meta
Meta: Muse Spark 1.1
meta/muse-spark-1.1
Nossa análise
Análise com auxílio de IA baseada nas fontes abaixo. A adequação é uma avaliação editorial; teste com suas próprias tarefas.
O catálogo da OpenRouter descreve meta/muse-spark-1.1 como um modelo multimodal de raciocínio da Meta voltado a tarefas agênticas. Ele aceita texto, imagens, vídeo e arquivos, incluindo documentos PDF conforme a descrição do catálogo, e retorna texto. O catálogo lista uma janela de contexto de cerca de um milhão de tokens, raciocínio obrigatório com níveis de esforço selecionáveis e suporte a ferramentas e saídas estruturadas. Seus resultados de referência cobrem tarefas de programação, documentos e interfaces, mas este pacote não inclui um cartão independente, portanto a adequação real deve ser validada.[1]
Pontos fortes
- Entradas multimodais—texto, imagem, vídeo e arquivos—com saída de texto, segundo a OpenRouter.[1]
- Janela de contexto listada em um milhão de tokens, que pode ajudar com documentos extensos ou entradas múltiplas.[1]
- Raciocínio obrigatório com vários níveis de esforço, além de parâmetros para ferramentas e saídas estruturadas.[1]
Limitações
- A evidência vem apenas do catálogo; nenhum cartão independente foi fornecido, portanto arquitetura, licença, comportamento de segurança e corte de conhecimento permanecem não informados.[1]
- A cobertura de referência relatada limita-se a categorias selecionadas de agentes, programação e design, e pode não prever o desempenho em uma carga de trabalho específica.[1]
- Somente saída de texto é listada, apesar da entrada multimodal.[1]
Onde usar
- Potencialmente útil para perguntas e resumos multimodais sobre documentos longos, imagens ou vídeos; valide a precisão com dados representativos.[1]
- Pode se encaixar em fluxos agênticos que exijam controles de raciocínio, chamadas de ferramentas e respostas de texto estruturadas.[1]
- Poderia ser avaliado para programação, visualização de dados/interfaces ou geração de formatos documentais refletidos nas categorias de referência do catálogo.[1]
Fontes
- [1] OpenRouter catalog · Meta: Muse Spark 1.1Fontes consultadas: 13 de nov. de 2026
Sobre este modelo
A descrição abaixo é o texto original fornecido pelo OpenRouter, no idioma da fonte.
Muse Spark 1.1 is a multimodal reasoning model from Meta, built for agentic tasks. It accepts text, images, video, and PDF documents and returns text, with a 1M-token context window....
Especificações
- ID do modelo
- meta/muse-spark-1.1
- ID canônico
- meta/muse-spark-1.1-20260709
- Criador
- meta
- Adicionado ao OpenRouter
- 16.07.2026
- Comprimento de contexto
- 1,048,576
- Modalidade
- text+image+file+video->text
- Modalidades de entrada
- text, image, video, file
- Modalidades de saída
- text
- Preço por token
- USD por 1M de tokens: entrada $1.25 / saída $4.25
- Corte de conhecimento
- —
- Data de expiração
- —
Tarefas e capacidades
Uma nota aparece apenas quando a fonte fornece uma medição correspondente para aquela tarefa, o modelo está ativo e a coorte tem pelo menos 10 modelos comparáveis. A coluna de capacidade lista fatos declarados pela fonte — formatos compatíveis, raciocínio e parâmetros de ferramentas — que não são qualidade medida.
| Tarefa | Nota | Capacidade declarada pela fonte |
|---|---|---|
| Qualidade geral | Sem medição | raciocínio: obrigatório · padrão medium · esforços: xhigh, high, medium, low, minimal · parâmetros: include_reasoning, reasoning, reasoning_effort |
| Programação | AA — próximos 20% da coorte | — |
| Agentes | BB — próximos 30% da coorte | parâmetros: structured_outputs, tool_choice, tools |
| Escrita | Sem medição | saída: text |
| Raciocínio | Sem medição | raciocínio: obrigatório · padrão medium · esforços: xhigh, high, medium, low, minimal · parâmetros: include_reasoning, reasoning, reasoning_effort |
| Análise de documentos | Sem medição | entrada: file |
| Visão | Sem medição | entrada: image |
| Geração de imagens | Sem medição | — |
| Áudio | Sem medição | — |
| Vídeo | Sem medição | entrada: video |
| Embeddings | Sem medição | — |
Avaliações
| Fonte | Benchmark | Valor | Nota | Dados obtidos |
|---|---|---|---|---|
| Artificial Analysis | Coding index | 71.3 | AA — próximos 20% da coorte | 13.11.2026 |
| Artificial Analysis | Agentic index | 25.8 | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | agents · agenticgamedevtaxa de vitória 48.5% · posição 12 | 1,132Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | agents · androidnativetaxa de vitória 48.8% · posição 20 | 1,174Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | agents · blender3dtaxa de vitória 35.9% · posição 19 | 1,009Elo | CC — abaixo da faixa B | 13.11.2026 |
| Design Arena | agents · codetovideotaxa de vitória 37% · posição 21 | 1,078Elo | CC — abaixo da faixa B | 13.11.2026 |
| Design Arena | agents · fullstacktaxa de vitória 44.6% · posição 21 | 1,175Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | agents · godotgamedevtaxa de vitória 39.8% · posição 30 | 1,086Elo | CC — abaixo da faixa B | 13.11.2026 |
| Design Arena | agents · htmlslidestaxa de vitória 51.8% · posição 12 | 1,091Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | agents · mobileappstaxa de vitória 46.2% · posição 26 | 1,172Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | agents · pdftaxa de vitória 47.1% · posição 23 | 1,144Elo | CC — abaixo da faixa B | 13.11.2026 |
| Design Arena | agents · python-pptxslidestaxa de vitória 44.4% · posição 23 | 1,118Elo | CC — abaixo da faixa B | 13.11.2026 |
| Design Arena | agents · spreadsheettaxa de vitória 43.1% · posição 21 | 1,115Elo | CC — abaixo da faixa B | 13.11.2026 |
| Design Arena | agents · webappstaxa de vitória 48.7% · posição 24 | 1,189Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | models · 3dtaxa de vitória 48.5% · posição 34 | 1,241Elo | AA — próximos 20% da coorte | 13.11.2026 |
| Design Arena | models · asciiarttaxa de vitória 52.9% · posição 15 | 1,257Elo | AA — próximos 20% da coorte | 13.11.2026 |
| Design Arena | models · codecategoriestaxa de vitória 51.1% · posição 30 | 1,267Elo | AA — próximos 20% da coorte | 13.11.2026 |
| Design Arena | models · dataviztaxa de vitória 49.9% · posição 28 | 1,264Elo | AA — próximos 20% da coorte | 13.11.2026 |
| Design Arena | models · gamedevtaxa de vitória 47.5% · posição 30 | 1,258Elo | AA — próximos 20% da coorte | 13.11.2026 |
| Design Arena | models · svgtaxa de vitória 49.1% · posição 21 | 1,225Elo | AA — próximos 20% da coorte | 13.11.2026 |
| Design Arena | models · uicomponenttaxa de vitória 51.2% · posição 27 | 1,281Elo | AA — próximos 20% da coorte | 13.11.2026 |
| Design Arena | models · websitetaxa de vitória 51.5% · posição 31 | 1,264Elo | AA — próximos 20% da coorte | 13.11.2026 |
Como funcionam as notas
Cada nota compara um modelo apenas com outros modelos avaliados pela mesma fonte e métrica no snapshot atual. S é o top 10%, A os 20% seguintes, B os 30% seguintes e C o restante. Modelos sem medição publicada aparecem como não avaliados — um formato compatível nunca implica qualidade medida.
- S — S — top 10% da coorte
- A — A — próximos 20% da coorte
- B — B — próximos 30% da coorte
- C — C — abaixo da faixa B
Provedores
Estatísticas opcionais de provedores ao vivo do OpenRouter. Valores ausentes são desconhecidos, não zero.
| Provedor | Comprimento de contexto | Preço entrada /1M | Preço saída /1M | Latência p50 (30m, s) | Taxa p50 (30m, tok/s) | Disponibilidade (30m) |
|---|---|---|---|---|---|---|
| Meta | 1,048,576 | $1.25 | $4.25 | — | — | 100% |
Dados de provedores obtidos: 13.11.2026
Artigos relacionados
Nenhum artigo publicado identifica este modelo ainda.