Model
.ai
acompanhando modelos de IA abertos
Muse Spark 1.2
Meta | contexto de 1.048.576 tokens | $1,25/M entrada, $4,25/M saída. Muse Spark 1.2 é um modelo de raciocínio da Meta, projetado para tarefas agentes complexas. Aceita texto, imagens, vídeo e documentos PDF, retorna texto e oferece janela de contexto de 1M tokens. O modelo é construído para suportar fluxos de trabalho multiagentes, seja como agente principal que planeja e delega ou como subagente executando em paralelo. Funciona em múltiplos ambientes de codificação e suporta saída estruturada, chamadas paralelas de função e esforço de raciocínio configurável. Nos testes da Meta, apresenta bom desempenho em refatorações multi-arquivo, sessões estendidas de depuração, geração de repositórios inteiros e tarefas que vão além de um único prompt.
Guias para este modelo
Todos os guias
Muse Spark 1.2 é um modelo de raciocínio da Meta construído para trabalho agente complexo e multi-etapas. Aceita texto, imagens, vídeo e PDFs, possui uma janela de contexto de um milhão de tokens e é projetado para operar como agente planejador ou subagente paralelo. Se seu trabalho envolve grandes bases de código, depuração estendida ou orquestração de outros modelos, este é o nível indicado.

Conhecido por

  • Janela de contexto de um milhão de tokens para tarefas em repositórios inteiros e múltiplos arquivos
  • Esforço de raciocínio configurável para trocar velocidade por profundidade
  • Chamada paralela de funções e saída estruturada para pipelines automatizados
  • Aceita texto, imagens, vídeo e documentos PDF em uma única chamada
  • Projetado para atuar como orquestrador ou subagente paralelo em fluxos multiagentes

Fique atento a

  • Somente API, pesos fechados — não é possível rodar localmente ou inspecionar o modelo
  • Preço de saída a $4,25 por milhão de tokens pode subir rápido em rastros longos de raciocínio
  • Meta não publicou números independentes de benchmark para esta versão

Sugestões para tentar

Plano de refatoração multi-arquivo
Tenho uma API REST em Node.js dividida em cerca de 30 arquivos. A lógica atual de autenticação está espalhada por handlers de rota e middleware. Proponha um plano concreto de refatoração: quais arquivos mudam, o que se move para onde e em que ordem para evitar quebrar a suíte de testes a cada passo. Seja específico sobre nomes de arquivos e assinaturas de funções.
Sessão de depuração agente
Você está depurando um pipeline de dados Python que descarta silenciosamente linhas ao juntar dois DataFrames. O pipeline roda em três etapas: ingestão, transformação, junção. Percorra cada etapa metodicamente, diga o que verificaria primeiro e por quê, escreva o código diagnóstico para cada verificação e explique como confirmaria a correção sem rodar o pipeline completo novamente.
Análise de contrato PDF
Anexo está um contrato de serviços de software. Extraia todas as cláusulas que limitam responsabilidade ou indenização, resuma cada uma em linguagem simples, sinalize as que forem incomumente unilaterais e liste quaisquer proteções padrão que pareçam ausentes. Retorne os resultados como uma lista estruturada.

Comparar com

  • Muse Glimmer 30B
    Modelo com pesos abertos
    Contexto de 131,072 tokens · entrada $0.30/M, saída $1.20/M
  • Muse Spark 1.3 Contributor
    Modelo apenas para API
    Contexto de 1,048,576 tokens · entrada $0.10/M, saída $0.20/M
  • Muse Spark 1.3
    Modelo apenas para API
    Contexto de 1,048,576 tokens · entrada $1.25/M, saída $4.25/M
  • Muse Wonder
    Modelo apenas para API
    Contexto de 1,048,576 tokens · entrada $4.00/M, saída $20.00/M
Mais modelos de texto de meta

Perguntas frequentes

Posso rodar o Muse Spark 1.2 localmente?
Não. Os pesos não são públicos e não há repositório no Hugging Face — é somente API pela plataforma da Meta.
Quanto custa o Muse Spark 1.2 e qual é o tamanho do contexto?
O preço é $1,25 por milhão de tokens de entrada e $4,25 por milhão de tokens de saída, com uma janela de contexto de um milhão de tokens.
O que o diferencia de um modelo padrão de chat ou instrução?
Foi construído especificamente para cargas de trabalho agente e de raciocínio — esforço de raciocínio configurável, chamada paralela de funções, saída estruturada e capacidade de atuar como agente orquestrador ou subagente paralelo em pipelines multi-modelos.
Veredito do capitão
Um modelo sério de raciocínio agente com uma genuína janela de um milhão de tokens — vale o custo da saída apenas se suas tarefas realmente precisarem disso.
O capitão escreve estas notas com base na descrição e ficha do modelo. Preços e tamanhos de contexto são do provedor na data da escrita e podem mudar.
Ranking badge
Updated Oct 22, 2026
Muse Spark 1.2 no ModelTrends.ai: Heat 5,004°
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
Como essa pontuação é calculada
Este modelo ainda não tem dados de popularidade de nenhuma fonte, então ele carrega um número provisório abaixo de 7,000° para manter as listas completas. Ele nunca fica acima de um modelo com dados. A divisão aparece aqui assim que uma fonte reporta.
Glossário: os termos usados aqui
Pontuação heat
Um número que mostra o quanto um modelo está sendo usado e desejado agora, de 0° a 9.999°. Toda lista neste site que diz mais quente é ordenada por ele e só por ele.
Limite mínimo
Os 7.000° que todo modelo com dados reais começa. A escala vai de 0° a 9.999°; a parte abaixo do limite é para substitutos (modelos sem dados), para que um modelo com dados sempre fique acima de um sem. O limite é igual para todos e não decide nada; os graus acima dele são a medida.
Equivalentes a downloads
Tudo que a pontuação trata como download, somado: downloads em si, cada torrent seeder como 1.000, cada imagem AI Horde e cada execução em site de geração como um.
Escala logarítmica
Contando de dez em dez, não de um em um: ir de 1.000 para 10.000 downloads adiciona os mesmos graus que ir de 10.000 para 100.000. Isso evita que gigantes abafem tudo.
Likes
Joinhas e likes de todas as fontes, valendo metade de um download na escala logarítmica.
Taxa de adoção
Quantos downloads por dia um modelo recebe agora, pela diferença entre duas leituras de uma fonte. Um quarto do peso do termo download.
Medido e estimado
Medido significa que existem duas leituras de uma fonte e a diferença é real. Estimado significa que só se sabe o total de hoje e o passado é distribuído ao longo da vida do modelo; o site indica qual está mostrando.
Seeder
Alguém que mantém uma cópia dos pesos online para outros baixarem via torrent, ou um espelho hospedado fazendo o mesmo. Cada um conta como 1.000 downloads.
AI Horde
Uma rede voluntária que gera imagens de graça em computadores doados. O número de imagens feitas com um modelo é público, e cada uma conta como um download.
Sites de geração
Sites que hospedam suas próprias cópias de um modelo e deixam as pessoas gerarem com ele, como PixAI, SeaArt e Yodayo. Os downloads deles contam como os do Civitai e cada geração conta como um download.
Tokens OpenRouter
Um modelo de texto servido via API, como Claude ou GPT, não tem pesos para baixar, então seu uso é medido em tokens: os pedaços de texto que ele leu e escreveu via OpenRouter, um gateway usado por muitos apps, nos últimos 30 dias. Cada 10,000,000 tokens contam como um download. Fonte: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Modelo completo (checkpoint)
Os pesos em si, o arquivo que gera sozinho. Ganha um bônus porque complementos dependem dele.
LoRA e embedding
Arquivos pequenos que direcionam os pesos de outra pessoa para um estilo, personagem ou conceito. Não podem rodar sozinhos.
Família e pesos
A base em que um modelo é construído, como SD 1.5, SDXL, Flux ou Wan. Todo modelo herda a data de lançamento dos pesos da sua família.
Idade
Pontos retirados conforme há quanto tempo os pesos da família foram lançados: 150° por ano, até 750°. Mantém os downloads antigos que tiveram anos para acumular, evitando que saiam do topo da lista.
Impulso da família
Um pequeno empurrão limitado para LoRAs de uma família que este site está promovendo agora, sempre listado na divisão.
Pontuação provisória
Um número estável abaixo do mínimo dado a um modelo que ainda não tem dados de fonte, para a lista ficar completa. Nunca fica acima de um modelo com dados.
Novo! (período de carência)
Um modelo com menos de 7 dias mostra Novo! em vez de uma pontuação e não ocupa lugar no ranking. Sua pontuação é calculada desde o primeiro dia, mas um modelo com um dia cresce mais rápido que qualquer outro, então sem a espera o #1 da semana seria sempre o que saiu ontem, não o que se manteve por uma semana.
Tendência
Como o crescimento de um modelo num período se compara com o crescimento típico dos modelos no mesmo período. Crescimento mais rápido que o típico indica alta, mais lento indica queda.
Modelo típico
O meio do catálogo: metade dos modelos com número cresceu mais rápido no período, metade mais devagar.