Meta merilis Muse Spark 1.1 pada 10 Juli 2026, model AI terbaru dari divisi Meta Superintelligence Labs (MSL), menandai upaya perusahaan untuk menjadi kekuatan kompetitif di pasar AI frontier. Rilis ini bertujuan memposisikan Meta melawan para pesaing melalui kemampuan agentic dan pengodean yang lebih canggih, dipadukan dengan penetapan harga yang agresif. Peluncuran bertepatan dengan lonjakan pengumuman AI yang lebih luas minggu ini, termasuk keluarga model baru dari OpenAI dan xAI, yang menyoroti laju percepatan persaingan di seluruh industri.
Meta Merilis Model AI Multimodal dengan Jendela Konteks Satu Juta Token
Muse Spark 1.1 diposisikan sebagai model penalaran multimodal yang dioptimalkan untuk tugas-tugas agentic—yakni yang memerlukan perencanaan berkelanjutan, penggunaan alat, dan eksekusi multi-langkah di aplikasi dan layanan eksternal. Model ini mendukung jendela konteks satu juta token dan dilatih untuk mengelola konteks tersebut secara aktif, mengompresi informasi serta mengambil detail yang relevan di sesi yang panjang tanpa kehilangan koherensi. Menurut Meta, model ini melakukan generalisasi secara zero-shot ke tool native baru, server MCP, dan skill kustom, serta dapat beroperasi baik sebagai agen orkestrasi utama maupun sebagai subagent yang didelegasikan dalam sistem yang lebih besar.
Dalam hal penggunaan komputer, Muse Spark 1.1 dirancang untuk menavigasi alur kerja multi-aplikasi di mana informasi berubah secara dinamis. Alih-alih mengeksekusi setiap aksi melalui antarmuka, ia memilih antara menulis skrip otomatisasi dan interaksi langsung tergantung pada mana yang lebih efisien—perilaku yang dikatakan Meta sengaja dilatih ke dalam model. Dari sisi pengodean, pembaruan ini menghadirkan peningkatan besar untuk tugas skala perusahaan: mendiagnosis bug kompleks, mengimplementasikan fitur di basis kode yang besar, dan mengeksekusi migrasi kode.
Kepala MSL Alexandr Wang mencatat dalam laporan media bahwa kemampuan pengodean diperlakukan sebagai fondasi untuk performa agentic, bukan sekadar fitur berdiri sendiri. "Anda pada dasarnya harus membangun kemampuan pengodean sebagai bagian darinya, untuk mendukung kemampuan agentic secara keseluruhan," katanya.
Model ini juga memajukan pemahaman multimodal, dengan keunggulan pada generasi visual-ke-kode, captioning gambar dan video, serta alur kerja agentic yang menggabungkan persepsi dan aksi. Pengembang yang menggunakan akses API awal telah menggambarkannya sebagai fondasi agentic lengkap yang mampu menangani beban kerja skala besar—sebuah karakterisasi yang sejalan dengan ambisi Meta yang dinyatakan untuk membangun menuju apa yang disebutnya "superinteligensi personal".
Meta membuka pratinjau publik Meta Model API bersamaan dengan rilis tersebut, memungkinkan pengembang mulai membangun langsung dengan model.
Meta Menggempur Pesaing dengan Harga Token Input $1,25
Meta masuk ke pasar API dengan tarif $1,25 per satu juta token input dan $4,25 per satu juta token output—angka yang disebut Wang sebagai "sangat agresif dan menarik" dibanding model frontier yang bersaing. Akun baru juga akan menerima $20 dalam kredit gratis. Sebagai perbandingan, model terkemuka dari Anthropic dan OpenAI biasanya dibanderol dua hingga lima kali lebih tinggi pada token output, menempatkan Muse Spark 1.1 pada kategori biaya yang jauh berbeda untuk kasus penggunaan volume tinggi.
Strategi penetapan harga ini menandakan sesuatu yang lebih besar daripada sekadar peluncuran produk. Meta membuat tawaran yang jelas untuk menarik pengembang enterprise dan pengguna dengan konsumsi tinggi yang sampai sekarang dibatasi oleh biaya operasional inferensi model frontier. Untuk organisasi yang menjalankan beban kerja agentic besar—jenis yang membutuhkan penalaran multi-langkah berkelanjutan, panggilan alat yang terus-menerus, dan retensi konteks yang panjang—biaya output sering menjadi variabel dominan dalam total pengeluaran. Model yang berperforma kompetitif dengan sebagian kecil dari harga bukan sekadar alternatif yang lebih murah; model itu mengubah kalkulus ekonomi tentang apa yang bisa dibangun dan pada skala berapa.
Apakah ini merupakan pembukaan perang harga yang berkelanjutan masih harus dilihat, tetapi tekanan pada pesaing nyata. Anthropic, OpenAI, dan Google semuanya telah melakukan investasi baru-baru ini pada tier model yang lebih murah, dan arah pasar secara konsisten bergerak menuju penurunan biaya inferensi. Masuknya Meta pada titik harga ini dapat mempercepat tren tersebut. Wang menyatakan tujuan adalah "memiliki harga yang menarik yang meningkat seiring penggunaan konsumsi yang sangat besar"—kerangka ini menunjukkan bahwa Meta mengoptimalkan adopsi volume, bukan margin, sikap yang perlu ditanggapi oleh para pesaing hyperscaler-nya.
Yang jelas, pasar AI frontier menjadi sulit dinavigasi hanya dengan kemampuan. Saat model mendekati kinerja benchmark, penetapan harga, pengalaman pengembang, dan integrasi ekosistem muncul sebagai pembeda utama—dan Meta, dengan skala infrastrukturnya serta selera untuk investasi agresif, kini menjadi peserta serius di ketiganya.
FAQ
Apa yang dirilis Meta pada 10 Juli 2026?
Meta merilis Muse Spark 1.1, model AI terbaru dari divisi Meta Superintelligence Labs (MSL). Model ini dioptimalkan untuk aplikasi agentic dan pengodean serta mendukung jendela konteks satu juta token. Meta juga membuka pratinjau publik Meta Model API bersamaan dengan rilis tersebut.
Berapa biaya yang dikenakan Meta untuk akses API Muse Spark 1.1?
Meta masuk ke pasar API dengan tarif $1,25 per satu juta token input dan $4,25 per satu juta token output. Akun baru akan menerima $20 dalam kredit gratis. Menurut kepala MSL Alexandr Wang, harga ini "sangat agresif dan menarik" dibanding model frontier yang bersaing dari Anthropic dan OpenAI, yang biasanya dibanderol dua hingga lima kali lebih tinggi pada token output.
Kemampuan apa yang ditawarkan Muse Spark 1.1 untuk pengembang?
Muse Spark 1.1 dirancang untuk tugas agentic yang memerlukan perencanaan berkelanjutan, penggunaan alat, dan eksekusi multi-langkah di aplikasi eksternal. Model ini mendukung pemahaman multimodal termasuk generasi visual-ke-kode, captioning gambar dan video, serta dapat menavigasi alur kerja multi-aplikasi. Model ini menghadirkan peningkatan substansial untuk tugas pengodean skala enterprise seperti mendiagnosis bug kompleks, mengimplementasikan fitur di basis kode yang besar, dan mengeksekusi migrasi kode.
