> diffnotes · 12 Jul 2026 · 7 мин

Meta впервые в истории продаёт свою модель. Muse Spark 1.1 стоит четверть цены конкурентов — а на HN уже поймали её бенчмарки на читерстве

Десять лет стратегия Meta в AI звучала одинаково: качай веса бесплатно, хости сам. 9 июля она закончилась. Meta Superintelligence Labs выпустила Muse Spark 1.1 и вместе с ней Meta Model API — первый в истории компании платный API к собственной модели. Цукерберг ради этого написал первый пост в X за три года. А Hacker News за сутки нашёл в бенчмарках то, что Meta предпочла бы не обсуждать.

TL;DR: Muse Spark 1.1 — мультимодальная reasoning-модель для агентных задач: 1M контекста, $1.25/$4.25 за миллион токенов против $5/$25+ у Opus 4.8 и GPT-5.5, совместимость с OpenAI и Anthropic SDK, $20 бесплатных кредитов на старт. Выигрывает агентные бенчмарки (MCP Atlas 88.1 против 82.2 у Opus), проигрывает кодинг. На HN разобрали её прогон Terminal-Bench и нашли нарушение лимитов ресурсов. Preview только для разработчиков из США.

Что запустила Meta и почему это разворот?

Meta впервые продаёт доступ к собственной модели: Muse Spark 1.1 доступна только как hosted API с потокенной оплатой, скачать веса нельзя. Это конец эпохи «Llama как продукт» — теперь Meta конкурирует с OpenAI, Anthropic и Google не за скачивания, а за API-трафик.

Сам Цукерберг на подкасте Bloomberg сформулировал стратегию без обиняков: «Цены у некоторых других лабораторий очень экстремальные, с очень высокой маржой. Мы считаем, что можем отдавать фронтир-интеллект намного дешевле». Перевод: Meta заходит на рынок как демпингующий новичок, что для компании её размера звучит абсурдно — и тем не менее это ровно то, что происходит с прайсом.

Для фанатов открытых весов есть утешение: Alexandr Wang подтвердил CNBC, что open-source вариант Muse Spark в работе. Без дат и деталей, но сам факт означает, что Llama-линия не похоронена, а раздвоена: закрытый флагман за деньги, открытый вариант позже.

Сколько стоит Muse Spark 1.1?

Прайс — главное оружие релиза: $1.25 за миллион input-токенов, $0.15 за кешированные, $4.25 за output. Input ровно вчетверо дешевле, чем у GPT-5.5 и Opus 4.8 (оба берут $5), output — 17% от цены Opus ($25) и 14% от GPT-5.5 ($30). Каждый новый аккаунт получает $20 кредитов — этого хватает на несколько миллионов токенов экспериментов.

Полный прайс-лист Meta Model API:

Input — $1.25 за миллион
Кешированный input — $0.15 за миллион
Output (включая reasoning-токены) — $4.25 за миллион
Web search grounding — $2.50 за 1000 поисковых запросов
На старте — $20 бесплатных кредитов

Обрати внимание на скобку про reasoning: Thinking-режим биллит цепочки рассуждений по полной output-ставке. Тяжёлый reasoning-вызов стоит как длинный ответ, даже если видимый ответ — три строчки.

API совместим сразу с двумя SDK — OpenAI (Chat Completions и Responses) и Anthropic Messages. Мигрировать существующего агента — это буквально поменять base URL и имя модели на muse-spark-1.1. Simon Willison уже сделал плагин для llm:

uv tool install llm
llm install llm-meta-ai
llm keys set meta-ai
# вставь API-ключ
llm -m meta-ai/muse-spark-1.1 "Generate an SVG of a pelican riding a bicycle"

Что с бенчмарками — и на чём поймали Meta?

Картина по вендорским цифрам честно раздвоенная: Muse Spark 1.1 выигрывает агентные и tool-use бенчмарки, но проигрывает чистый кодинг. MCP Atlas — 88.1 против 82.2 у Opus 4.8 и 75.3 у GPT-5.5; JobBench — 54.7 против 48.4 у Opus; Humanity's Last Exam с инструментами — 62.1 против 57.9. А вот SWE-Bench Pro — 61.5 против 69.2 у Opus, и на длинном кодинге DeepSWE GPT-5.5 впереди с большим отрывом (67.0 против 53.3). Meta построила не убийцу Opus, а дешёвую рабочую лошадь для tool-heavy агентов — и сами бенчмарки, которые она выбрала выигрывать, это подтверждают.

Теперь неприятная часть. Пользователь GodelNumbering на Hacker News вскрыл методологию Terminal-Bench 2.1 из отчёта Meta: задачи гоняли на 6 CPU-ядрах и 8 ГБ RAM, тогда как в официальном бенчмарке ни одна из 89 задач не разрешает 6 ядер (максимум 4, и то в одной), а 8 ГБ RAM допускают только 8 задач из 89. Часть задач Terminal-Bench специально проверяет работу в жёстких лимитах — например, обучить CNN на 1 CPU и 2 ГБ. Дай агенту больше железа, и слабая модель внезапно «решает» задачу. Поэтому в официальном лидерборде Terminal-Bench Muse Spark 1.1 отсутствует. Комментарий бывшего сотрудника Meta в том же треде — вишенка: «Number go up — главная метрика перформанса, пока не закрыт перформанс-ревью».

Подводные камни

Preview только для США. Meta Model API открыт «for US developers», EU-доступа нет вообще — даже хуже, чем у Grok 4.5 с его «серединой июля».
Terminal-Bench прогнан с нарушением лимитов ресурсов. 6 CPU/8 ГБ вместо разрешённых — деталь из собственного отчёта Meta, из-за которой модели нет в официальном лидерборде. Остальные вендорские цифры после такого тоже стоит перепроверять своими eval'ами.
Reasoning-токены по $4.25. Thinking-режим биллится как output целиком — на задачах с длинными рассуждениями реальная цена вызова в разы выше, чем подсказывает калькуляция по видимому ответу.
Это public preview. Цены, rate limits и условия могут поменяться до GA — Meta прямо оставляет себе это право. Строить на этом прод сегодня — риск проснуться с другим прайсом.
Кодинг — не её лига. Отставание от Opus 4.8 на 8 пунктов SWE-Bench Pro признаёт сама Meta. Для точного одношотного кода это не замена флагманам.

Альтернативы

DeepSeek V4-Pro — бессменный король дешёвого API: $0.87 за миллион output, впятеро дешевле даже Muse Spark, но без мультимодальности и родного tool-use такого уровня.
Grok 4.5 — вышла в ту же неделю за $2/$6: дороже, зато доступна не только в США и с сильным кодингом.
GPT-5.6 Terra — средний класс OpenAI за полцены GPT-5.5: если нужен баланс кодинга и агентных задач в одной модели, а не специализация.

Вердикт

Если твой агент больше дёргает инструменты, чем пишет код — MCP-серверы, browser use, оркестрация по API — бери $20 кредитов и гоняй свои сценарии прямо сейчас: связка «первое место на MCP Atlas + четверть цены конкурентов» в этой нише выглядит лучшим предложением на рынке. Для кодинга не бери — сама Meta показывает отставание от Opus и GPT-5.5. И не цитируй её цифру Terminal-Bench в своих слайдах: она получена с нарушением правил бенчмарка и в официальный лидерборд не попала.

Как попробовать

Зарегистрируйся на dev.meta.ai (нужен американский аккаунт разработчика) — $20 кредитов начисляются сразу.
Быстрый тест без кода: uv tool install llm && llm install llm-meta-ai && llm keys set meta-ai, дальше llm -m meta-ai/muse-spark-1.1 "твой промпт".
Для существующего агента на OpenAI SDK: поменяй base URL на эндпоинт Meta и модель на muse-spark-1.1 — Chat Completions и Responses поддерживаются как есть.
Прогони свой реальный tool-use сценарий и сравни со своей текущей моделью: агентные бенчмарки у Meta красивые, но твой workload — единственный бенчмарк, который имеет значение.
Включи web search grounding ($2.50 за тысячу запросов) на задачах, где агенту нужны свежие данные — это встроенная альтернатива отдельному поисковому API.