это другой продукт. Meta признала это на том же запуске, добавив опцию нулевого хранения данных для корпоративных клиентов на платном тарифе.

Так что честное сравнение — это не «1.1 за $4.25 против 1.2 за $0.20». Оно таково: при стандартном ценообразовании обе модели стоят ровно одинаково, и 1.2 — та, что получает более высокий балл. Тариф за $0.20 — реальное и агрессивное предложение, но оно ориентировано на частных лиц и эксперименты и доступно только на более новой модели.

Что на самом деле определяет счёт в любой из моделей — это кэширование, а не заявленная цена. Возьмём типичный шаг агента: 60 000 токенов контекста репозитория или документа на входе, 3 000 токенов плана и ответа на выходе. Без кэша это $0,075 за вход плюс $0,013 за выход — около 8,8 цента, или $88 на тысячу шагов. Если сохранять префикс контекста стабильным, чтобы он попадал в кэш по цене $0,15 за миллион, стоимость входа падает до $0,009, и шаг обходится примерно в 2,2 цента, а тысяча шагов — в $22. Разница в 75%, которая полностью определяется тем, переиспользует ли ваш агентный фреймворк стабильный префикс или пересобирает промпт на каждом ходу. Если после прочтения этого обзора вы предпримете одно инженерное действие, пусть это будет стабильность кэш-ключа, а не выбор модели.

Одно структурное замечание о том, где вы её арендуете. Muse Spark 1.1 находится в каталоге OrcaRouter по цене $1.25 и $4.25 с чтением из кэша за $0.15 — те же цифры, которые берёт Meta, потому что OrcaRouter работает с нулевой наценкой и передаёт цену провайдера напрямую, так что изменение цены поставщика появляется здесь в тот же день, когда оно появляется там. Muse Spark 1.2 ещё нет в каталоге, и он предоставляется напрямую Meta. Это важно для сравнения, которое вы, вероятно, собираетесь провести: GPT-5.6 Sol, Claude Opus 4.8, Grok 4.5 и Gemini 3.1 Pro — все они доступны по одному ключу по прейскурантной цене, так что вы можете сравнивать их с Muse Spark 1.1 на одном наборе тестовых данных без второго контракта, и цифра в вашей таблице совпадает с цифрой в счёте.

Что на самом деле представляет собой Muse Spark 1.1

Muse Spark — это флагманская линейка моделей для рассуждений от Meta Superintelligence Labs, группы, которую Марк Цукерберг создал под руководством Александра Ванга. Это знаменует стратегический разворот: в то время как модели Llama от Meta были с открытыми весами, семейство Muse — Spark, а также генераторы изображений и видео — закрыто и поставляется как продукт и через API. Spark 1.0 вышел 8 апреля 2026 года; за ним последовала версия 1.1 9 июля вместе с публичной предварительной версией Meta Model API. Практическое изменение для разработчиков заключается в том, что Meta теперь является непосредственным поставщиком API и напрямую конкурирует с двумя действующими поставщиками API, а не просто публикует веса, — и запуск кодинг-агента 5 августа является самым ясным подтверждением этого на данный момент.

Версия 1.1 стала существенным шагом вперёд, а не просто минорным обновлением. На Artificial Analysis она набрала восемь баллов Индекса интеллекта за три месяца — с 43 до 51. Её индекс кодирования вырос на 12 пунктов до 71, результат SciCode улучшился до 58%, а Humanity's Last Exam поднялся до 45%. В Meta заявили, что наибольший прогресс достигнут в использовании инструментов, работе с компьютером, кодировании и мультимодальном понимании — что согласуется с моделью, оптимизированной на действия, а не просто на ответы.

В контексте прежняя путаница разрешилась: Artificial Analysis и OrcaRouter обе указывают окно в 1 048 576 токенов, а Meta описывает окно, которое модель активно сжимает. Однако удерживать миллион токенов — не то же самое, что извлекать из них информацию, и показатель извлечения из длинного контекста у 1.1, составляющий около 54,1, говорит о том, что извлечение заурядное. Относитесь к окну как к ёмкости, а не как к гарантии.

Сложность рассуждений: Мгновенно, Вдумчиво, и шкала ниже

На потребительской стороне Meta Muse Spark предлагает два именованных режима: {{1}}Instant{{/1}} отвечает немедленно, без углублённого рассуждения, как обычная реплика в чате; {{2}}Contemplating{{/2}} запускает несколько агентов параллельно, используя технику {{3}}"сжатия мыслей"{{/3}}, заимствованную из обучения с подкреплением, и Meta противопоставляет его DeepMind Deep Think и GPT-5.4 Pro в сложных научных и аналитических задачах. Через API та же возможность доступна как настраиваемый параметр усилия рассуждения — Artificial Analysis публикует свои оценки при настройке модели {{4}}xhigh{{/4}}, самой дорогой из доступных.

Воспринимайте этот регулятор как рычаг стоимости, а не как ползунок качества. Параллельные рассуждения агентов сжигают гораздо больше токенов, чем одиночный проход, а цифры бенчмарков, которые вы читали, были получены при максимальном усилии. По умолчанию выбирайте нижний предел для рутинных вызовов и приберегайте высокое усилие для случаев, когда неверный первый ответ обходится дорого.

Как это оценивается: сильно с инструментами, средне без них

Самый наглядный способ оценить Muse Spark 1.1 — это сравнение режимов с инструментами и без них. С инструментами он лидирует в агентных тестах: MCP Atlas 88.1 против 82.2 у Claude Opus 4.8, JobBench 54.7 против 48.4, Legal Agent Bench 20.0 против 12.9 у Grok 4.5, и Humanity's Last Exam с инструментами — 62.1 против 57.9. Без инструментов он зауряден: обычный Humanity's Last Exam показывает около 45, что заметно ниже примерно 77 у Gemini 3.1 Pro на том же тесте.

По точности выполнения она также уступает лидерам: использование компьютера OSWorld-Verified — 80,8 против 83,4 у Opus 4.8, программирование SWE-Bench Pro — 61,5 против 69,2, многоэтапное программирование DeepSWE 1.1 — 53,3 против 67,0 у GPT-5.5, а визуальные рассуждения BabyVision — 76,3 против 83,6. Многие из этих показателей заявлены вендорами, часть — из собственных оценок Meta, и они получены на разных тестовых платформах — относитесь к ним как к ориентировочным и перепроверяйте на своих задачах.

Независимая картина от Artificial Analysis более компактна и более полезна. Индекс интеллекта 51, место #22 из 185, при медиане класса 32. Скорость 213,5 выходных токенов в секунду, место #2 из 185 — это действительно быстрая модель. Цена: место #31, цена при попадании в кэш $0,15 со скидкой 88%. Многословность: 94M выходных токенов для прохождения индекса против медианы 65M, именно отсюда берётся значительная часть реального счёта. Общие затраты на оценку на всём наборе: $548,07.

Стоит учесть одну оговорку: Meta заявляет поддержку ввода текста, изображений, видео, аудио и PDF, но в карточке технических характеристик Artificial Analysis для версии 1.1 указаны как протестированные только текст и изображения. Оба утверждения могут быть верны — API принимает больше форматов, чем было проверено в тестовом стенде, — но никто за пределами Meta не публиковал результатов по видео- или аудионагрузке. Если вы здесь из-за анализа смешанных медиа, заложите время на собственную проверку.

Стоит ли переходить на 1.2? Ответ о задержке

Что касается кодирования, Meta отвечает «да», и её цифры внутренне согласованы: Terminal-Bench 2.1 вырос с 76,2% до 82,9%, DeepSWE v1.1 — с 53,0% до 59,3%, а собственный внутренний бенчмарк Meta по кодированию — с 68,3% до 70,6%. Это оценки, проведённые самой Meta: pass@1 за пять попыток в собственном тестовом окружении Meta. Здесь применима стандартная оговорка: конкурирующие модели в окружении вендора часто оказываются недостаточно точно настроенными. Независимо от этого, Artificial Analysis подняла показатель Muse Spark 1.2 до 54 в Intelligence Index — 13-е место из 185, на три пункта выше показателя 1.1.

То, чем Meta заплатила за эти баллы, — это обдумывание, и оно видно в каждом измерении времени. Artificial Analysis фиксирует время до первого токена: 26,12 секунды для 1.2 против 2,90 секунды для 1.1 — оба при максимальном усилии рассуждений каждой модели. Скорость вывода упала с 213,5 до 165 токенов в секунду. Многословие немного выросло: 95 млн токенов против 94 млн, а стоимость прогона того же набора бенчмарков выросла с $548,07 до $637,85 при одинаковых ценах за токен. Последняя цифра точнее всего выражает суть компромисса: тот же прайс-лист, на 16% больше потраченных токенов, ещё три пункта индекса.

Внимательно прочитайте 26-секундный показатель, потому что его легко прочитать неправильно. Это измерение в бенчмарке с максимальным уровнем усилий, а API по умолчанию использует средний уровень. Для ориентира в реальном трафике Muse Spark 1.1 на OrcaRouter — обслуживающий те уровни усилий, которые фактически запрашивают клиенты — показывает p50 время до первого токена 1,84 секунды и p95 6,00 секунд за неделю производственного трафика, с нулевым уровнем ошибок. Латентность бенчмарка при максимальных усилиях и производственная латентность при усилиях по умолчанию — это разные величины, и разрыв между ними обычно превышает порядок величины.

Итак, решение однозначно определяется формой рабочей нагрузки. Если вы запускаете долгосрочных кодинг-агентов, которые держат репозиторий в контексте и работают по несколько минут подряд, 1.2 — лучшая модель, и штраф за задержку амортизируется в рамках задачи, которая в любом случае не должна была ощущаться мгновенной. Если вы обслуживаете что-либо интерактивное — чат-интерфейс, цикл вызова инструментов с ожидающим человеком, SLO по задержке, измеряемый секундами, — Muse Spark 1.1 остаётся более подходящей моделью в семействе, и её место по скорости — не ошибка округления. Ничто в августовском запуске этого не меняет.

Опыт разработчика и ограничения

API модели Meta остается в публичной предварительной версии, хотя августовский запуск расширил глобальный доступ и добавил корпоративную опцию с нулевым хранением данных. Meta предоставляет интерфейс в стиле OpenAI и доступ через SDK, а Spark уже доступен потребителям в режиме «Thinking» в Meta AI. Ограничения скорости теперь публикуются, а не угадываются — для стандартного тарифа документально зафиксировано 3 000 запросов в минуту — но статус предварительной версии остается статусом предварительной версии, так что держите запасной маршрут на случай, когда пропускная способность ограничена. Автоматическое переключение между провайдерами — это именно та инфраструктура, которую подразумевает конечная точка предварительного уровня, и именно поэтому маршрутизация предварительной модели через шлюз ничего не стоит и дает вам второй путь.

Через OrcaRouter идентификатор модели — meta/muse-spark-1.1, и доступны как /v1/chat/completions, так и /v1/responses, поэтому существующему OpenAI-совместимому клиенту нужны только базовый URL и строка модели — больше ничего:

import openai as openai_client

client = openai_client.Client(base_url="https://api.orcarouter.ai/v1", api_key="YOUR_API_KEY")

response = client.chat.completions.create(model="meta/muse-spark-1.1", messages=[{"role": "user", "content": "Спланируйте и запустите инструменты для устранения этой проблемы."}])

print(response.choices[0].message.content)

Где это подходит — а где нет

Хорошо подходит для: автоматизации запуска инструментов и управления компьютером, когда время ответа видно человеку; экономичных рассуждений в масштабе на данных, которые нельзя отдавать в обучающий набор; рабочих процессов, совмещающих текст с изображениями, видео, PDF или аудио, с вашей собственной проверкой на пути обработки медиа; и команд, которым нужен быстрый и недорогой вариант по умолчанию, с премиальной моделью в резерве для самых сложных шагов.

Слабо подходит: точность кодирования на вершине лидерборда и самая сложная разработка с нуля, которые по-прежнему остаются за Claude Opus 4.8 и GPT-5.6 Sol; чисто логические задачи без инструментов; задачи на визуальную точность, где лидирует Gemini 3.1 Pro; долгосрочная работа с репозиториями, которая теперь в явном виде является задачей 1.2 и Muse Code; и всё, для чего нужен самый дешёвый токен Meta, потому что такого тарифа на этой модели не существует.

Часто задаваемые вопросы

Доступна ли Muse Spark 1.1 сейчас, когда вышла версия 1.2?

Да. Meta не объявляла о прекращении поддержки и изменении цен на запуске 5 августа — 1.1 остаётся в Meta Model API по цене 1,25 и 4,25 доллара за миллион токенов, и в каталоге OrcaRouter она указана по тем же цифрам. Освещение запуска последовательно описывает это как продолжение работы по существующим ценам API. Тем не менее инженерное внимание Meta заметно сместилось: кодинг-агент, новые бенчмарки и дешёвый тариф — всё это привязано к 1.2.

Могу ли я получить Muse Spark 1.1 на уровне участника за $0.10?

Нет. Уровень contributor — это отдельный идентификатор модели на более новом чекпоинте, muse-spark-1.2-contributor. Эквивалента для 1.1 нет, поэтому самые дешёвые токены рассуждений Meta требуют перехода на более новую версию — и согласия на лимит 60 запросов в минуту, а также разрешения Meta обучаться на ваших промптах и завершениях.

Стоит ли мне обновляться до Muse Spark 1.2?

Если ваша рабочая нагрузка — это длительные задачи кодирования или агентная работа в масштабе репозитория, то да: она показывает более высокие результаты и в собственных оценках кодирования Meta, и в независимом индексе Artificial Analysis, при той же стандартной цене. Если ваша нагрузка интерактивная или чувствительная к задержкам, то нет: 1.2 даёт примерно в девять раз большее время до первого токена и лишь 23% скорости вывода в обмен на три пункта индекса, а её режим рассуждений нельзя отключить. Обе модели доступны через один и тот же API, так что переключение в любом случае — это просто строка с именем модели, что делает его самым дешёвым из возможных A/B-тестов, который стоит прогнать на собственном трафике, прежде чем принимать решение.

Является ли Muse Spark 1.1 открытым исходным кодом?

Нет, и в этом суть линейки. В отличие от моделей Llama от Meta, семейство Muse имеет закрытые веса и поставляется как продукт и API. На Hugging Face нет весов, нет возможности самостоятельного размещения и нет сторонних провайдеров — Meta является единственной стороной, обслуживающей эту модель, что делает слой маршрутизации с отказоустойчивостью практичным ответом на риск единственного провайдера, а не второго вендора.

Вердикт, одной версией позже

Muse Spark 1.1 — это быстрая, недорогая, по-настоящему мультимодальная агентная модель, сильная в использовании инструментов и, честно говоря, средняя в чистом программировании и рассуждениях. В августе ничего из измеряемых показателей не ухудшилось. Изменилась форма семейства вокруг неё: у Meta теперь есть модель с более высокими оценками по той же стандартной цене, значительно более дешёвый тариф для разработчиков, готовых обменять свои данные, и агентный продукт, который не работает ни на 1.1, ни на чём-либо, что можно нацелить на 1.1.

Остаётся более узкая, но реальная рекомендация. Если вам нужно качество рассуждений Meta на скорости, воспринимаемой человеком, — секунда до первого токена в продакшене, 213 токенов в секунду после этого, — 1.1 по-прежнему та версия, к которой стоит обращаться, и три индексных пункта, которые добавляет 1.2, не стоят девятикратного ожидания. Если такая скорость не нужна, больше нет особых причин оставаться. В любом случае это всего лишь одна строка модели, так что честный совет — прогнать обе на собственном оценочном наборе в течение дня и позволить вашему бюджету задержки решить.