Meta ha introdotto su OpenRouter una nuova tariffa denominata Contributor per il modello Muse Spark 1.2, con l’obiettivo di rendere molto più economico l’accesso API e aumentare l’adozione del modello da parte di sviluppatori e aziende. Il nuovo piano porta il prezzo a 0,10 dollari per milione di token in input, 0,20 dollari per milione di token in output e circa 0,002 dollari per milione di token di input in cache. Il confronto con il prezzo standard di Muse Spark 1.2 è netto: la tariffa precedente era pari rispettivamente a 1,25 dollari, 4,25 dollari e 0,15 dollari, con una riduzione che arriva quindi fino a circa il 95%.
Con questi valori, il piano Contributor colloca Muse Spark 1.2 tra i modelli con il costo API più basso disponibili sulla piattaforma. Il prezzo risulta inferiore anche a quello di DeepSeek-V4-Flash, finora considerato uno dei riferimenti per il rapporto tra costo e prestazioni, mentre Muse Spark 1.2 mantiene un vantaggio superiore a cinque punti nell’indice di intelligenza di Artificial Analysis. OpenRouter ha descritto il nuovo posizionamento come un cambiamento del cosiddetto Pareto frontier, cioè del limite entro il quale è possibile migliorare contemporaneamente costo e capacità senza sacrificare uno dei due parametri. In pratica, il modello punta a combinare una fascia di prezzo estremamente bassa con prestazioni ancora vicine a quelle dei sistemi di livello superiore.
La riduzione dei costi è legata però a una condizione specifica: il piano Contributor prevede che l’utente accetti l’utilizzo dei propri dati per finalità di miglioramento e addestramento del modello. Meta utilizza quindi il consenso alla raccolta dei dati come leva per abbattere il prezzo dell’inferenza, offrendo in cambio un accesso particolarmente economico a un modello progettato anche per carichi agentici complessi. Questa caratteristica può incidere in modo significativo sui costi di sperimentazione, soprattutto nei workflow che richiedono numerosi cicli di inferenza consecutivi.
Uno dei punti di forza di Muse Spark 1.2 è infatti l’ottimizzazione per gli agenti AI, dove il consumo di token tende a essere molto più elevato rispetto alle normali interazioni domanda-risposta. Workflow basati su iterazioni multiple, delega a sub-agent, pianificazione, verifica dei risultati e cicli di correzione possono moltiplicare rapidamente il numero di chiamate al modello. Una tariffa di questo livello permette quindi di sperimentare architetture agentiche più complesse mantenendo sotto controllo il costo computazionale, soprattutto nei contesti in cui vengono eseguite migliaia o milioni di richieste.
La mossa di Meta arriva in una fase di forte competizione sui prezzi all’interno dell’ecosistema OpenRouter. OpenAI ha recentemente ridotto di circa il 50% il prezzo dell’intera famiglia GPT-5.6 sulla piattaforma, ottenendo un rapido incremento dell’utilizzo: il volume di token consumato da GPT-5.6 Luna ha superato di oltre due volte la somma dell’utilizzo di Claude Opus 5 e Claude Sonnet 5. Anche Google ha adottato una strategia simile con Gemini 3.7 Flash, introducendo temporaneamente uno sconto del 50% sul prezzo API.
Il confronto tra i principali fornitori si sta quindi spostando sempre più dal solo livello prestazionale al parametro del costo per unità di capacità, particolarmente importante per aziende e sviluppatori che utilizzano i modelli in modo intensivo. Con prestazioni dei modelli frontier sempre più vicine in numerosi benchmark, il prezzo dell’inferenza diventa infatti un elemento decisivo nella scelta dell’infrastruttura, soprattutto per agenti autonomi, servizi ad alto volume e applicazioni che fanno largo uso di contesto e generazione.
La tariffa Contributor di Muse Spark 1.2 si inserisce direttamente in questa dinamica competitiva. Meta non punta soltanto a sottrarre utilizzo a OpenAI, Anthropic e Google, ma anche a contrastare modelli cinesi come DeepSeek e Kimi K3, che negli ultimi mesi hanno costruito buona parte della loro attrattiva su prezzi bassi e buoni livelli prestazionali. L’effetto più rilevante potrebbe quindi riguardare proprio il mercato del routing multi-modello, dove il costo per milione di token e la qualità ottenuta a parità di spesa stanno diventando criteri centrali per la selezione automatica dei modelli.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)