That's NeuralCatálogo de modelos

meta

Meta: Muse Spark 1.2

meta/muse-spark-1.2

Nuestro análisis

Análisis asistido por IA basado en las fuentes siguientes. La idoneidad es una valoración editorial; compruébala con tus propias tareas.

Según el catálogo de OpenRouter, meta/muse-spark-1.2 es un modelo de razonamiento de Meta destinado a tareas agénticas complejas. Acepta texto, imágenes, vídeo y archivos, incluidos PDF, y devuelve texto dentro de una ventana de contexto de 1M de tokens. El catálogo indica razonamiento obligatorio con esfuerzo configurable, parámetros para herramientas y salidas estructuradas, y resultados de referencia en arenas agénticas y de diseño. No había una ficha independiente del modelo en este paquete de fuentes, por lo que conviene validar su idoneidad en la carga de trabajo prevista.[1]

Puntos fuertes

  • El catálogo describe una amplia compatibilidad de entrada multimodal con texto, imágenes, vídeo y archivos, incluidos documentos PDF, y salida de texto.[1]
  • Una ventana de contexto de 1M de tokens, el razonamiento obligatorio con varios niveles de esfuerzo y la compatibilidad con herramientas y salidas estructuradas pueden ser útiles para flujos de trabajo complejos que usan herramientas.[1]

Limitaciones

  • La única evidencia proporcionada es una entrada del catálogo de OpenRouter; no había una ficha independiente del modelo, por lo que las capacidades y la relevancia de las pruebas requieren validación con la carga de trabajo.[1]
  • La salida se limita a texto, a pesar de la compatibilidad multimodal de entrada indicada.[1]
  • La ficha no proporciona fecha de corte de conocimiento, identificador de Hugging Face, fecha de caducidad, condiciones de licencia, requisitos de hardware ni garantías de seguridad.[1]

Dónde utilizarlo

  • Conviene evaluarlo para aplicaciones agénticas que combinen razonamiento configurable, llamadas a herramientas y entradas extensas de PDF o medios mixtos.[1]
  • Puede considerarse para prototipos que deban sintetizar evidencia de texto, imágenes, vídeo y archivos en una única respuesta textual.[1]

Fuentes

  1. [1] OpenRouter catalog · Meta: Muse Spark 1.2Fuentes consultadas: 13 nov 2026

Sobre este modelo

La descripción siguiente es el texto original aportado por OpenRouter, en el idioma de la fuente.

Muse Spark 1.2 is a reasoning model from Meta, designed for complex agentic tasks. It accepts text, images, video, and PDF documents, returns text, and offers a 1M-token context window....

Especificaciones

ID del modelo
meta/muse-spark-1.2
ID canónico
meta/muse-spark-1.2-20260805
Creador
meta
Añadido a OpenRouter
05.08.2026
Longitud de contexto
1,048,576
Modalidad
text+image+file+video->text
Modalidades de entrada
text, image, video, file
Modalidades de salida
text
Precio por token
USD por 1M de tokens: entrada $1.25 / salida $4.25
Corte de conocimiento
—
Fecha de expiración
—

Tareas y capacidades

Una nota aparece solo cuando la fuente aporta una medición correspondiente para esa tarea, el modelo está activo y la cohorte tiene al menos 10 modelos comparables. La columna de capacidad muestra hechos declarados por la fuente — formatos compatibles, razonamiento y parámetros de herramientas — que no son calidad medida.

TareaNotaCapacidad declarada por la fuente
Calidad generalSin mediciónrazonamiento: obligatorio · predeterminado medium · esfuerzos: xhigh, high, medium, low, minimal · parámetros: include_reasoning, reasoning, reasoning_effort
ProgramaciónAA — siguiente 20% de la cohorte—
AgentesAA — siguiente 20% de la cohorteparámetros: structured_outputs, tool_choice, tools
EscrituraSin mediciónsalida: text
RazonamientoSin mediciónrazonamiento: obligatorio · predeterminado medium · esfuerzos: xhigh, high, medium, low, minimal · parámetros: include_reasoning, reasoning, reasoning_effort
Análisis de documentosSin mediciónentrada: file
VisiónSin mediciónentrada: image
Generación de imágenesSin medición—
AudioSin medición—
VídeoSin mediciónentrada: video
EmbeddingsSin medición—

Evaluaciones

FuenteBenchmarkValorNotaDatos obtenidos
Artificial AnalysisCoding index72.2AA — siguiente 20% de la cohorte13.11.2026
Artificial AnalysisAgentic index43.2AA — siguiente 20% de la cohorte13.11.2026
Design Arenaagents · agenticgamedevtasa de victoria 43% · posición 151,126EloBB — siguiente 30% de la cohorte13.11.2026
Design Arenaagents · androidnativetasa de victoria 52.6% · posición 131,210EloAA — siguiente 20% de la cohorte13.11.2026
Design Arenaagents · blender3dtasa de victoria 42.9% · posición 161,053EloCC — por debajo de la franja B13.11.2026
Design Arenaagents · codetovideotasa de victoria 39.8% · posición 201,102EloCC — por debajo de la franja B13.11.2026
Design Arenaagents · fullstacktasa de victoria 47.4% · posición 181,188EloBB — siguiente 30% de la cohorte13.11.2026
Design Arenaagents · htmlslidestasa de victoria 40% · posición 221,031EloCC — por debajo de la franja B13.11.2026
Design Arenaagents · mobileappstasa de victoria 47.4% · posición 251,176EloBB — siguiente 30% de la cohorte13.11.2026
Design Arenaagents · pdftasa de victoria 40.4% · posición 281,118EloCC — por debajo de la franja B13.11.2026
Design Arenaagents · python-pptxslidestasa de victoria 48.2% · posición 191,154EloBB — siguiente 30% de la cohorte13.11.2026
Design Arenaagents · spreadsheettasa de victoria 46.1% · posición 251,092EloCC — por debajo de la franja B13.11.2026
Design Arenaagents · webappstasa de victoria 49.8% · posición 201,204EloBB — siguiente 30% de la cohorte13.11.2026
Design Arenamodels · 3dtasa de victoria 51.8% · posición 221,286EloAA — siguiente 20% de la cohorte13.11.2026
Design Arenamodels · asciiarttasa de victoria 54.8% · posición 71,278EloSS — 10% superior de la cohorte13.11.2026
Design Arenamodels · codecategoriestasa de victoria 52.4% · posición 141,307EloAA — siguiente 20% de la cohorte13.11.2026
Design Arenamodels · dataviztasa de victoria 57.3% · posición 81,330EloSS — 10% superior de la cohorte13.11.2026
Design Arenamodels · gamedevtasa de victoria 50.5% · posición 201,295EloAA — siguiente 20% de la cohorte13.11.2026
Design Arenamodels · svgtasa de victoria 54.4% · posición 141,274EloAA — siguiente 20% de la cohorte13.11.2026
Design Arenamodels · uicomponenttasa de victoria 52.4% · posición 181,301EloAA — siguiente 20% de la cohorte13.11.2026
Design Arenamodels · websitetasa de victoria 52.6% · posición 111,310EloSS — 10% superior de la cohorte13.11.2026
Cómo funcionan las notas

Cada nota compara un modelo solo con otros modelos evaluados por la misma fuente y métrica en la instantánea actual. S es el 10% superior, A el siguiente 20%, B el siguiente 30% y C el resto. Los modelos sin medición publicada aparecen como no evaluados: un formato compatible nunca implica calidad medida.

  • S — S — 10% superior de la cohorte
  • A — A — siguiente 20% de la cohorte
  • B — B — siguiente 30% de la cohorte
  • C — C — por debajo de la franja B

Proveedores

Estadísticas opcionales de proveedores en vivo desde OpenRouter. Los valores ausentes son desconocidos, no cero.

ProveedorLongitud de contextoPrecio entrada /1MPrecio salida /1MLatencia p50 (30m, s)Rendimiento p50 (30m, tok/s)Disponibilidad (30m)
Meta1,048,576$1.25$4.25——100%

Datos de proveedores obtenidos: 13.11.2026

Ningún artículo publicado identifica aún este modelo.