Quale modello di Meta AI conviene usare: Muse Spark e gli altri

Meta non ha più un solo modello di intelligenza artificiale: ne ha almeno quattro strade diverse, e non si escludono a vicenda. C’è l’assistente che risponde dentro WhatsApp e Instagram senza che nessuno l’abbia installato apposta. C’è un agente che su Mac e iPhone apre davvero le cartelle e rinomina i file, invece di dire come farlo. C’è un modello per chi scrive codice, disponibile sia in abbonamento sia a consumo. E c’è quello che resta della vecchia famiglia Llama, ancora scaricabile da chi vuole farlo girare sui propri server. Questa guida mette in fila le quattro strade con prezzi in euro, limiti reali ed esempi concreti, ed è il primo pezzo di una serie in cui confrontiamo, produttore per produttore, quale modello di intelligenza artificiale conviene usare.

Il pezzo tecnico lo abbiamo già scritto: la nostra guida a Muse Spark 1.3 copre nel dettaglio prezzi API, codice di esempio e benchmark per chi programma. Qui l’angolo è diverso: aiutare chi deve scegliere, tra un uso quotidiano dentro le app che già usa e un progetto che gira su un server, senza dover leggere due documentazioni diverse.

I modelli Meta AI a confronto

La tabella mette insieme le versioni attive al 30 settembre 2026. I prezzi del listino Model API sono in dollari nell’originale: la conversione usa il cambio di riferimento della Banca centrale europea del 14 settembre 2026 (1 euro = 1,1551 dollari) ed è quindi un ordine di grandezza, non una cifra contrattuale.

Meta AI: quando conviene e quando no

Meta AI vive dentro le app che quasi tutti in Italia hanno già installate. Non è un prodotto a cui ci si iscrive: è già lì, richiamabile scrivendo la menzione dedicata in una chat di gruppo WhatsApp o aprendo la scheda apposita in Instagram.

Conviene per le domande che altrimenti costringerebbero ad aprire un’altra app: in un gruppo WhatsApp che organizza una cena, chiedere all’assistente un ristorante di pesce aperto la sera stessa, oppure farsi riassumere duecento messaggi arretrati per chi si è unito in ritardo (i comandi di base sono gli stessi che abbiamo elencato nella guida su come usare l’AI su WhatsApp e Telegram). Conviene anche per una ricerca veloce senza cambiare finestra, tipo il prezzo di un treno scritto direttamente dentro Messenger.

Non conviene, invece, per tutto ciò che richiede continuità o output riutilizzabile. Chi deve far analizzare un contratto di dieci pagine e ottenere una tabella con le clausole critiche non troverà in Meta AI un posto dove salvare il lavoro e riprenderlo il giorno dopo: mancano progetti e file persistenti, e per quello restano più comodi strumenti come ChatGPT o Claude. E chi in Italia si aspetta di generare o modificare immagini dentro la chat resterà deluso: la versione europea non include questa funzione né la modalità vocale con risposte personalizzate, riservate per ora a Stati Uniti, Canada, Australia e Nuova Zelanda per via delle contestazioni delle autorità di protezione dati sull’uso dei contenuti degli utenti per l’addestramento.

Muse: quando conviene e quando no

Muse è un prodotto diverso da Meta AI, anche se condivide la stessa famiglia di modelli sotto il cofano. Non risponde in una finestra di chat: apre il Finder, legge documenti, consulta il Calendario e porta a termine un incarico scritto in linguaggio naturale, chiedendo conferma prima di ogni azione che non si può annullare.

Ha senso per chi lavora su Mac e accumula materiale disordinato. Un caso pratico: un consulente con decine di fatture nella cartella Scaricati può affidare a Muse il compito di dividerle per cliente e rinominarle con data e nome, invece di farlo a mano una sera. Oppure gli si chiede di guardare gli appuntamenti del giovedì e preparare le bozze di risposta per chi ha scritto in ritardo, lasciando poi la scelta di inviarle o correggerle.

Non ha senso per chi lavora su Windows o Linux, perché una versione per quei sistemi non esiste e non è stata annunciata. E non ha senso, almeno per ora, su un computer di lavoro con documenti di clienti: a fine settembre 2026 il ricercatore di sicurezza Patrick Wardle ha reso pubblica una falla nella versione Mac che permetteva a un processo senza privilegi di dirottare la dettatura e tentare iniezioni di istruzioni nascoste sfruttando i permessi già concessi all’app; nello stesso periodo Amazon ha bloccato Muse dall’uso per fare acquisti sul proprio sito perché l’agente non si presentava come programma automatico. Per un prodotto lanciato da poche settimane, sono segnali da prendere sul serio prima di dargli accesso a posta e agenda di lavoro.

Muse Spark 1.3: quando conviene e quando no

Muse Spark 1.3 non è pensato per chiacchierare: è un modello costruito per lavorare da solo su compiti lunghi, con una finestra di contesto (la quantità di testo che riesce a tenere in considerazione in una volta sola, misurata in token, cioè i frammenti in cui il testo viene diviso) di un milione di token, sufficiente per un’intera base di codice di progetto medio. Ci si arriva in due modi: Muse Code, l’agente da terminale che si installa con una riga di comando su macOS e Linux, oppure il Model API, per chi scrive il proprio software puntando il client a un indirizzo diverso da quello a cui è abituato.

Conviene a un team che fa girare un agente per ore su una sessione di refactoring: si può lanciare un compito come “analizza l’intero repository, esegui i test che falliscono e apri una richiesta di modifica con la correzione” e lasciarlo lavorare in background, perché Muse Code funziona con più agenti in parallelo e un revisore che controlla in sottofondo. Conviene anche a chi deve far leggere al modello uno screenshot di un’interfaccia rotta invece di descriverla a parole, perché immagini e video entrano nella stessa chiamata.

Non conviene a chi cerca un’interfaccia per un collega che non programma: Muse Code vive in un terminale, non ha un’app con cui dialogare, e per la scrittura o il lavoro quotidiano di chi non scrive codice altri assistenti restano più comodi. E sulla scelta tra le due versioni del Model API il criterio non è tecnico ma contrattuale: la versione standard costa dodici volte di più in ingresso e venti volte di più in uscita rispetto alla versione contributor, in cambio del fatto che Meta non riusa quei dati. Per un progetto personale o per software già aperto, la contributor può essere un affare; per un’azienda italiana che ci fa passare documenti di clienti, è una decisione che riguarda prima il responsabile della protezione dei dati che lo sviluppatore.

Llama 4 e i pesi aperti: cosa resta disponibile

Fino ad aprile 2025 Meta distribuiva Llama con i “pesi aperti”: i valori numerici che contengono l’addestramento del modello, scaricabili da chiunque per farli girare sul proprio hardware, modificarli e usarli senza mandare dati a nessuno. Con l’arrivo di Muse Spark, nell’aprile 2026, quella strada si è chiusa: come abbiamo raccontato nel pezzo su cosa significa per chi usava Llama la fine dei pesi aperti di Meta, l’azienda non ha più pubblicato un modello aperto più recente di Llama 4, e nel comunicato di rilascio di Muse Spark 1.3 si parla soltanto di un’intenzione di pubblicare in futuro pesi aperti della nuova famiglia, senza data né versione indicata.

Chi ha già costruito su Llama 4 può continuare a usarlo: i pesi distribuiti restano scaricabili secondo la licenza con cui sono usciti, e uno studio professionale o una piccola azienda italiana che lo fa girare su un proprio server per tenere i dati in casa non deve spegnere nulla. Conviene proprio in quel caso: quando la ragione per scegliere un modello aperto non è il prezzo ma il fatto che i documenti non devono lasciare la rete aziendale.

Non conviene come scommessa per il futuro: Llama 4 invecchia, resta indietro su capacità e lingue rispetto ai modelli più recenti, e nessun aggiornamento aperto è stato promesso. Chi cerca un modello aperto più fresco guarda altrove, verso Mistral (licenza Apache 2.0), DeepSeek o Qwen, oppure accetta di passare a un modello chiuso a pagamento come Muse Spark 1.3.

Dove si usa: WhatsApp, Instagram, app Meta AI e sviluppatori

La differenza più pratica in questa famiglia non è tra i modelli ma tra due modi di accedervi. Per chi usa Meta AI da persona comune, tutto passa per app che già esistono: WhatsApp, Instagram, Facebook, Messenger, l’app dedicata Meta AI, il sito ufficiale meta.ai e gli occhiali Ray-Ban Meta con fotocamera e microfono. Non si installa nulla e non si scrive una riga di codice: si scrive o si parla, e la risposta arriva nello stesso posto.

Per chi sviluppa, l’accesso cambia forma. Si passa da Meta for Developers, dove si genera una chiave per il Model API e si sceglie tra la versione standard e quella contributor di Muse Spark 1.3, oppure si installa Muse Code da terminale. Da luglio 2026 l’accesso al Model API è allargato oltre gli Stati Uniti e si può usare da un terminale italiano, ancora in anteprima pubblica. Chi in Italia vuole generare un’immagine da un testo, funzione assente nella versione consumer di Meta AI, può farlo passando dal Model API e richiamando Muse Image a 0,01 dollari per immagine: una possibilità aperta a chi scrive codice, chiusa a chi usa solo l’app.

Muse occupa una posizione a metà: si scarica come un’applicazione, senza sapere programmare, ma agisce nel sistema operativo invece che dentro una chat, ed è per ora disponibile solo su Mac, iPhone e web.

Quanto si spende in un mese di uso tipico

Per chi usa solo Meta AI dentro WhatsApp e Instagram per domande e ricerche occasionali, la spesa resta zero: l’assistente di base è gratuito e non richiede una registrazione diversa dall’account Meta che si ha già. Chi genera spesso immagini o video e vuole tetti più alti passa a Meta One Core, 6,99 euro al mese, disponibile in Italia dal 16 settembre 2026; chi ne vuole ancora di più sale a Premium, 20,99 euro al mese.

Un’attività che vuole un agente per i clienti su WhatsApp parte da Essential, 16,99 euro al mese, e sale fino a 549 euro per il livello Max, con capacità crescenti.

Per Muse, l’uso quotidiano dell’applicazione resta a zero euro, senza abbonamento né carta di credito: il costo, semmai, è concedere a un programma l’accesso a posta, messaggi e agenda.

Per uno sviluppatore che usa Muse Code in abbonamento, il piano da 5 dollari al mese (circa 4,30 euro) basta per un uso personale moderato, tra 10 e 50 richieste ogni cinque ore; chi lavora tutto il giorno su un progetto vero probabilmente ha bisogno del piano da 15 dollari (circa 13 euro) o, per più persone o accesso anticipato alle novità, di quello da 50 dollari (circa 43 euro).

Chi invece paga a consumo sul Model API può farsi un’idea con un calcolo di esempio, con cifre di listino ufficiali ma consumo ipotizzato per mostrare l’ordine di grandezza: una sessione che porta in contesto 400.000 token di codice e produce 20.000 token di risposta costa, sulla versione standard, circa 0,58 dollari (poco più di 0,50 euro); ripetuta una ventina di volte in un mese fa circa 11,7 dollari, poco più di 10 euro. La stessa sessione sulla versione contributor scende a pochi centesimi di dollaro a botta, meno di un euro sull’intero mese, perché lì Meta paga il prezzo basso con l’uso dei dati. Chi fa girare Llama 4 sui propri server non ha una riga simile da leggere: paga il server, non il token, ed è un conto che dipende dall’infrastruttura già in casa più che dal listino di un fornitore.

La regola per scegliere in fretta

La scelta si riduce a tre domande. Chi lo userà: se è una persona che scrive già dentro WhatsApp o Instagram, non serve altro, perché Meta AI è lì e non costa nulla. Dove devono restare i dati: se un cliente o un’azienda maneggia documenti che non possono lasciare i propri server, tra le opzioni di questa famiglia resta solo Llama 4 scaricato in casa, sapendo che è fermo ad aprile 2025. Serve eseguire o solo rispondere: se il compito è delegare un’azione, su Mac è Muse a farlo, su un repository di codice sono Muse Code o il Model API di Muse Spark 1.3, scegliendo la versione standard con dati sensibili e la contributor per progetti personali o già aperti, perché la differenza di prezzo tra le due, dodici volte in ingresso e venti in uscita, non è un dettaglio.

Il dato da tenere a mente, più dei benchmark o dei prezzi, è quello emerso proprio a fine settembre 2026: un ricercatore di sicurezza ha trovato in Muse per Mac una falla che esponeva la dettatura a possibili iniezioni di istruzioni nascoste sfruttando permessi già concessi, e nello stesso periodo Amazon ha escluso l’agente dagli acquisti sul proprio sito perché non si dichiarava come programma automatico. Sono i due prodotti agentivi della famiglia, Muse e Muse Code, a portare il rischio più alto quando agiscono su dati veri, non i numeri delle classifiche: la prudenza sta nel tenere i permessi ridotti all’essenziale finché il prodotto matura, non nella tabella dei punteggi.