Muse Spark 1.2, l’aggiornamento del modello di coding che Meta ha lanciato a luglio, entra nel top 5 del Vals Index a 0,69 dollari per test. Tre volte meno di Kimi, dieci volte meno di Claude Opus, Fable e GPT-5.6 Sol. È anche il primo modello sopra il 60% su Finance Agent v2, a 0,77 dollari contro i 5,12 di Opus 5.

Meta dichiara risultati da medaglia d’oro in cinque olimpiadi STEM, con punteggi perfetti nelle prove teoriche di fisica. Li ha ottenuti con ragionamento puro e orchestrazione multi-agente in parallelo, senza chiamare strumenti esterni.

Per chi usa l’AI nel proprio lavoro, il segnale conta più dei numeri singoli. Il prezzo per task corretta sta diventando il discriminante fra i frontier. Quando le prestazioni sono simili, a decidere è il costo. È lo stesso filo che abbiamo visto con DeepSeek V4-Flash e con il taglio dell’80% sul prezzo di Luna.

Meta offre anche una versione “contributor” a 0,10 dollari per milione di token in input e 0,20 in output, se accetti che i tuoi dati servano ad addestrare i loro modelli. La versione standard costa 1,25/4,25.

Nel dettaglio

Cosa c’era prima. Meta è arrivata tardi nella gara dei coding agent. Muse Spark 1.1, a luglio, aveva prezzi aggressivi ma prestazioni ancora sotto la fascia frontier. Il salto di 1.2 viene dallo scale-up del training su coding: Meta ha aumentato il compute su task di codifica, ha diversificato gli ambienti di addestramento e ha co-trained il modello con Muse Code, il suo coding agent proprietario. L’idea è che il modello dà il meglio quando è abbinato al suo harness specifico.

I numeri sul Vals Index. 1.2 passa da “fuori classifica” a top 5 a 0,69 dollari per test. Su Finance Agent v2, è il primo sopra il 60% di accuratezza a 0,77 dollari per tentativo, contro i 5,12 di Opus 5, e a velocità doppia. Artificial Analysis ha registrato uno dei salti di punteggio più grandi per 1.2 dopo l’aggiornamento dei criteri di valutazione (patch v4.1.1). Quanto del salto sia reale e quanto sia il grading cambiato resta da chiarire, ma il pattern è coerente fra due benchmark indipendenti.

Le olimpiadi senza strumenti. Meta ha partecipato a cinque olimpiadi STEM (fisica, matematica, chimica, ragionamento matematico) ottenendo livello medaglia d’oro in tutte, tre delle quali sotto condizioni di gara ufficiali con valutazione ufficiale. Il dettaglio che ha acceso il dibattito è il “no tools”: niente search, niente codice, niente calcolatrice. Solo ragionamento, con multi-agent orchestration in parallelo. François Chollet e altri hanno discusso quanto del risultato sia il modello e quanto sia l’harness. La domanda di fondo, che torna ogni volta che un lab pubblica numeri del genere, è se stiamo misurando la capacità del modello o la qualità dell’infrastruttura che lo circonda.

Il prezzo come arma competitiva. Due ID modello con lo stesso motore. La versione standard, muse-spark-1.2, costa 1,25 dollari per milione di token in input e 4,25 in output, in linea con Gemini 3.6 Flash (1,50/7,50). La versione contributor, muse-spark-1.2-contributor, scende a 0,10/0,20 dollari, vicina a GPT-5.6 Luna (0,20/1,20) e Gemini 3.1 Flash-Lite (0,25/1,50). La differenza è il consenso sui dati: nella versione contributor, Meta usa le tue conversazioni per addestrare. Trasforma la privacy in sconto: chi cede i propri dati paga un ordine di grandezza meno.

Limiti. I risultati delle olimpiadi sono auto-dichiarati da Meta, anche se tre sono stati valutati in condizioni di gara ufficiali. Il “no tools” è una rivendicazione che il dibattito accademico sta mettendo in discussione. I prezzi sono pubblici, ma la capacità di serving reale resta un punto aperto. Non ci sono ancora test indipendenti su task di produzione, solo benchmark. Per chi valuta il modello, vale il solito principio: i benchmark misurano medie, non il tuo caso.