Posso eseguire Muse Spark 1.2 localmente?

No. I pesi non sono pubblici e non esiste un repository Hugging Face — è solo API tramite la piattaforma Meta.

Quanto costa Muse Spark 1.2 e quanto è grande il contesto?

Il prezzo è $1,25 per milione di token in input e $4,25 per milione di token in output, con una finestra di contesto da un milione di token.

Cosa lo differenzia da un modello chat o istruzione standard?

È costruito specificamente per carichi agentici e di ragionamento — sforzo di ragionamento configurabile, chiamata di funzioni parallela, output strutturato e capacità di agire come agente orchestratore o subagente parallelo in pipeline multi-modello.

Muse Spark 1.2

5004°

#llm #meta #visione #video #ragionamento #programmazione

Esegui questo modello

Offerte / Annunci

OpenRouter Terminale / API

Paga per token

Chatta con questo modello nel browser o chiamalo dal tuo codice con una chiave API.

Meta | contesto di 1.048.576 token | $1.25/M input, $4.25/M output. Muse Spark 1.2 è un modello di ragionamento di Meta, progettato per compiti agentici complessi. Accetta testo, immagini, video e documenti PDF, restituisce testo e offre una finestra di contesto da 1M token. Il modello supporta flussi di lavoro multi-agente, sia come agente principale che pianifica e delega, sia come sub-agente che esegue in parallelo. Funziona con diversi ambienti di codifica e supporta output strutturati, chiamata parallela di funzioni e sforzo di ragionamento configurabile. Nei test di Meta, si comporta bene in refactor multi-file, sessioni di debug estese, generazione di interi repository e compiti che superano un singolo prompt.

Guide per questo modello

Come scegliere un modello AI a ottobre 2026: le novità closed source, poi i pesi aperti da scaricare

Pesi aperti vs open source vs solo API: cosa puoi davvero fare

Le 10 alternative a ChatGPT più economiche nel 2026: modelli locali gratuiti, piani gratuiti e tariffe fisse

Tutte le guide

Note del capitano

Scritto da Captain, l'editor di casa

Note del 2026-10-13

Muse Spark 1.2 è un modello di ragionamento di Meta costruito per lavori agentici complessi e multi-step. Accetta testo, immagini, video e PDF, ha una finestra di contesto da un milione di token ed è progettato per operare come agente pianificatore o subagente parallelo. Se il tuo lavoro coinvolge grandi basi di codice, debugging esteso o orchestrazione di altri modelli, questo è il livello a cui punta.

Conosciuto per

Finestra di contesto da un milione di token che gestisce compiti multi-file e interi repository
Sforzo di ragionamento configurabile per bilanciare velocità e profondità
Chiamata di funzioni parallela e output strutturato adatti a pipeline automatizzate
Accetta testo, immagini, video e PDF in una singola chiamata
Progettato per agire come orchestratore o subagente in workflow multi-agente

Attenzione a

Solo API, pesi chiusi — non puoi eseguirlo localmente né ispezionare il modello
Il costo in output a $4,25 per milione di token cresce rapidamente con ragionamenti lunghi
Meta non ha pubblicato numeri indipendenti di benchmark per questa release

Ideale per

Programmazione

Agenti e uso di strumenti

Ragionamento

Contesto lungo

Visione

Prompt da provare

Piano di rifattorizzazione multi-file

Ho un’API REST Node.js divisa in circa 30 file. La logica di autenticazione è sparsa tra route handler e middleware. Proponi un piano concreto di rifattorizzazione: quali file cambiano, cosa si sposta dove e in quale ordine per evitare di rompere la suite di test a ogni passo. Sii specifico su nomi file e firme delle funzioni.

Sessione di debugging agentica

Stai facendo il debug di una pipeline dati Python che perde silenziosamente righe quando unisce due DataFrame. La pipeline ha tre fasi: ingest, transform, merge. Analizza ogni fase metodicamente, indica cosa controlleresti prima e perché, scrivi il codice diagnostico per ogni controllo e spiega come confermeresti la correzione senza rieseguire tutta la pipeline.

Analisi contratto PDF

Allego un contratto di servizi software. Estrai ogni clausola che limita responsabilità o indennizzo, riassumila in linguaggio semplice, segnala quelle particolarmente squilibrate e elenca eventuali protezioni standard mancanti. Restituisci i risultati come lista strutturata.

Confronta con

Muse Glimmer 30B
Modello con pesi aperti
Contesto di 131,072 token · Input $0.30/M, output $1.20/M
Muse Spark 1.3 Contributor
Modello solo API
Contesto di 1,048,576 token · Input $0.10/M, output $0.20/M
Muse Spark 1.3
Modello solo API
Contesto di 1,048,576 token · Input $1.25/M, output $4.25/M
Muse Wonder
Modello solo API
Contesto di 1,048,576 token · Input $4.00/M, output $20.00/M

Altri modelli di testo da meta

Domande frequenti

Posso eseguire Muse Spark 1.2 localmente?: No. I pesi non sono pubblici e non esiste un repository Hugging Face — è solo API tramite la piattaforma Meta.
Quanto costa Muse Spark 1.2 e quanto è grande il contesto?: Il prezzo è $1,25 per milione di token in input e $4,25 per milione di token in output, con una finestra di contesto da un milione di token.
Cosa lo differenzia da un modello chat o istruzione standard?: È costruito specificamente per carichi agentici e di ragionamento — sforzo di ragionamento configurabile, chiamata di funzioni parallela, output strutturato e capacità di agire come agente orchestratore o subagente parallelo in pipeline multi-modello.

Verdetto del capitano
Un modello serio di ragionamento agentico con una vera finestra da un milione di token — vale il costo in output solo se i tuoi compiti lo richiedono davvero.

Il capitano scrive queste note dalla descrizione e dalla scheda modello. Prezzi e dimensioni del contesto sono quelli del provider al momento della scrittura e possono cambiare.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Not this creator?

Get your own badge

Come si calcola questo punteggio

Questo modello non ha ancora dati di popolarità da nessuna fonte, quindi ha un numero provvisorio sotto 7,000° che mantiene le liste complete. Non supera mai un modello con dati. La suddivisione appare qui appena una fonte la segnala.

Glossario: i termini usati qui

Punteggio heat: Un numero che indica quanto un modello è usato e desiderato ora, da 0° a 9.999°. Ogni lista su questo sito che dice più caldo è ordinata per questo e nient’altro.
Soglia minima: I 7.000° da cui parte ogni modello con dati reali. La scala va da 0° a 9.999°; la parte sotto la soglia è riservata ai sostituti (modelli senza dati), così un modello con dati è sempre sopra uno senza. La soglia è uguale per tutti e non decide nulla; i gradi sopra sono la misura.
Equivalenti di download: Tutto ciò che il punteggio considera come un download, sommato: i download stessi, ogni seeder torrent come 1.000, ogni immagine AI Horde e ogni esecuzione su un sito di generazione come uno.
Scala logaritmica: Conta a decine, non a unità: passare da 1.000 a 10.000 download aggiunge gli stessi gradi che passare da 10.000 a 100.000. Evita che i giganti schiaccino tutto il resto.
Like: Pollici in su e like da ogni fonte, valgono metà di un download sulla scala logaritmica.
Tasso di adozione: Quanti download al giorno riceve un modello ora, dalla differenza tra due rilevazioni di una fonte. Un quarto del peso del termine download.
Misurato e stimato: Misurato significa che ci sono due letture di una fonte e la differenza è reale. Stimato significa che si conosce solo il totale di oggi e il passato è distribuito sulla vita del modello; il sito indica quale viene mostrato.
Seeder: Qualcuno che mantiene una copia dei pesi online per farli scaricare agli altri tramite torrent, o uno specchio ospitato che fa lo stesso. Ognuno conta come 1.000 download.
AI Horde: Una rete di volontari che genera immagini gratis su computer donati. Il numero di immagini create con un modello è pubblico, e ognuna conta come un download.
Siti di generazione: Siti che ospitano copie di un modello e permettono di generare con esso, come PixAI, SeaArt e Yodayo. I loro download contano come quelli di Civitai e ogni generazione come un download.
Token OpenRouter: Un modello di testo servito tramite API, come Claude o GPT, non ha pesi da scaricare, quindi il suo utilizzo si misura in token: i pezzi di testo letti e scritti tramite OpenRouter, un gateway usato da molte app, negli ultimi 30 giorni. Ogni 10,000,000 token conta come un download. Fonte: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Modello completo (checkpoint): I pesi stessi, il file che genera da solo. Riceve un bonus perché da esso dipendono gli add-on.
LoRA e embedding: Piccoli file add-on che indirizzano i pesi di qualcun altro verso uno stile, un personaggio o un concetto. Non possono funzionare da soli.
Famiglia e pesi: La base su cui è costruito un modello, come SD 1.5, SDXL, Flux o Wan. Ogni modello eredita la data di rilascio dei pesi della sua famiglia.
Età: Gradi tolti in base a quanto tempo fa sono usciti i pesi della famiglia: 150° all'anno, fino a 750°. Mantiene i vecchi download che hanno avuto anni per accumularsi congelando la cima della lista.
Boost famiglia: Una piccola spinta limitata per le LoRA di una famiglia che questo sito sta promuovendo ora, sempre elencata nel dettaglio.
Punteggio stand-in: Un numero stabile sotto il minimo dato a un modello su cui nessuna fonte ha ancora dati, così le liste restano complete. Non supera mai un modello con dati.
Novità! (periodo di grazia): Un modello più giovane di 7 giorni mostra Novità! invece di un punteggio e non ha posizione nelle classifiche. Il suo punteggio è calcolato dal primo giorno, ma un modello di un giorno cresce più velocemente di qualsiasi altro, quindi senza l'attesa il #1 della settimana sarebbe sempre quello uscito ieri invece di quello che ha resistito per una settimana.
Tendenza: Come la crescita di un modello in un periodo si confronta con la crescita tipica di un modello nello stesso periodo. Più veloce del tipico si legge come aumento, più lento come calo.
Modello tipico: Il centro del catalogo: metà dei modelli con un valore è cresciuta più velocemente nel periodo, metà più lentamente.

Modelli simili

Modelli di IA per generare immagini, video e testo

Muse Spark 1.2 è un modello di testo per la famiglia Text / LLM presente su ModelTrends.ai, un catalogo in sola lettura di modelli di IA open source per immagini, video e testo. Confrontalo con gli altri modelli Text / LLM e controlla il punteggio di calore per vedere la tendenza.

Altri modelli Text / LLM Altri Testo / LLM Text / LLM llm meta visione video ragionamento programmazione agenti contesto lungo

Sfoglia per famiglia di modelli