Meta выпустила Muse Spark 1.1 10 июля 2026 года — новейшую AI-модель из подразделения Meta Superintelligence Labs (MSL). Релиз подчеркивает попытку компании закрепиться в качестве конкурентной силы на рынке frontier AI. Запуск нацелен на то, чтобы поставить Meta против соперников за счет продвинутых агентных и кодинговых возможностей в сочетании с агрессивным ценообразованием. Выход совпадает с более широкой волной объявлений об AI на этой неделе, включая новые семейства моделей от OpenAI и xAI, что демонстрирует ускоряющийся темп конкуренции во всей индустрии.
Meta выпускает мультимодальную AI-модель с контекстным окном в один миллион токенов
Muse Spark 1.1 позиционируется как мультимодальная модель рассуждений, оптимизированная для агентных задач — тех, что требуют длительного планирования, использования инструментов и многошагового исполнения в рамках внешних приложений и сервисов. Модель поддерживает контекстное окно в один миллион токенов и обучена активно управлять этим контекстом: уплотняя информацию и извлекая релевантные детали на протяжении длительных сессий, не теряя связности. По данным Meta, она обобщает в режиме zero-shot для новых нативных инструментов, MCP-серверов и пользовательских навыков, а также может работать как основной оркестратор-агент и как делегированный сабагент внутри более крупных систем.
Что касается работы с компьютером, Muse Spark 1.1 рассчитана на навигацию по сценариям с участием нескольких приложений, где информация динамически меняется. Вместо того чтобы выполнять каждое действие через интерфейс, она выбирает между созданием скриптов автоматизации и прямым взаимодействием — в зависимости от того, что эффективнее. Meta заявляет, что такое поведение было намеренно обучено модели. В части кода обновление дает существенные результаты в задачах масштаба предприятия: выявление сложных багов, внедрение функций в больших кодовых базах и выполнение миграций кода.
Глава MSL Александра Ванга отметила в медиа-репортажах, что кодинговая способность рассматривается как фундаментальная для агентной производительности, а не как отдельная функция. «Вам, по сути, нужно встроить кодинговые возможности как часть этого — в поддержку общих агентных возможностей», — сказал он.
Модель также продвигает мультимодальное понимание: сильна в генерации “визуал-в-код”, умеет делать подписи к изображениям и видео, а также поддерживает агентные рабочие процессы, сочетающие восприятие и действия. Разработчики, получившие ранний доступ к API, описали ее как полноценную агентную платформу, способную справляться с нагрузками в масштабе предприятия — характеристика, совпадающая с заявленными амбициями Meta двигаться к тому, что компания называет «персональным суперинтеллектом».
Meta открыла публичный превью Meta Model API вместе с релизом, позволяя разработчикам начинать строить приложения на модели напрямую.
Meta ущемляет конкурентов тарифом на входные токены $1,25
Meta выходит на рынок API с тарифом $1,25 за один миллион входных токенов и $4,25 за один миллион выходных токенов — цифры, которые Ванга охарактеризовал как «очень агрессивные и привлекательные» по сравнению с конкурирующими frontier-моделями. Новые аккаунты также получат $20 в виде бесплатных кредитов. Для сравнения: ведущие модели Anthropic и OpenAI обычно стоят в два–пять раз дороже по стоимости output-токенов, что выводит Muse Spark 1.1 в существенно другую ценовую категорию для сценариев с высоким объемом использования.
Эта ценовая стратегия сигнализирует о большем, чем запуск продукта. Meta делает явную ставку на привлечение корпоративных разработчиков и пользователей с высоким потреблением, которые до сих пор были ограничены операционными затратами на инференс frontier-моделей. Для организаций, выполняющих крупные агентные задачи — требующие длительных многошаговых рассуждений, постоянных вызовов инструментов и удержания длинного контекста — стоимость output зачастую является ключевым фактором расходов. Модель, которая работает на конкурентном уровне за долю цены, — это не просто более дешевый вариант; она меняет экономическую картину того, что можно построить и в каком масштабе.
Пока неясно, станет ли это устойчивой ценовой войной, но давление на конкурентов уже ощущается. Anthropic, OpenAI и Google недавно инвестировали в более дешевые tier’ы моделей, и рынок стабильно движется к снижению затрат на инференс. Появление Meta на этом уровне цен может ускорить эту тенденцию. Ванга отметил, что цель — «обеспечить привлекательное ценообразование, которое масштабируется при огромном уровне потребления» — формулировка, предполагающая, что Meta ориентируется на массовое внедрение, а не на маржу. Такая позиция — то, на что конкурентам-гиперскейлерам придется реагировать.
Очевидно одно: рынок frontier AI становится все сложнее для навигации, если ориентироваться только на возможности. По мере приближения моделей по результатам в бенчмарках решающими факторами станут цена, опыт разработчиков и интеграция в экосистему — и Meta, обладая масштабом инфраструктуры и готовностью к агрессивным инвестициям, теперь является серьезным игроком во всех трех направлениях.
FAQ
Что Meta выпустила 10 июля 2026?
Meta выпустила Muse Spark 1.1 — новейшую AI-модель из подразделения Meta Superintelligence Labs (MSL). Модель оптимизирована для агентных и кодинговых задач и поддерживает контекстное окно в один миллион токенов. Также Meta открыла публичное превью Meta Model API.
Сколько Meta берет за доступ к API Muse Spark 1.1?
Meta устанавливает тариф $1,25 за миллион входных токенов и $4,25 за миллион выходных. Новые аккаунты получат $20 в виде бесплатных кредитов. По словам главы MSL Ванги, такое ценообразование «очень агрессивное и привлекательное» по сравнению с моделями Anthropic и OpenAI, которые обычно стоят в два–пять раз дороже по output-токенам.
Какие возможности предлагает Muse Spark 1.1 разработчикам?
Muse Spark 1.1 создана для агентных задач, требующих длительного планирования, использования инструментов и многошагового исполнения в рамках внешних приложений. Она поддерживает мультимодальное понимание, включая генерацию “визуал-в-код”, подписи к изображениям и видео, а также умеет навигировать по сценариям с несколькими приложениями. Модель обеспечивает существенные улучшения для кодинговых задач масштаба предприятия: диагностики сложных багов, внедрения функций в большие кодовые базы и миграций кода.
