That's NeuralCatálogo de modelos

meta

Meta: Muse Spark 1.2

meta/muse-spark-1.2

Nossa análise

Análise com auxílio de IA baseada nas fontes abaixo. A adequação é uma avaliação editorial; teste com suas próprias tarefas.

Segundo o catálogo da OpenRouter, meta/muse-spark-1.2 é um modelo de raciocínio da Meta destinado a tarefas agênticas complexas. Ele aceita texto, imagens, vídeo e arquivos, incluindo PDFs, e retorna texto em uma janela de contexto de 1M de tokens. O catálogo informa raciocínio obrigatório com esforço configurável, parâmetros para ferramentas e saídas estruturadas e resultados de referência em arenas agênticas e de design. Não havia um cartão independente do modelo neste pacote de fontes; portanto, a adequação real deve ser validada na carga de trabalho pretendida.[1]

Pontos fortes

  • O catálogo descreve amplo suporte de entrada multimodal para texto, imagens, vídeo e arquivos, incluindo documentos PDF, com saída em texto.[1]
  • Uma janela de contexto de 1M de tokens, raciocínio obrigatório com vários níveis de esforço e suporte a ferramentas e saídas estruturadas podem atender fluxos de trabalho complexos que usam ferramentas.[1]

Limitações

  • A única evidência fornecida é uma entrada do catálogo da OpenRouter; não havia um cartão independente do modelo, portanto as capacidades e a relevância dos benchmarks exigem validação na carga de trabalho.[1]
  • A saída é limitada a texto, apesar do suporte multimodal de entrada informado.[1]
  • A listagem não fornece data de corte de conhecimento, identificador do Hugging Face, data de expiração, termos de licença, requisitos de hardware ou garantias de segurança.[1]

Onde usar

  • Vale avaliá-lo para aplicações agênticas que combinem raciocínio configurável, chamadas de ferramentas e entradas longas de PDFs ou mídias mistas.[1]
  • Pode ser considerado para protótipos que precisem sintetizar evidências de texto, imagens, vídeo e arquivos em uma única resposta textual.[1]

Fontes

  1. [1] OpenRouter catalog · Meta: Muse Spark 1.2Fontes 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 1.2 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....

Especificações

ID do modelo
meta/muse-spark-1.2
ID canônico
meta/muse-spark-1.2-20260805
Criador
meta
Adicionado ao OpenRouter
05.08.2026
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.

TarefaNotaCapacidade declarada pela fonte
Qualidade geralSem mediçãoraciocínio: obrigatório · padrão medium · esforços: xhigh, high, medium, low, minimal · parâmetros: include_reasoning, reasoning, reasoning_effort
ProgramaçãoAA — próximos 20% da coorte—
AgentesAA — próximos 20% da coorteparâmetros: structured_outputs, tool_choice, tools
EscritaSem mediçãosaída: text
RaciocínioSem mediçãoraciocínio: obrigatório · padrão medium · esforços: xhigh, high, medium, low, minimal · parâmetros: include_reasoning, reasoning, reasoning_effort
Análise de documentosSem mediçãoentrada: file
VisãoSem mediçãoentrada: image
Geração de imagensSem medição—
ÁudioSem medição—
VídeoSem mediçãoentrada: video
EmbeddingsSem medição—

Avaliações

FonteBenchmarkValorNotaDados obtidos
Artificial AnalysisCoding index72.2AA — próximos 20% da coorte13.11.2026
Artificial AnalysisAgentic index43.2AA — próximos 20% da coorte13.11.2026
Design Arenaagents · agenticgamedevtaxa de vitória 43% · posição 151,126EloBB — próximos 30% da coorte13.11.2026
Design Arenaagents · androidnativetaxa de vitória 52.6% · posição 131,210EloAA — próximos 20% da coorte13.11.2026
Design Arenaagents · blender3dtaxa de vitória 42.9% · posição 161,053EloCC — abaixo da faixa B13.11.2026
Design Arenaagents · codetovideotaxa de vitória 39.8% · posição 201,102EloCC — abaixo da faixa B13.11.2026
Design Arenaagents · fullstacktaxa de vitória 47.4% · posição 181,188EloBB — próximos 30% da coorte13.11.2026
Design Arenaagents · htmlslidestaxa de vitória 40% · posição 221,031EloCC — abaixo da faixa B13.11.2026
Design Arenaagents · mobileappstaxa de vitória 47.4% · posição 251,176EloBB — próximos 30% da coorte13.11.2026
Design Arenaagents · pdftaxa de vitória 40.4% · posição 281,118EloCC — abaixo da faixa B13.11.2026
Design Arenaagents · python-pptxslidestaxa de vitória 48.2% · posição 191,154EloBB — próximos 30% da coorte13.11.2026
Design Arenaagents · spreadsheettaxa de vitória 46.1% · posição 251,092EloCC — abaixo da faixa B13.11.2026
Design Arenaagents · webappstaxa de vitória 49.8% · posição 201,204EloBB — próximos 30% da coorte13.11.2026
Design Arenamodels · 3dtaxa de vitória 51.8% · posição 221,286EloAA — próximos 20% da coorte13.11.2026
Design Arenamodels · asciiarttaxa de vitória 54.8% · posição 71,278EloSS — top 10% da coorte13.11.2026
Design Arenamodels · codecategoriestaxa de vitória 52.4% · posição 141,307EloAA — próximos 20% da coorte13.11.2026
Design Arenamodels · dataviztaxa de vitória 57.3% · posição 81,330EloSS — top 10% da coorte13.11.2026
Design Arenamodels · gamedevtaxa de vitória 50.5% · posição 201,295EloAA — próximos 20% da coorte13.11.2026
Design Arenamodels · svgtaxa de vitória 54.4% · posição 141,274EloAA — próximos 20% da coorte13.11.2026
Design Arenamodels · uicomponenttaxa de vitória 52.4% · posição 181,301EloAA — próximos 20% da coorte13.11.2026
Design Arenamodels · websitetaxa de vitória 52.6% · posição 111,310EloSS — top 10% da coorte13.11.2026
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.

ProvedorComprimento de contextoPreço entrada /1MPreço saída /1MLatência p50 (30m, s)Taxa p50 (30m, tok/s)Disponibilidade (30m)
Meta1,048,576$1.25$4.25——100%

Dados de provedores obtidos: 13.11.2026

Nenhum artigo publicado identifica este modelo ainda.