Kan jag köra Muse Spark 1.1 lokalt?

Nej. Meta har inte släppt vikterna, så modellen är endast API-baserad och kan inte köras på egen hårdvara.

Vad kostar Muse Spark 1.1 och hur långt är dess kontext?

Priset är $1,25 per miljon inmatningstoken och $4,25 per miljon utmatningstoken, med ett kontextfönster på en miljon token.

Vad skiljer Muse Spark 1.1 från en standard chattmodell?

Den är designad för agentiska pipelines snarare än enkelriktad konversation: den kan planera, delegera till subagenter, anropa verktyg parallellt och generalisera zero-shot till nya MCP-servrar och anpassade färdigheter.

Muse Spark 1.1

1303°

#llm #meta #vision #video #resonemang #agenter

Kör modellen

Erbjudanden / annonser

OpenRouter Terminal / API

Betala per token

Chatta med den här modellen i webbläsaren eller anropa den från din kod med en API-nyckel.

Meta | 1,048,576 token kontext | $1.25/M input, $4.25/M output. Muse Spark 1.1 är en multimodal resonemangsmodell från Meta, byggd för agentiska uppgifter. Den accepterar text, bilder, video och PDF-dokument och returnerar text, med ett 1M-token kontextfönster. Modellen är designad för att orkestrera multi-agentarbetsflöden, agera antingen som huvudagent som planerar och delegerar eller som underagent, och generaliserar zero-shot till nya verktyg, MCP-servrar och anpassade färdigheter. Den stödjer strukturerad utdata, parallell funktionsanrop, inbyggd sökning med citat och konfigurerbar resonemangsinsats. Meta rapporterar stark prestanda på verklig kodning över stora kodbaser, datoranvändningsarbetsflöden och visuell-till-kod-generering.

Guider för denna modell

Öppna vikter vs öppen källkod vs endast API: vad du faktiskt får göra

Hur du väljer en AI-modell i oktober 2026: nyheter om stängd källkod och öppna vikter värda att ladda ner

De 10 billigaste ChatGPT-alternativen 2026: gratis lokala modeller, gratisnivåer och fastprisplaner

Alla guider

Kaptenens anteckningar

Skrivet av Captain, husets redaktör

Anteckningar från 2026-10-13

Muse Spark 1.1 är en multimodal resonemangsmodell från Meta som accepterar text, bilder, video och PDF:er över ett kontextfönster på en miljon token. Den är byggd specifikt för agentiskt arbete: den kan agera som orkestratör, subagent eller båda, och generaliserar zero-shot till nya verktyg och MCP-servrar. Om ditt användningsfall involverar flerstegs-pipelines, stora kodbaser eller visuella till kod-uppgifter är detta nivån den riktar sig mot.

Känd för

Orkestrerar multi-agentarbetsflöden som planerare, delegerare eller subagent
Zero-shot generalisering till nya verktyg, MCP-servrar och anpassade färdigheter
En-miljon-token kontext hanterar stora kodbaser och långa dokument
Accepterar text, bilder, video och PDF; returnerar strukturerad output med källhänvisningar
Konfigurerbar resonansinsats och parallella funktionsanrop

Se upp för

Vikterna är inte offentliga; du kör via API, ingen lokal distribution.
Utmatningspriset på $4,25 per miljon token blir snabbt dyrt i agentiska loopar med mycket generering.
Meta har inte publicerat oberoende benchmark-siffror, så rapporterade styrkor är självbedömda.

Bäst för

Agenter och verktygsanvändning

Promptar att prova

Orkestrera en forskningsuppgift i flera steg

Du har tillgång till ett sökverktyg och ett kodexekveringsverktyg. En användare vill veta de fem mest populära open-source vektordatabaserna efter GitHub-stjärnor, och sedan en kort Python-snutt för att ansluta till den mest populära. Planera stegen, anropa verktygen i rätt ordning och returnera ett slutgiltigt svar med källhänvisningar.

Visuell till kod från skärmdump

Jag bifogar en skärmdump av en datadashboard. Återskapa dess layout som en självständig React-komponent med Tailwind CSS. Matcha diagramtyper, färgschema och rutnätsstruktur så nära som möjligt. Lägg till en kort kommentar ovanför varje sektion som förklarar vad den renderar.

Resonera över en stor kodbas

Jag klistrar in innehållet i en Node.js Express API nedan. Läs hela kodbasen, identifiera eventuella säkerhetsbrister relaterade till autentisering eller indata-validering, rangordna dem efter allvarlighetsgrad och föreslå en konkret åtgärd för varje med relevant fil och radintervall angivet.

Jämför med

Muse Glimmer 30B
Öppen vikt-modell
131,072 tokens kontext · $0.30/M indata, $1.20/M utdata
Muse Spark 1.3 Contributor
Endast API-modell
1,048,576 tokens kontext · $0.10/M indata, $0.20/M utdata
Muse Spark 1.3
Endast API-modell
1,048,576 tokens kontext · $1.25/M indata, $4.25/M utdata
Muse Wonder
Endast API-modell
1,048,576 tokens kontext · $4.00/M indata, $20.00/M utdata

Fler textmodeller från meta

Vanliga frågor

Kan jag köra Muse Spark 1.1 lokalt?: Nej. Meta har inte släppt vikterna, så modellen är endast API-baserad och kan inte köras på egen hårdvara.
Vad kostar Muse Spark 1.1 och hur långt är dess kontext?: Priset är $1,25 per miljon inmatningstoken och $4,25 per miljon utmatningstoken, med ett kontextfönster på en miljon token.
Vad skiljer Muse Spark 1.1 från en standard chattmodell?: Den är designad för agentiska pipelines snarare än enkelriktad konversation: den kan planera, delegera till subagenter, anropa verktyg parallellt och generalisera zero-shot till nya MCP-servrar och anpassade färdigheter.

Kaptens omdöme
En seriös agentisk arbetsmaskin med ett verkligt stort kontextfönster, men de stängda vikterna och utmatningskostnaderna gör att du känner varje lång pipeline på fakturan.

Kapten skriver dessa anteckningar från modellens egen beskrivning och model card. Priser och kontextstorlekar är från leverantören vid skrivtillfället och kan ändras.

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

Hur denna poäng räknas ihop

Den här modellen har ännu inga popularitetsdata från någon källa, så den har ett tillfälligt nummer under 7,000° som håller listorna kompletta. Den rankas aldrig högre än en modell med data. Uppdelningen visas här så fort en källa rapporterar den.

Ordlista: termerna som används här

Heat-poäng: Ett nummer för hur mycket en modell används och efterfrågas just nu, från 0° till 9 999°. Varje lista på den här sidan som säger hetast sorteras efter den och inget annat.
Golvet: De 7 000° som varje modell med verklig data börjar från. Skalan går från 0° till 9 999°; delen under golvet är reserverad för ersättare (modeller utan data), så att en modell med data alltid rankas över en utan. Golvet är samma för alla och avgör inget; graderna ovanför är själva mätningen.
Nedladdnings-ekvivalenter: Allt som poängen räknar som en nedladdning, summerat: själva nedladdningarna, varje torrent-seeder som 1 000, varje AI Horde-bild och varje körning på en genereringssajt som en.
Logaritmisk skala: Räknar i tiotal, inte i ental: att gå från 1 000 till 10 000 nedladdningar ger lika många grader som att gå från 10 000 till 100 000. Det hindrar jättar från att tränga ut allt annat.
Gillanden: Tummar upp och gillanden från alla källor, värda hälften av en nedladdning på den logaritmiska skalan.
Adoptionshastighet: Hur många nedladdningar per dag en modell får just nu, från skillnaden mellan två mätningar av en källa. En fjärdedels vikt av nedladdningsdelen.
Mätt och uppskattad: Mätt betyder att det finns två mätningar från en källa och skillnaden är verklig. Uppskattad betyder att bara dagens total är känd och det fördelas över modellens livstid; sidan visar vilken det är.
Seeder: Någon som håller en kopia av vikterna online för andra att ladda ner via torrent, eller en hostad spegel som gör samma sak. Varje sådan räknas som 1 000 nedladdningar.
AI Horde: Ett frivilligt nätverk som genererar bilder gratis på donerade datorer. Antalet bilder det har gjort med en modell är offentligt, och varje bild räknas som en nedladdning.
Genereringssajter: Sajter som hostar sina egna kopior av en modell och låter folk generera med den, som PixAI, SeaArt och Yodayo. Deras nedladdningar räknas som Civitaís och varje genereringskörning räknas som en nedladdning.
OpenRouter-token: En textmodell som nås via API, som Claude eller GPT, har inga vikter att ladda ner, så dess användning mäts i token: textbitar den läst och skrivit via OpenRouter, en gateway som många appar använder, under de senaste 30 dagarna. Varje 10,000,000 token räknas som en nedladdning. Källa: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Full modell (checkpoint): Själva vikterna, filen som genererar självständigt. Den får en bonus eftersom tillägg beror på den.
LoRA och embedding: Små tilläggsfiler som styr någon annans vikter mot en stil, en karaktär eller ett koncept. De kan inte köras själva.
Familj och vikter: Basen en modell är byggd på, som SD 1.5, SDXL, Flux eller Wan. Varje modell ärver släppdatumet för sin familjs vikter.
Ålder: Poäng som dras av beroende på hur länge sedan familjens vikter släpptes: 150° per år, upp till 750°. Det behåller gamla nedladdningar som haft år på sig att samlas för att frysa toppen av listan.
Familjeboost: En liten, begränsad skjuts för LoRAs från en familj som den här sajten just nu vill lyfta fram, alltid med i uppdelningen.
Stand-in-poäng: Ett stabilt nummer under golvet som ges till en modell som ännu inte har rapporter från någon källa, så listorna förblir kompletta. Den rankas aldrig högre än en modell med data.
Ny! (karensperiod): En modell som är mindre än 7 dagar gammal visar Ny! istället för poäng och räknas inte i rankningen. Poängen räknas från dag ett, men en modell som är en dag gammal växer snabbare än allt annat, så utan väntan skulle veckans #1 alltid vara det som kom ut igår istället för det som hållit i en vecka.
Trend: Hur en modells tillväxt under en period jämförs med den typiska modellens tillväxt under samma period. Snabbare än vanligt läses som en ökning, långsammare som en nedgång.
Typisk modell: Mitten av katalogen: hälften av modellerna med siffror växte snabbare under perioden, hälften långsammare.

Liknande modeller

Llama 3.1 Nemotron 70B Instruct

TEXT / LLM

GPT 6 Sol

TEXT / LLM

AI-modeller för bild-, video- och textgenerering

Muse Spark 1.1 är en textmodell för familjen Text / LLM, listad på ModelTrends.ai, en skrivskyddad katalog över AI-modeller med öppen källkod för bild, video och text. Jämför den med andra Text / LLM-modeller och se dess hettapoäng.

Fler Text / LLM-modeller llm meta vision video resonemang agenter kodning lång kontext

Bläddra efter modellfamilj