meta
Meta: Muse Spark 1.3
meta/muse-spark-1.3
Nossa análise
Análise com auxílio de IA baseada nas fontes abaixo. A adequação é uma avaliação editorial; teste com suas próprias tarefas.
De acordo com sua ficha no catálogo da OpenRouter, meta/muse-spark-1.3 é um modelo de raciocínio multimodal da Meta voltado a fluxos de trabalho agênticos, multiagente e de codificação de longa duração. Ele aceita entradas de texto, imagem, vídeo e arquivos e retorna texto, com uma janela de contexto relatada de cerca de um milhão de tokens. O catálogo indica que o raciocínio é obrigatório, com níveis de esforço ajustáveis, e lista suporte a chamadas de ferramentas e saídas estruturadas. Não havia uma ficha de modelo independente neste pacote de fontes, portanto essas capacidades são relatadas pelo catálogo e não verificadas de forma independente.[1]
Pontos fortes
- O catálogo relata uma janela de contexto de aproximadamente um milhão de tokens, alinhada ao objetivo declarado de acompanhar informações em tarefas extensas.[1]
- Segundo o catálogo, ele ingere entradas de texto, imagem, vídeo e arquivos e produz saída de texto, ampliando os tipos de material com que pode trabalhar.[1]
- O catálogo lista parâmetros para chamadas de ferramentas, escolha de ferramenta, saídas estruturadas e formato de resposta, o que favorece integrações agênticas, além de níveis ajustáveis de esforço de raciocínio.[1]
Limitações
- Apenas dados do catálogo da OpenRouter foram fornecidos e não havia uma ficha de modelo independente neste pacote, portanto as capacidades relatadas e os resultados de arenas e índices publicados pelo catálogo precisam de validação em suas próprias cargas de trabalho.[1]
- O catálogo não informa data de corte de conhecimento, termos de licença nem requisitos de implantação; são dados desconhecidos, não recursos ausentes.[1]
- O catálogo marca o raciocínio como obrigatório, portanto ele não pode ser totalmente desativado, o que pode importar em usos sensíveis a latência ou custo.[1]
Onde usar
- Fluxos de trabalho agênticos, multiagente e de codificação, que o catálogo cita como alvo de design; trate como sugestão editorial a avaliar, não como ajuste comprovado.[1]
- Tarefas com documentos longos ou repositórios em larga escala que poderiam se beneficiar da ampla janela de contexto relatada, sujeitas a testes com seus dados.[1]
- Pipelines de análise multimodal que convertem entradas de imagem, vídeo ou arquivos em saídas de texto.[1]
Fontes
- [1] OpenRouter catalog · Meta: Muse Spark 1.3Fontes 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 1.3 is a multimodal reasoning model from Meta for long-running agentic, multi-agent, and coding workflows. It is designed to keep track of information across extended tasks, work through...
Especificações
- ID do modelo
- meta/muse-spark-1.3
- ID canônico
- meta/muse-spark-1.3-20260902
- Criador
- meta
- Adicionado ao OpenRouter
- 02.09.2026
- 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 | AA — próximos 20% da coorte | raciocínio: obrigatório · padrão medium · esforços: max, xhigh, high, medium, low, minimal · parâmetros: include_reasoning, reasoning, reasoning_effort |
| Programação | SS — top 10% da coorte | — |
| Agentes | SS — top 10% da coorte | parâmetros: structured_outputs, tool_choice, tools |
| Escrita | Sem medição | saída: text |
| Raciocínio | Sem medição | raciocínio: obrigatório · padrão medium · esforços: max, 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 | Intelligence index | 36.6 | AA — próximos 20% da coorte | 13.11.2026 |
| Artificial Analysis | Coding index | 75.8 | SS — top 10% da coorte | 13.11.2026 |
| Artificial Analysis | Agentic index | 55.5 | SS — top 10% da coorte | 13.11.2026 |
| Design Arena | agents · androidnativetaxa de vitória 65% · posição 2 | 1,292Elo | SS — top 10% da coorte | 13.11.2026 |
| Design Arena | agents · blender3dtaxa de vitória 56.3% · posição 11 | 1,145Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | agents · codetovideotaxa de vitória 55.5% · posição 7 | 1,207Elo | AA — próximos 20% da coorte | 13.11.2026 |
| Design Arena | agents · fullstacktaxa de vitória 60.7% · posição 5 | 1,292Elo | SS — top 10% da coorte | 13.11.2026 |
| Design Arena | agents · mobileappstaxa de vitória 49.8% · posição 15 | 1,215Elo | AA — próximos 20% da coorte | 13.11.2026 |
| Design Arena | agents · pdftaxa de vitória 52.4% · posição 18 | 1,190Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | agents · python-pptxslidestaxa de vitória 51.6% · posição 11 | 1,206Elo | AA — próximos 20% da coorte | 13.11.2026 |
| Design Arena | agents · spreadsheettaxa de vitória 48.3% · posição 16 | 1,160Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | agents · webappstaxa de vitória 55.2% · posição 6 | 1,283Elo | SS — top 10% da coorte | 13.11.2026 |
| Design Arena | models · 3dtaxa de vitória 63.4% · posição 9 | 1,383Elo | SS — top 10% da coorte | 13.11.2026 |
| Design Arena | models · asciiarttaxa de vitória 63% · posição 3 | 1,329Elo | SS — top 10% da coorte | 13.11.2026 |
| Design Arena | models · codecategoriestaxa de vitória 58% · posição 5 | 1,354Elo | SS — top 10% da coorte | 13.11.2026 |
| Design Arena | models · dataviztaxa de vitória 58.4% · posição 6 | 1,343Elo | SS — top 10% da coorte | 13.11.2026 |
| Design Arena | models · gamedevtaxa de vitória 56.9% · posição 10 | 1,346Elo | SS — top 10% da coorte | 13.11.2026 |
| Design Arena | models · svgtaxa de vitória 55.1% · posição 4 | 1,316Elo | SS — top 10% da coorte | 13.11.2026 |
| Design Arena | models · uicomponenttaxa de vitória 59.3% · posição 7 | 1,354Elo | SS — top 10% da coorte | 13.11.2026 |
| Design Arena | models · websitetaxa de vitória 59.3% · posição 2 | 1,361Elo | SS — top 10% da coorte | 13.11.2026 |
| Design Arena | agents · godotgamedevtaxa de vitória 45.8% · posição 8 | 1,221Elo | 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) |
|---|---|---|---|---|---|---|
| 1,048,576 | $1.25 | $4.25 | — | — | 100% | |
| 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.