Novantadue giorni. Da quando Meta ha promesso, l’8 aprile, che gli sviluppatori avrebbero presto potuto costruire su Muse Spark, l’azienda ha rimandato l’apertura della sua API più volte, senza una data ferma, lasciando il modello in una specie di dimostrazione permanente: si poteva vedere, non si poteva usare. Oggi, 9 luglio, quel limbo finisce. La Meta Model API entra in preview pubblica e porta con sé Muse Spark 1.1, il modello che Alexandr Wang, chief AI officer del gruppo, ha definito a CNBC il più capace mai costruito da Meta Superintelligence Labs su compiti agentici e di coding.
Il dettaglio che dice di più, però, non è tecnico, è il prezzo: un dollaro e venticinque centesimi per milione di token in ingresso, quattro e venticinque in uscita, con venti dollari di credito gratuito per chi apre un account da oggi. È la prima volta nella storia di Meta che l’azienda fa pagare l’accesso a un proprio modello, ha scritto Bloomberg nelle stesse ore dell’annuncio. Da qui in avanti Meta gioca la partita di OpenAI e Anthropic: vendere token, non solo distribuire un assistente gratuito dentro WhatsApp e Instagram.
L’uscita arriva due giorni dopo Muse Image, il modello di generazione immagini che si integra con Spark per pianificare insieme la produzione di contenuti agentici. Insieme, i due lanci compongono la settimana con cui Meta prova a dare corpo alla sua idea di superintelligenza personale, finora più uno slogan da conference call che un prodotto misurabile.
Indice degli argomenti:
Un milione di token che il modello impara a gestire da solo
Muse Spark 1.1 arriva con una finestra di contesto da un milione di token: la novità sta in quello che il modello ci fa, più che nella dimensione. Ricorda le azioni compiute in sessioni precedenti, recupera informazioni da fasi di lavoro molto anteriori, comprime la cronologia mantenendo solo i passaggi critici per il lavoro successivo. È gestione attiva della memoria, non semplice capienza.
L’architettura lavora per orchestrazione: un agente principale raccoglie il contesto, costruisce un piano e delega l’esecuzione a sub-agenti paralleli, ciascuno dei quali resta nel proprio compito, capisce quali strumenti ha a disposizione e sa quando restituire il controllo all’agente principale. Nella demo di organizzazione di una cena che accompagna l’annuncio, il modello nota a metà lavoro che l’ordine è cambiato e aggiorna la prenotazione senza che nessuno glielo chieda.
Sul coding i guadagni riguardano soprattutto compiti su codebase ampie e reali: diagnosi di bug complessi, feature su sistemi enterprise, migrazioni su larga scala. Nella dimostrazione con OpenCode, Muse Spark 1.1 costruisce un’applicazione di chat, si genera da solo gli screenshot per individuare gli errori visibili, risale al codice responsabile e verifica la correzione, in un unico ciclo che unisce coding, comprensione multimodale e uso di strumenti.
Sul computer use, il modello decide da sé quando scrivere ed eseguire uno script e quando invece agire direttamente sull’interfaccia, generando batch di azioni a ogni passaggio invece di ragionare un click alla volta: nella demo su Facebook Marketplace, parte da un video girato con lo smartphone, ne estrae le foto utili e compila da solo l’annuncio.
Aprire la porta a un dollaro e un quarto
Zuckerberg vuole vincere sul prezzo, ha raccontato Wang ad Axios. Sui token in ingresso, un dollaro e venticinque, Muse Spark 1.1 si piazza in mezzo: sopra GPT-5 mini di OpenAI e Claude Haiku 4.5 di Anthropic, sotto Claude Sonnet 4.6. Sui token in uscita, quattro dollari e venticinque, è invece il più economico dei quattro, Sonnet compreso: un dettaglio che pesa, perché nei compiti agentici, fatti di ragionamento esteso e chiamate a strumenti, è l’output a consumare la maggior parte del budget.
C’è un dettaglio tecnico che pesa più del listino: la Meta Model API è compatibile con il formato OpenAI. Amjad Masad, amministratore delegato di Replit, la descrive, nello stesso annuncio, come un pacchetto agentico completo, racchiuso in «a clean OpenAI-compatible package». Per chi ha già integrazioni scritte contro l’API di OpenAI, provare Muse Spark diventa un cambio di configurazione, non una riscrittura: in un mercato dove passare da un fornitore all’altro costa più del prezzo per token, è l’unico modo realistico di farsi provare da chi ha già investito mesi su uno stack diverso.
Fino a ieri tutto questo restava una promessa. La preview privata annunciata ad aprile era riservata a partner selezionati, e per mesi Meta non ha comunicato una data pubblica di apertura, come ha ricostruito CNBC. Con la preview pubblica di oggi, chiunque negli Stati Uniti può registrarsi, testare i prompt, confrontare gli output, prototipare un’integrazione.
La cesura con l’eredità aperta di Llama
La storia dei modelli Meta, fino alla primavera di quest’anno, era un’altra: pesi aperti, scaricabili, adattabili sul proprio hardware. Llama aveva costruito la reputazione dell’azienda proprio su questo, ed è anche per questo che l’accoglienza fredda riservata da sviluppatori e critica a Llama 4, nell’aprile del 2025, ha pesato così tanto sulle decisioni successive di Zuckerberg.
Due mesi dopo, Meta ha investito 14,3 miliardi di dollari per una quota del 49% in Scale AI, portando in azienda il suo fondatore, Alexandr Wang, con l’incarico di chief AI officer e la guida della nuova Meta Superintelligence Labs. Muse Spark, arrivato un anno dopo Llama 4, è stato il primo risultato: un modello chiuso, ospitato solo sui server di Meta, senza pesi da scaricare. Si è trattato del primo passo di Meta verso modelli fondazionali proprietari, in rottura con l’adesione stretta all’open weight che aveva definito Llama, come ha osservato CNBC ricostruendo il primo anno di lavoro di Wang.
Wang aveva parlato di Muse Spark come di un antipasto, promettendo modelli più grandi in arrivo. Muse Spark 1.1 è la prima portata dopo l’antipasto, e la preview pubblica della API è la prova che Meta non intende tornare sui suoi passi: la disponibilità di versioni open promessa più volte da Wang resta, per ora, un’intenzione dichiarata, non un impegno con una data.
Replit, Cline e Box scommettono per primi
Oltre a Masad, altri due nomi pesano nella lista dei primi utilizzatori citati da Meta. Saoud Rizwan, amministratore delegato di Cline, racconta di aver voluto dare ai propri sviluppatori un accesso anticipato proprio per la combinazione di uso efficace degli strumenti e prezzo sostenibile su carichi di lavoro di coding reali, a scala. Yashodha Bhavnani, alla guida dei prodotti AI di Box, racconta che il modello ha retto il confronto con le valutazioni interne dell’azienda su compiti aziendali, mostrando forza soprattutto nei flussi di lavoro strutturati e procedurali di settori come i servizi professionali, la pubblica amministrazione, le operazioni industriali.
Prima di arrivare a questi tre nomi, Muse Spark 1.1 è passato da una valutazione di sicurezza costruita secondo l’Advanced AI Scaling Framework di Meta, che misura rischio chimico e biologico, cyber, perdita di controllo. Su tutti e tre i fronti l’azienda dichiara di operare entro margini di sicurezza, con una resistenza maggiore ai jailbreak diretti e agli attacchi indiretti da dati non fidati rispetto alla versione precedente, oltre a un tasso di allucinazione più basso e una minore tendenza ad assecondare l’utente. Sono affermazioni dell’azienda stessa, non verificate da soggetti terzi indipendenti, e vanno lette come tali: restano comunque il primo argomento che un reparto IT porta al tavolo prima di autorizzare un fornitore su carichi di lavoro sensibili.
Watermelon, il modello che deve arrivare dopo
Wang non fa mistero di dove punti davvero: ha detto ad Axios che sta già addestrando un modello molto più grande, nome in codice Watermelon, che userà una quantità di calcolo sostanzialmente superiore e arriverà più avanti nell’anno. Muse Spark 1.1, nella sua lettura, resta un passaggio intermedio: il salto che dovrebbe avvicinare Meta a Gemini 3.1 Pro, GPT-5.4 e Claude Opus 4.6 sui benchmark che pesano di più arriva, semmai, con Watermelon.
Nel frattempo la scommessa di fondo non cambia: la forza di Meta, nelle parole dello stesso Wang, sono i miliardi di persone che usano ogni giorno WhatsApp, Instagram, Facebook e Messenger, e la quantità di informazioni che l’azienda ha già su di loro. Un CTO che valuta oggi Muse Spark 1.1 per un progetto agentico si trova a pesare due cose insieme: un modello competitivo ma non ancora al vertice dei benchmark indipendenti, tenuto da un fornitore che offre prezzi aggressivi, compatibilità immediata con lo stack già in uso e un ecosistema di distribuzione che nessun concorrente può replicare.
Il modello più grande, quello che secondo Wang dovrebbe spostare davvero i numeri, è già in addestramento. Quando arriverà, la preview pubblica aperta oggi sembrerà quello che probabilmente era fin dall’inizio: il primo tassello di un piano molto più lungo.
Partecipa alla community