A Muse Spark 1.1 a Meta Superintelligence Labs multimodális, ügynöki feladatokra épített reasoning modellje, és vele indult a Meta Model API: a Meta első fizetős, nyilvános modell-API-ja. A bejelentés 2026. július 9-én történt, a modell 1 millió tokenes kontextussal és 1,25 / 4,25 dolláros tokenárral érkezett, és a független mérés szerint a középmezőny legolcsóbban futtatható tagjai közé tartozik.

Ez a cikk nem friss bejelentésről szól, hanem összefoglaló útmutató: mit tud a modell, hogyan teljesít a független benchmarkokon, mennyibe kerül, és hogyan éred el fejlesztőként. A Meta azóta kiadta az 1.2-es és 1.3-as verziót is, így érdemes tudni, honnan indult a Muse Spark fejlesztői pályafutása.

Mi az a Muse Spark 1.1, és mi új benne?

A Muse Spark első verziója 2026 áprilisában jelent meg, ez volt a Meta szuperintelligencia-csapatának első szöveges és reasoning modellje. A Meta hivatalos bejelentése szerint az 1.1 jelentős előrelépés: nagyobbat fejlődött az eszköz- és számítógép-használatban, a kódolásban és a multimodális megértésben.

A modell a Meta AI alkalmazásban és a meta.ai weben „Thinking” módban azonnal elérhetővé vált. A fogyasztói oldalt, vagyis azt, hogy a Meta AI asszisztens mire képes ezzel a modellel, a Meta AI Muse Spark asszisztensről szóló cikkünkben mutattuk be. Itt a modellre és a fejlesztői hozzáférésre fókuszálunk.

A legfontosabb újítások

• 1 millió tokenes kontextus: a modell aktívan kezeli a kontextusát. Emlékszik a korábbi lépésekre, visszakeresi a régebbi információkat, és úgy tömöríti a munkát, hogy a későbbi lépésekhez szükséges részek megmaradjanak. Az 1.0-s verzió kontextusa az Artificial Analysis szerint még 262 ezer token volt.
• Több ügynök összehangolása: főügynökként kontextust gyűjt, tervet készít, és párhuzamos alügynököknek osztja ki a végrehajtást. Alügynökként a saját feladatánál marad, és tudja, mikor kell visszaadnia a döntést a főügynöknek.
• Számítógép-használat: nem kattintásról kattintásra halad, hanem eldönti, mikor gyorsabb szkriptet írni és mikor egyszerűbb közvetlenül a felületet használni. Minden lépésben akciók egész sorát generálja.
• Kódolás: nagy, összetett kódbázisokban keres és javít hibát, új funkciókat épít be, és nagy kódmigrációkat hajt végre. Működik tervezési móddal, alügynökökre bontással és kontextustömörítéssel.
• Új eszközök és MCP-szerverek: a Meta szerint a modell előzetes tanítás nélkül (zero-shot) tudja használni az új natív eszközöket, MCP-szervereket és egyedi skilleket.

Biztonsági oldalon a Meta az Advanced AI Scaling Framework szerint értékelte a modellt. A cég szerint a vegyi és biológiai, a kiberbiztonsági és az irányításvesztési kockázatok terén is biztonságos határokon belül marad. Erősebben ellenáll a prompt injectionnek, és kevesebbet hallucinál, illetve hízeleg. Ezek a Meta saját állításai.

Hogyan teljesít a benchmarkokon?

A Meta blogja a kódolási eredményekről csak annyit ír, hogy a belső kódolási tesztjén (Meta Internal Coding Bench) a modell „jelentősen javult, és versenyképes a vezető alternatívákkal”. Konkrét számot a szöveg nem közöl, ezért a független mérés többet mond.

Az Artificial Analysis 2026. július 10-i elemzése szerint a Muse Spark 1.1 (xhigh reasoning beállítással) 51 pontot ért el az Intelligence Indexen. Ez 8 ponttal több, mint az 1.0-s verzió 43 pontja, három hónap alatt.

51 pont az Artificial Analysis Intelligence Indexen: holtverseny a GLM-5.2-vel, a GPT-5.4-gyel és a GPT-5.6 Lunával. A júliusi élmezőny: Claude Fable 5 (60), GPT-5.6 Sol (59), Claude Opus 4.8 (56), Grok 4.5 (54).

A mérés idején tehát a Muse Spark 1.1 a középmezőny erős tagja volt, nem a csúcsmodell. Az akkori összevetéshez hasznos háttér a Claude Opus 4.8-ról és az xAI Grok 4.5-ről írt cikkünk.

Részeredmények

• Coding Index: 59-ről 71-re (+12 pont).
• SciCode: 52%-ról 58%-ra. Ezzel a 3. helyen állt az összes mért modell között, csak a Claude Fable 5 (60%) és a Gemini 3.1 Pro Preview (59%) előzte meg.
• Humanity’s Last Exam: 40%-ról 45%-ra. Ez egy ponton belül van a Claude Opus 4.8 46%-ához, és megelőzi a GPT-5.5 44%-át és a Grok 4.5 40%-át.
• GDPval-AA v2: 1144-ről 1376 Elo-ra (+232). Az ügynöki tudásmunkában ennek ellenére is elmarad a csúcstól.
• Sebesség: medián ~114 token/másodperc, az első válasz-token nagyjából 21 másodperc alatt érkezik.

A hallucinációcsökkenés valódi oka

Az AA-Omniscience pontszám 4-ről 18-ra nőtt, ami elsőre nagy ugrásnak tűnik. Az Artificial Analysis szerint azonban ez a javulás tartózkodásból jön, nem nagyobb pontosságból. A hallucinációs arány 73%-ról 38%-ra esett, de a próbálkozási arány is 95%-ról 82%-ra csökkent, a pontosság pedig nagyjából szinten maradt (45%-ról 41%-ra).

A gyakorlatban ez azt jelenti, hogy a modell többször mondja azt, hogy nem tudja a választ, ahelyett hogy kitalálna valamit. Ez megbízhatóbbá teszi, de nem tud többet, mint korábban. Érdemes ezt szem előtt tartani, ha tényalapú feladatokra választasz modellt.

Árazás: mennyibe kerül a Muse Spark 1.1?

A Reuters és a Meta fejlesztői blogja szerint a díjszabás a következő:

• Bemenet: 1,25 dollár / 1 millió token
• Kimenet: 4,25 dollár / 1 millió token
• Gyorsítótárazott bemenet: 0,15 dollár / 1 millió token (Artificial Analysis)
• Webes keresés: 2,50 dollár / 1000 lekérdezés (eesel AI)
• Kezdő kredit: regisztrációkor 20 dollár ingyenes kredit jár, utána használat alapján fizetsz (Reuters).

A Reuters szerint ez drágább, mint az OpenAI GPT-5 minije és az Anthropic Claude Haiku 4.5-je, de olcsóbb, mint a Claude Sonnet 4.6. A Meta hivatalos Model API árlapján a későbbi verziók is ezen az áron szerepelnek. A tokenárak tágabb összehasonlításához nézd meg az AI modellek árairól szóló összefoglalónkat.

Egy fontos részlet: a Muse Spark reasoning modell, tehát válasz előtt „gondolkodik”, és ezeket a gondolkodási tokeneket kimenetként számlázzák. A gondolkodás mélységét a reasoning_effort paraméterrel állíthatod (minimal-tól xhigh-ig). Az eesel AI árelemzése szerint a Meta értékelési jelentésében minden 1.1-es eredmény a legdrágább, xhigh beállítással készült.

Tokenhatékonyság: ahol a Meta igazán erős

Az Artificial Analysis szerint az 51 pontos modellek közül a Muse Spark 1.1 használta a legkevesebb tokent: 94 millió kimeneti tokennel futotta le az indexet. A GPT-5.4-nek 109 millió, a GPT-5.6 Lunának 125 millió, a GLM-5.2-nek 141 millió kellett hozzá.

A becsült költség így ~0,26 dollár indexfeladatonként, szemben a GLM-5.2 0,37 és a GPT-5.4 0,89 dollárjával. A legalább ilyen okos modellek közül csak a GPT-5.6 Luna volt olcsóbb (0,21 dollár). Ez magyarázza Mark Zuckerberg X-en tett kijelentését, amelyet a Reuters idézett:

„Arra összpontosítunk, hogy erős ügynöki és multimodális modelleket adjunk nagyon alacsony költséggel.” — Mark Zuckerberg, a Meta vezérigazgatója (Reuters)

Elérhetőség: hogyan kezdj hozzá?

A Meta Model API nyilvános előzetesként (public preview) indult, a bejelentéskor csak az USA-beli fejlesztők számára. Magyar fejlesztőként érdemes a dev.meta.ai oldalon ellenőrizni az aktuális elérhetőséget. Az API önkiszolgáló, és a fejlesztői útmutató szerint így kötöd be:

1. Regisztrálj a dev.meta.ai oldalon, és hozz létre API-kulcsot.
2. Állítsd be a három értéket a meglévő OpenAI-kompatibilis kliensedben: base URL https://api.meta.ai/v1, a kulcs MODEL_API_KEY néven, a modellnév pedig muse-spark-1.1.
3. Válaszd ki a formátumot: az API az OpenAI Chat Completions és Responses formátumát, valamint az Anthropic Messages formátumát is támogatja, így Claude-ra épülő eszközök (például a Claude Code) is ráköthetők.
4. Kapcsold be a keresést, ha kell: a Responses API hívásban a web_search típusú beépített eszközzel élő webes keresést kapsz, a válaszban forráshivatkozásokkal.

Az OpenCode kódolóügynökben beépített „Meta” szolgáltató is van, ott elég a /connect parancs és a kulcs megadása. A Meta saját mintaprojektjén a modell mind az öt beültetett hibát kijavította, átlagosan 7,6 körben. Ha a Claude Code-ot használod, a Claude Code útmutatónkban találsz alapokat a kódolóügynökökhöz.

Mit mondanak a korai partnerek?

A Meta több partnert is idézett a bejelentésben. Amjad Masad, a Replit vezérigazgatója szerint a modellben az a leglenyűgözőbb, hogy mennyi mindent tud egyszerre:

„Hatalmas, egymillió tokenes kontextus, teljes multimodális támogatás (képek, videó, PDF-ek), beépített keresés hivatkozásokkal, erős következtetés, kiemelkedő kódolás (főleg frontendben és designban), strukturált kimenet és párhuzamos eszközhívás — mindez egy tiszta, OpenAI-kompatibilis csomagban. Teljes ügynöki alap.” — Amjad Masad, Replit (Meta blog)

Saoud Rizwan, a Cline vezérigazgatója szerint a Meta komolyan épít az ügynöki kódolásra: erős eszközhasználatot ad olyan áron, amellyel valódi kódolási feladatokat is érdemes nagy léptékben futtatni. Az elemzők óvatosabbak. Shay Boloor, a Futurum Equities piaci főstratégája a Reuters-nek azt mondta: ha a Muse Spark 1.1 tényleg felveszi a versenyt a Claude-dal és a Codexszel a kódolásban, a Meta végre egyértelmű utat találhat a modellek pénzzé tételére a fizetős fejlesztői eszközökön keresztül.

Kinek érdemes kipróbálnia?

• Ügynököket építő fejlesztőknek, akiknek hosszú kontextus, beépített keresés és alügynökös felépítés kell alacsony áron.
• Költségérzékeny csapatoknak, amelyek nagy mennyiségű kódolási vagy elemzési munkát futtatnak, és nem a csúcsmodell utolsó pontjaira van szükségük.
• Multimodális munkafolyamatokhoz: a bemenet lehet szöveg, kép, videó és PDF, így képernyőképből is kereshet hibát.

Ha viszont a legnagyobb pontosság a cél, például összetett ügynöki tudásmunkában, a júliusi mérés szerint a Muse Spark 1.1 elmaradt a csúcstól. Ilyenkor érdemes az élmezőny modelljeit is tesztelni.

5 döntéshozói következtetés

1. A Meta belépett az API-piacra. A Reuters szerint a Muse Spark 1.1 API-ja közvetlenül az OpenAI és az Anthropic üzleti modelljét célozza, így eggyel több komoly szolgáltató közül választhatsz.
2. A váltás költsége alacsony. Az OpenAI- és Anthropic-kompatibilis formátum miatt meglévő kódban a base URL és a modellnév cseréjével kipróbálható.
3. Az ár-érték arány az erősség, nem a csúcsteljesítmény. Az 51 pontos index a középmezőny, de a tokenhatékonyság és az alacsony ár miatt feladatonként olcsón fut.
4. Ellenőrizd a földrajzi elérhetőséget. Az előzetes a bejelentéskor csak az USA-ban élő fejlesztőknek nyílt meg, ami európai cégeknél a bevezetés előtt külön ellenőrzést igényel.
5. A Meta saját termékeiben is ez lesz az alap. A Reuters szerint a modell várhatóan leváltja a Llama modelleket a WhatsApp, az Instagram és a Facebook csevegőbotjaiban, valamint a Meta okosszemüvegeiben.

Összegzés: honnan hová tart a Muse-család

A Muse Spark 1.1 volt az a pont, ahol a Meta először adta ki fejlesztőknek a saját frontier modelljét fizetős API-n. A modell nem a legokosabb a piacon, de olcsó, tokenhatékony, és szinte bármelyik meglévő eszközbe beköthető. Azóta a Meta-modellek listája szerint megjelent az 1.2-es és az 1.3-as verzió is, és a család tovább bővült a nyílt Muse Glimmerrel és a Muse Wonder frontier modellel.

Kapcsolódó elemzésünk: Kínai olcsó AI modell: a GLM-5.2 komoly kihívást jelent 2026-ban. Ha nem szeretnél lemaradni a következő modellbejelentésekről és összehasonlításokról, iratkozz fel az AI Hírek hírlevelére.