- Meta ha lanciato Muse Spark 1.1, un modello AI progettato per task agentici: può operare in autonomia su sistemi reali, gestire più sotto-agenti in parallelo e mantenere il contesto su sessioni lunghe grazie a una finestra da 1 milione di token.
- Tra le funzioni principali: controllo del computer tramite interfacce grafiche, coding avanzato su sistemi enterprise e comprensione multimodale di immagini e audio.
- Il modello è già disponibile nell'app Meta AI in modalità "Thinking" e accessibile agli sviluppatori tramite la Meta Model API in anteprima pubblica.
Meta ha presentato Muse Spark 1.1, la nuova versione del suo modello multimodale, definendolo un salto di qualità rispetto al predecessore. Non si tratta di un aggiornamento incrementale: il modello è progettato specificatamente per compiti agentici, ovvero per operare in modo autonomo su sistemi reali, prendere decisioni in sequenza e completare task complessi senza che l’utente debba intervenire a ogni passaggio.
Il lancio arriva in un momento in cui OpenAI e Anthropic monopolizzano l’attenzione con i loro modelli di punta. Per Meta, Muse Spark 1.1 rappresenta un rientro deciso nella corsa all’intelligenza artificiale avanzata, dopo mesi di riorganizzazione interna. Il modello è sviluppato dai Superintelligence Labs di Meta, la divisione guidata da Alexandr Wang, ex CEO di Scale AI. È già disponibile in modalità “Thinking” sull’app Meta AI e su meta.ai e accessibile agli sviluppatori tramite la Meta Model API, ora in anteprima pubblica.
Come funziona il sistema multi-agente di Muse Spark 1.1
L’architettura di Muse Spark 1.1 si basa su un sistema a più livelli: un agente principale riceve il compito, elabora un piano d’azione e lo distribuisce a una serie di agenti secondari che lavorano in parallelo. Ogni sotto-agente gestisce una porzione specifica del lavoro, usa gli strumenti disponibili e riporta al coordinatore centrale quando necessario. Questo approccio permette di completare progetti articolati in tempi molto più brevi rispetto a un modello che lavora in sequenza.
Un altro elemento che distingue Muse Spark 1.1 è la gestione attiva di una finestra di contesto da 1 milione di token. Il modello non si limita a ricordare passivamente tutto quello che è successo: seleziona le informazioni rilevanti, comprime il contesto non essenziale e tiene traccia delle azioni compiute in sessioni precedenti. In pratica, si comporta più come un collaboratore che lavora su un progetto a lungo termine che come un assistente che risponde a domande isolate.
Muse Spark 1.1 può prendere il controllo del computer
Una delle funzioni più rilevanti riguarda il computer use: Muse Spark 1.1 può navigare interfacce grafiche, gestire applicazioni e svolgere operazioni su più programmi in successione, con un intervento minimo da parte dell’utente. Sa riconoscere quando è più efficiente automatizzare un’azione e quando invece conviene navigare manualmente nell’interfaccia. Questo tipo di capacità, già presente in altri modelli come quelli di Anthropic, arriva ora anche nell’ecosistema Meta con miglioramenti dichiarati sulla gestione di sessioni lunghe.
Sul fronte del coding, il modello è stato ottimizzato per ambienti enterprise: può diagnosticare bug in sistemi complessi, aggiungere funzionalità a codebase esistenti e gestire migrazioni di codice su larga scala. Le capacità multimodali completano il quadro: Muse Spark 1.1 elabora immagini e audio, genera descrizioni dettagliate e, combinando questa lettura visiva con le sue funzioni agentiche, può interpretare lo stato dello schermo e agire di conseguenza.
Vale la pena notare che tutto questo si inserisce in un panorama competitivo che si sta muovendo rapidamente. Nella stessa settimana, xAI ha rilasciato Grok 4.5, anch’esso orientato al coding e ai task agentici, e OpenAI ha presentato GPT-Live, il modello vocale full-duplex. La convergenza verso modelli che operano su sistemi reali, in modo autonomo e multimodale, sembra essere la direzione che tutto il settore sta prendendo in modo coordinato.
Meta ha anche comunicato i risultati delle valutazioni di sicurezza condotte su Muse Spark 1.1, seguendo il suo Advanced AI Scaling Framework. Il modello mostra una resistenza elevata a jailbreak, prompt injection e altri vettori di attacco comuni. È un dettaglio che conta, perché un agente in grado di controllare un computer rappresenta una superficie di rischio diversa rispetto a un chatbot tradizionale.
La vera domanda, per i prossimi mesi, riguarda quanto queste capacità agentiche si traducano in utilità reale per sviluppatori e aziende che le integrano tramite API. La disponibilità pubblica di Meta Model API apre la strada a applicazioni concrete: sarà quella la prova del nove.
