Meta akhir pekan ini merilis Muse Spark 1.3, model kecerdasan buatan generasi terbaru yang diklaimnya sebagai 'lompatan terbesar' dalam pengembangan kode dan pekerjaan berbasis agen. Menurut CEO Meta, Mark Zuckerberg, model ini menawarkan performa 'frontier' yang 'hampir tidak terukur' dari segi biaya. Sejumlah pengujian eksternal memang menguatkan klaim tersebut, meski dengan syarat tertentu.
Performa tertinggi Muse Spark 1.3 hanya tersedia pada konfigurasi maksimum yang mas masih dalam proses pengujian keamanan dan belum bisa diakses secara luas oleh pengembang. Versi yang saat ini tersebar ke pengguna melalui Muse Code dan Meta Model API tetap menggunakan pengaturan penalaran sebelumnya seperti xhigh.
Hal ini membuat pertanyaan yang lebih relevan bagi perusahaan bukan lagi tentang apakah Muse Spark 1.3 mampu mencapai performa terdepan, tetapi seberapa dekat versi yang bisa digunakan sekarang dengan frontier itu, dan seberapa efisien biaya yang dibutuhkan.
Berdasarkan data dari Artificial Analysis, Muse Spark 1.3 versi xhigh mencapai skor 61 pada Indeks Kecerdasan, sementara versi maksimal mencapai 62. Kedua versi ini masuk dalam kelompok model-model terdepan, namun tetap tertinggal dari Claude Fable 5.1 milik Anthropic yang mencapai 66.
Dibandingkan dengan generasi sebelumnya, Muse Spark 1.3 menunjukkan peningkatan signifikan, terutama pada tugas koding dan agentic. Pada benchmark seperti OSWorld 2.0, versi maksimal mencapai skor 66,9, jauh di atas versi xhigh yang hanya mencapai 57,2. Namun, pada beberapa pengujian lain, perbedaannya tidak signifikan.
Meta juga menegaskan bahwa model ini lebih mudah dioperasikan. Dalam uji internal, Muse Spark 1.3 berhasil mengurangi penggunaan tool hingga 20% dan penggunaan token hingga 25% dibandingkan versi sebelumnya. Perbaikan ini diharapkan dapat mengurangi beban biaya operasional bagi perusahaan yang menggunakan model ini secara intensif.
Meskipun Zuckerberg menyebut model ini 'hampir tidak terukur' dari segi biaya, Meta tidak mengubah harga API-nya. Muse Spark 1.3 tetap dijual dengan harga yang sama dengan versi 1.2, yaitu $1,25 per juta token masukan, $4,25 per juta token keluaran, dan $0,15 per juta token masukan yang di-cache.
Hal ini menunjukkan bahwa nilai 'murah' yang dimaksud Meta lebih merujuk pada efisiensi penggunaan token daripada penurunan harga langsung. Dengan kata lain, pengguna bisa mendapatkan hasil yang sama dengan biaya yang lebih rendah karena model yang lebih cerdas dan efisien.
Untuk pasar Indonesia, peluncuran ini menandai langkah penting dalam kompetisi pengembangan model kecerdasan buatan lokal. Beberapa perusahaan teknologi Indonesia seperti PT. Media.Net dan riset akademisi telah mulai bereksperimen dengan model-model serupa, namun masih jauh di belakang raksasa teknologi global seperti Meta.
Dampatnya inovasi ini bagi pengguna Indonesia terutama melalui platform pengembangan kode dan integrasi API yang semakin terbuka. Namun, akses penuh ke fitur maksimal Muse Spark 1.3 mungkin memakan waktu, sehingga pengembang Indonesia harus bersabar atau beralih ke alternatif lokal yang lebih terbatas.
Meta belum memberikan jadwal pasti kapan konfigurasi maksimal akan tersedia secara umum. Namun, direktur teknik Muse di Meta menyatakan bahwa timnya terus bekerja untuk memastikan model tersebut aman dan siap untuk produksi sebelum dirilis secara luas.
Dengan persaingan yang semakin ketat di antara vendor-model kecerdasan buatan global, peluncuran Muse Spark 1.3 menandakan bahwa Meta tidak hanya ingin bersaing secara teknis, tetapi juga ingin menawarkan nilai ekonomi yang kompetitif bagi pengembang dan perusahaan di seluruh dunia, termasuk di pasar dengan biaya operasional yang sensitif seperti Indonesia.
Looking ahead, Meta diperkirakan akan melanjutkan pengembangan model berikutnya yang mungkin akan lebih menyeimbangkan antara performa tertinggi dan aksesibilitas luas. Sementara itu, pengguna dan pengembang di seluruh dunia, termasuk di Indonesia, kini memiliki pilihan model yang semakin kuat dan efisien untuk mendukung inovasi mereka.
Di sisi lain, keberadaan model-model lokal yang sedang dikembangkan diharapkan dapat segera menyaingi solusi global ini, sekaligus menjawab kebutuhan pasar yang lebih spesifik dan terjangkau.