Коротко (TL;DR)
Muse Spark 1.1 — новая мультимодальная модель Meta, которую 9 июля 2026 открыли разработчикам через платный Meta Model API. Пресса называет её «кодинг-моделью», но это упрощение: под капотом — универсальная агентная модель, а чистый код у неё не сильнее, чем у флагманов конкурентов.
Главный вывод короткий. Muse Spark 1.1 — не про то, чтобы обойти всех на бенчмарках, а про цену и дистрибуцию: выход стоит $4,25 за 1M токенов (на 9 июля 2026) — примерно в 6–7 раз дешевле Claude Opus 4.8 и GPT-5.5. Её место — оркестрация и работа с инструментами (tool-use, агенты), а не сложные многошаговые задачи по коду, где Opus и GPT пока держат планку выше.
Два честных ограничения, которые важнее любого бенчмарка:
- Доступа из Украины пока нет. На дату публикации Meta Model API работает как public preview только для разработчиков из США; потребительский meta.ai в регионе ограничен, на OpenRouter модели на старте нет.
- Своими руками мы её не тестировали. Модель вышла за сутки до этого обзора, а доступ ограничен географически, поэтому собственного прогона со скриншотами у нас нет — все цифры возможностей ниже это заявления Meta, а не независимо подтверждённые результаты. Мы честно отделяем одно от другого.
Кому подойдёт: тем, кто строит агентов и пайплайны с инструментами и считает стоимость за задачу. Кому нет: тем, кому нужен сильнейший длинный кодинг (лучше Claude Sonnet 5/Opus или GPT) или открытые веса (тогда смотрите GLM или DeepSeek). Главный ценовой конкурент — GLM-5.2.
Что такое Muse Spark 1.1 и что она умеет
Muse Spark 1.1 сделала Meta Superintelligence Labs — подразделение, которое Meta собрала под руководством Александра Вана. Первая версия Muse Spark вышла 8 апреля 2026 и стала возвращением Meta в гонку фронтир-моделей; версия 1.1 от 9 июля — уже второй шаг, и он важнее первого сразу по двум причинам.
Первая — это универсал, а не узкий инструмент для кода. Возможности Muse Spark 1.1 охватывают мультимодальный вход (текст, изображения, видео, документы, аудио) с текстовым выходом, рассуждение и, главное, агентные сценарии: вызов инструментов, оркестрацию, работу в цикле «подумал — сделал — проверил». «Кодинг-модель» в заголовках — это упрощение: код здесь лишь одна из задач, и не та, где модель выигрывает. Поэтому и разбираем мы её как общую модель, а не как нишевый кодинг-продукт.
Вторая причина — разворот стратегии Meta. До сих пор Meta ассоциировалась с открытыми весами Llama, которые можно скачать и запустить локально. Muse Spark 1.1 — проприетарная, closed-weights и первая платная закрытая модель Meta. Веса не выкладываются, доступ — только через API за деньги. Для аудитории, которая привыкла к «Meta = открытая модель», это заметный сдвиг, и встретили его на Hacker News скорее с разочарованием.
Из технических деталей Meta раскрыла немного. Контекст версии 1.1 — 1 млн токенов (у апрельского оригинала было 262 тыс.), то есть модель проглатывает крупные кодовые базы и длинные документы целиком. А вот число параметров, архитектуру и даже полноценную карточку модели Meta на дату публикации не опубликовала — этих данных в открытых источниках просто нет, и мы их не додумываем.
Проверка на воспроизводимых данных
Обычно в обзоре мы прогоняем сервис на типовых задачах и показываем результат. Здесь так не выйдет: API доступен только из США, на OpenRouter модели нет, а meta.ai в нашем регионе ограничен — собственного прогона со скриншотами у нас физически нет. Поэтому вместо «мы попробовали» — разбор воспроизводимых данных: официальных демонстраций Meta и публичных бенчмарков, каждый из которых мы честно помечаем как заявление вендора.
Что показывает сама Meta в демо: автономное исправление багов в реальном репозитории, сценарии computer-use, прогон SWE-bench в контейнере и мультиагентную работу с Kanban-доской. Это демонстрации Meta — красивые, но заранее подготовленные, а не наш независимый тест.
Теперь бенчмарки. Все цифры ниже — по данным Meta (её собственный график), и почти все перепечатки в других изданиях восходят к нему же:
- Работа с инструментами и агентность: MCP Atlas — 88,1 (Meta заявляет лидерство среди сравниваемых моделей), JobBench — 54,7. Это сильная сторона модели по версии Meta.
- Кодинг: Terminal-Bench — 80,0, SWE-Bench Pro — 61,5, DeepSWE — 53,3. По этим метрикам Muse Spark 1.1 отстаёт от Claude Opus 4.8 и GPT-5.5 — то есть в чистом кодинге она не лидер даже по собственным цифрам Meta.
Насколько этому верить. Независимо результаты пока почти никто не воспроизвёл: единственное стороннее измерение, которое всплывает, — рейтинг VALS-AI (около 4-го места), и то через один вторичный источник. Плюс валидность самого набора SWE-Bench Pro оспаривает OpenAI. Держим это в голове: Muse Spark 1.1 бенчмарки на старте — это в основном самооценка вендора, а у Meta в истории уже был спорный эпизод с Llama 4, когда к её цифрам были вопросы.
Тарифы, лимиты и доступ
Ценообразование Meta Model API — главный аргумент модели. Все цифры актуальны на 9 июля 2026 и волатильны (тарифы на старте меняются).Параметр Значение (на 9 июля 2026) Вход $1,25 за 1M токенов Выход $4,25 за 1M токенов Кэшированный вход $0,15 за 1M токенов Web-поиск $2,50 за 1000 запросов Бесплатные кредиты $20 разово на аккаунт Лимиты (free) ~60 запросов/мин, ~2M токенов/мин Лимиты (платно) ~3000 запросов/мин, ~4M токенов/мин
Лимиты (60/3000 запросов в минуту) мы нашли лишь в одном источнике и вторым доменом не подтвердили — берите их как ориентир, а не как гарантию.
Отдельно — совместимость, и это практичный плюс. Meta Model API совместим с OpenAI SDK и с Anthropic Messages API, эндпойнт — api.meta.ai/v1, идентификатор модели muse-spark-1.1. На практике это значит, что переключиться на Muse Spark из кода, написанного под OpenAI или Anthropic, можно сменой базового URL и ключа, без переписывания логики.
Доступ из Украины и ЕС
Ключевой для нашей аудитории пункт, которого нет в англоязычных обзорах. На дату публикации Meta Model API — это public preview для разработчиков из США. Из Украины и ЕС доступа к API нет; потребительский meta.ai в регионе ограничен; на агрегаторе OpenRouter модели на старте тоже нет. То есть попробовать Muse Spark 1.1 напрямую из Украины сейчас нельзя — это скорее анонс на будущее, чем инструмент, который уже можно взять в работу.
Против альтернатив
Чтобы понять место Muse Spark 1.1, сравним её с актуальными на июль 2026 моделями по тому, что реально влияет на выбор: цена, контекст, лицензия и сильная сторона. Цены — за 1M токенов вход/выход, на дату публикации.Модель Цена (вход/выход) Контекст Лицензия Сильная сторона Meta Muse Spark 1.1 $1,25 / $4,25 1M Закрытая Агенты, tool-use, цена Claude Opus 4.8 $5 / $25 — Закрытая Сложный длинный кодинг GPT-5.5 $5 / $30 — Закрытая Баланс, экосистема Gemini 3.1 Pro $2 / $12 — Закрытая Мультимодальность Grok 4.5 ~$2 / — — Закрытая Кодинг, скорость GLM-5.2 $1,40 / $4,40 — Открытая (MIT) Цена к производительности DeepSeek V4 $0,435 / $0,87 — Открытая Сверхнизкая цена
Из таблицы видно позиционирование. По цене Muse Spark 1.1 примерно в шесть раз дешевле закрытого флагмана Claude Opus 4.8 и заметно дешевле GPT-5.6, но в той же лиге, что открытые GLM-5.2 и DeepSeek V4 — а те ещё и с открытыми весами, которые можно скачать. То есть уникального ценового преимущества у Muse Spark нет: её козырь — не абсолютная дешевизна, а сочетание «дёшево + агентность + дистрибуция Meta». В сравнении Muse Spark против Claude и GPT по чистому кодингу она проигрывает, а вот в оркестрации инструментов, по заявлениям Meta, выходит вперёд — если эти цифры подтвердятся независимо. Meta также назвала агентный фреймворк OpenClaw одним из ранних партнёров.
Кому что выбрать
Сценарный подход надёжнее общих оценок:
- Строите агентов, пайплайны с инструментами, оркестрацию и считаете стоимость за задачу — Muse Spark 1.1 выглядит логично: дёшево, заявлена сильная работа с инструментами, совместимость с привычными SDK. Оговорка одна, но большая: сначала дождитесь доступа в своём регионе.
- Нужен сильнейший результат в сложном многошаговом кодинге — берите Claude Opus 4.8 или GPT-5.5/5.6: они дороже, но по коду пока держат планку выше даже по цифрам самой Meta.
- Нужны открытые веса, локальный запуск или дообучение — смотрите в сторону GLM-5.2, DeepSeek V4 или Llama: closed-weights Muse Spark для этого не подходит принципиально.
Риски и ограничения
Крипта здесь ни при чём, но у выбора ИИ-модели тоже есть цена ошибки — по данным, деньгам и зависимости от вендора. На что смотреть трезво:
- Closed-weights и вендор-лок. Веса закрыты, работать можно только через API Meta. Уйдёт доступность, вырастет цена или изменятся условия — альтернативы «поднять у себя» не будет, в отличие от открытых GLM/DeepSeek/Llama.
- География. Public preview только для США. Строить продакшн-процесс на модели, которую нельзя легально и стабильно использовать из своего региона, рискованно.
- Приватность данных. Отдельно задокументированных условий обработки данных именно для Meta Model API на дату публикации нет. По аналогии с Llama API Meta заявляла, что не обучается на ваших запросах и ответах и хранит их ограниченный срок, — но переносить это на новый API как факт нельзя, условия нужно проверять по официальной документации перед отправкой чувствительного кода.
- Доверие к бенчмаркам. Почти все цифры — самооценка Meta; независимых воспроизведений пока почти нет. С учётом прошлых вопросов к Llama 4 к стартовым результатам стоит относиться как к маркетингу, пока их не подтвердят сторонние тесты.
FAQ
Доступна ли Muse Spark 1.1 из Украины? На дату публикации — нет. Meta Model API открыт как public preview для разработчиков из США; из Украины и ЕС прямого доступа к API нет, потребительский meta.ai в регионе ограничен, на OpenRouter модели на старте тоже нет.
Сколько стоит Meta Model API? На 9 июля 2026 — $1,25 за 1M входных токенов и $4,25 за 1M выходных; кэшированный вход — $0,15 за 1M, web-поиск — $2,50 за 1000 запросов. На старте даётся $20 бесплатных кредитов. Цены на новом API волатильны.
Muse Spark 1.1 лучше Claude или GPT в коде? По чистому кодингу — нет: даже по собственным бенчмаркам Meta модель отстаёт от Claude Opus 4.8 и GPT-5.5. Её сильная сторона — работа с инструментами и агентные сценарии при значительно более низкой цене.
Muse Spark 1.1 — это open-source? Нет. Модель проприетарная и closed-weights — это первая платная закрытая модель Meta. Веса не публикуются, использовать можно только через платный API.
Как перейти на Muse Spark с OpenAI или Anthropic?
Meta Model API совместим с OpenAI SDK и Anthropic Messages API. В коде достаточно сменить базовый URL на api.meta.ai/v1, указать ключ Meta и модель muse-spark-1.1 — переписывать логику приложения не нужно.
