Meta: Muse Spark Open

meta/muse-spark-open

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 o Muse Spark Open da Meta (meta/muse-spark-open) como um modelo de pesos abertos ajustado para codificação agêntica, com supostos pontos fortes em precisão na primeira tentativa, chamada de ferramentas e compreensão de bases de código. Aceita entradas de texto, imagem, arquivo, áudio e vídeo, retorna apenas texto, oferece uma janela de contexto de cerca de um milhão de tokens e exige raciocínio com esforço ajustável. Os resultados nas arenas do catálogo parecem intermediários e alguns campos de avaliação estão vazios. Apenas dados da OpenRouter foram fornecidos; não havia um cartão de modelo independente neste pacote.[1]

Pontos fortes

Segundo o catálogo: um modelo de pesos abertos treinado para fluxos de codificação agêntica, que alega maior precisão na primeira tentativa, chamada de ferramentas confiável e compreensão profunda do código.[1]
Aceita entradas de texto, imagem, arquivo, áudio e vídeo com saída de texto e uma janela de contexto de cerca de um milhão de tokens.[1]
O esforço de raciocínio é ajustável em quatro níveis, e o endpoint anuncia parâmetros de chamada de ferramentas e saídas estruturadas.[1]

Limitações

Toda a evidência vem do catálogo da OpenRouter; este pacote não incluía um cartão de modelo independente, portanto as capacidades e os resultados declarados devem ser validados em cargas de trabalho reais.[1]
O raciocínio é obrigatório e não pode ser desativado, o que pode ser relevante para aplicações sensíveis a latência ou custo.[1]
A cobertura de avaliação é incompleta: o catálogo não informa valores para os índices de codificação e agênticos, e seus resultados no Design Arena parecem variados entre categorias.[1]

Onde usar

Vale avaliar para assistentes de codificação agêntica que precisem de contexto amplo de repositórios e uso de ferramentas.[1]
Candidato para fluxos que alimentam capturas de tela, arquivos ou outras entradas multimodais a um assistente que produz texto.[1]
Potencialmente adequado onde se exijam esforço de raciocínio ajustável e saídas estruturadas; confirmar a adequação com testes em cargas reais.[1]

Fontes

[1] OpenRouter catalog · Meta: Muse Spark OpenFontes 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 Open is a coding-optimized open-weight model. Trained specifically for agentic coding workflows, it delivers higher first-attempt accuracy, reliable tool calling, and deep codebase understanding across the repos developers...

Especificações

ID do modelo: meta/muse-spark-open
ID canônico: meta/muse-spark-open-20261015
Criador: meta
Adicionado ao OpenRouter: 15.10.2026
Comprimento de contexto: 1,048,576
Modalidade: text+image+file+audio+video->text
Modalidades de entrada: text, image, video, file, audio
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	BB — próximos 30% da coorte	raciocínio: obrigatório · padrão medium · esforços: xhigh, high, medium, low · parâmetros: include_reasoning, reasoning, reasoning_effort
Programação	Sem medição	—
Agentes	Sem medição	parâmetros: structured_outputs, tool_choice, tools
Escrita	Sem medição	saída: text
Raciocínio	Sem medição	raciocínio: obrigatório · padrão medium · esforços: xhigh, high, medium, low · 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	entrada: audio
Vídeo	Sem medição	entrada: video
Embeddings	Sem medição	—

Avaliações

Fonte	Benchmark	Valor	Nota	Dados obtidos
Artificial Analysis	Intelligence index	24.9	BB — próximos 30% da coorte	13.11.2026
Design Arena	models · 3dtaxa de vitória 46.4% · posição 27	1,259Elo	AA — próximos 20% da coorte	13.11.2026
Design Arena	models · codecategoriestaxa de vitória 51.5% · posição 15	1,303Elo	AA — próximos 20% da coorte	13.11.2026
Design Arena	models · gamedevtaxa de vitória 47.8% · posição 29	1,263Elo	AA — próximos 20% da coorte	13.11.2026
Design Arena	models · uicomponenttaxa de vitória 51.6% · posição 15	1,314Elo	AA — próximos 20% da coorte	13.11.2026
Design Arena	models · websitetaxa de vitória 51.7% · posição 12	1,307Elo	SS — top 10% 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)
Modal	1,000,000	$1.25	$4.25	—	—	100%
Together	1,048,576	$1.25	$4.25	—	—	100%
Nebiusfp4	1,048,576	$1.25	$4.25	—	—	100%
BaseTenfp4	1,048,576	$1.25	$4.25	—	—	100%

Dados de provedores obtidos: 13.11.2026

Nenhum artigo publicado identifica este modelo ainda.