Le tarif de Meta Muse Spark 1.1, la grille complète
Meta publie cela à deux endroits, et les deux concordent, ce qui n'est pas toujours le cas. Le blog Meta for Developers indique que le paiement à l'usage démarre à 1,25 $ en entrée et 4,25 $ en sortie par million de tokens. Le tarif en cache et la ligne recherche proviennent du propre document de Meta sur les tarifs et limites de débit. Et le tableau des fournisseurs d'OpenRouter répertorie Meta comme unique fournisseur avec ces trois mêmes chiffres.
| Poste | Tarif | Base |
|---|---|---|
| Tokens en entrée | 1,25 $ / 1M | Par token, uniforme sur toute la fenêtre de 1M |
| Tokens en entrée en cache | 0,15 $ / 1M | Automatique sur tout préfixe stable correspondant, 88 % de remise sur le catalogue |
| Tokens en sortie | 4,25 $ / 1M | Inclut les tokens de raisonnement cachés |
| Grounding par recherche web | 2,50 $ / 1 000 requêtes | Par requête, facturé en plus des tokens de la requête |
| Entrée image, vidéo, audio, PDF | Aucun tarif distinct publié | Converti en tokens d'entrée, facturé à 1,25 $ |
| Surcharge de contexte long | Aucune | Même tarif à 5 000 tokens qu'à 900 000 |
| Remise par lot | Non publiée | Aucun endpoint batch dans la référence de l'API |
| Dépense minimale | Aucune | Aucun engagement, aucun frais de plateforme, aucun frais par poste |
| Crédits gratuits | 20 $ une seule fois | Par compte, aucune expiration publiée |
Trois points structurels d'abord, avant les chiffres. Ils changent ce que signifie la grille tarifaire.
Il n'y a aucun frais par requête ni par poste. Cela peut paraître évident, jusqu'à ce qu'on le compare à la façon dont les fournisseurs de helpdesk facturent l'IA. Les tarifs de l'IA Gorgias facturent à l'interaction, et les tarifs de l'IA HubSpot facturent en crédits qu'il faut convertir mentalement avant qu'ils ne signifient quoi que ce soit.
Il n'y a aucune surcharge de contexte long. La documentation de Meta est explicite sur ce point : le tarif ne bouge pas à mesure que le contexte se remplit. C'est une vraie différenciation, et j'y reviendrai plus bas, une fois que le tableau comparatif aura montré ce que font OpenAI et Google à la place.
Et il n'y a aucun palier batch du tout. J'ai parcouru la référence de l'API de Meta à sa recherche. Rien. Le plus proche qui soit proposé est une limite de 600 soumissions en arrière-plan par minute et par équipe, et c'est un plafond de débit, pas une remise.
Quatre compteurs, et celui que vous aviez budgété est le plus petit
L'erreur que je vois les ingénieurs commettre avec chaque nouvelle API de modèle est toujours la même : lire deux chiffres sur la page et construire toute la feuille de calcul sur ces deux chiffres. Muse Spark 1.1 fait tourner quatre compteurs à la fois. Ils se comportent de façon suffisamment différente pour que les tarifs d'entrée et de sortie, à eux seuls, ne permettent pas de prédire votre facture.
Confrontez vos propres chiffres aux quatre compteurs et voyez lequel absorbe réellement la dépense :
Le compteur 3 est celui qui bouge
Muse Spark 1.1 réfléchit avant de répondre. Le blog développeurs de Meta le dit assez clairement, et les tokens dépensés pour cette réflexion reviennent dans la réponse sous la forme usage.completion_tokens_details.reasoning_tokens. Ils sont facturés au tarif de sortie.
Ce qui signifie que le prix catalogue de 4,25 $ s'applique à des tokens que vous ne voyez jamais. L'ampleur de ce tas dépend de reasoning_effort, qui va de minimal à xhigh. Un seul paramètre, et il pèse plus sur votre facture que n'importe quel choix de modèle à appeler.
Cela explique aussi pourquoi les propres scores de référence de Meta sont difficiles à chiffrer. Chaque résultat de Muse Spark 1.1 dans le rapport d'évaluation de Meta a été exécuté avec un effort de raisonnement xhigh, le réglage le plus coûteux offert par l'API. La capacité publiée et la grille tarifaire économique ne décrivent donc pas la même configuration.
Artificial Analysis a chiffré cette verbosité. Sur l'ensemble de son exécution de l'Intelligence Index, Muse Spark 1.1 a généré 94 millions de tokens de sortie contre une médiane de catégorie de 63 millions, selon Artificial Analysis, qui le qualifie d'assez verbeux, environ 49 % au-dessus de la médiane de son niveau. Par tâche, cela représente environ 22 000 tokens de sortie.
L'entrée en cache est la remise déjà activée
Le tarif en cache de 0,15 $ est 8,3 fois moins cher qu'une entrée fraîche. Mais ce qui compte davantage, c'est que vous n'avez pas à l'activer. La documentation tarifaire de Meta indique que le préfixe stable est mis en cache automatiquement, sans paramètre à activer et sans clé de cache que quiconque doive gérer.
Des praticiens sur Hacker News ont repéré que c'était là la vraie information, avant même le tarif en gros titre :
« Oui, c'est ce qui se compare le plus directement à xAI Grok 4.5. Dans les deux cas, dans l'esprit, c'est de « l'intelligence niveau opus à des prix haiku », ce qui est vraiment important pour les développeurs d'applications qui veulent intégrer ce genre de modèles dans leurs produits. Je teste le remplacement de haiku et sonnet par Grok 4.5, et je pourrais bien essayer aussi celui-ci (c'est nettement moins cher, en particulier en cache). »
Quelqu'un d'autre dans le même fil a fait la comparaison de cache à voix haute :
« Grok 4.5 a un tarif relativement élevé de 0,50 $ par million de tokens d'entrée en cache, comparé à 0,15 $ pour ce modèle. »
OpenRouter note sur sa propre page de modèle qu'une fois le prompt caching en jeu, les prix effectifs peuvent se situer 60 à 80 % en dessous du prix catalogue du fournisseur, selon la part du contexte qui se répète. Et si vous faites tourner un system prompt fixe avec un tour utilisateur qui change à la fin, c'est exactement votre situation.
Le grounding par recherche web est facturé séparément
Le quatrième compteur est celui que l'on manque le plus souvent, surtout parce que ce n'est pas du tout un tarif au token. Ancrer une requête dans la recherche web coûte 2,50 $ pour 1 000 requêtes en plus de tous les tokens que cette requête consomme. Face à la sortie, cela reste faible à des taux de requêtes élevés. Faible n'est pas nul pour autant, et cela évolue selon la fréquence à laquelle le modèle décide qu'il doit aller vérifier quelque chose, pas selon le nombre d'appels que vous envoyez.
Les entrées non textuelles fonctionnent à l'inverse. Image, vidéo, audio et PDF figurent tous dans la documentation des modèles comme modalités d'entrée, et aucun n'a de tarif propre publié. Ils sont convertis en tokens d'entrée et facturés à 1,25 $. Plus simple que la plupart des fournisseurs, certes. Cela signifie aussi que vous ne pouvez pas prévoir une charge de travail multimodale tant que vous n'avez pas mesuré la tokenisation au préalable.
Le chiffre qui prédit réellement votre facture
Pondérez les trois compteurs de tokens comme le ferait une charge de travail réelle et répétée, soit sept parts de lecture en cache pour deux parts d'entrée fraîche et une part de sortie, et Muse Spark 1.1 ressort à 0,78 $ par million de tokens. C'est le chiffre que je mettrais dans un budget. Ni 1,25 $, ni 4,25 $.
Mieux encore, mesurez des tâches entières. C'est exactement ce que fait AA, et c'est là que le modèle paraît le plus fort :
| Mesure | Muse Spark 1.1 | Contexte |
|---|---|---|
| Tarif combiné, pondération 7:2:1 | 0,78 $ / 1M | Face à un prix catalogue de 1,25 $ / 4,25 $ |
| Coût par tâche de l'Intelligence Index | ~0,29 $ | 4e moins cher des 26 modèles de pointe recensés |
| Coût total pour exécuter l'index complet d'AA | 548,07 $ | Claude Fable 5 a nécessité ~5 631 $ pour la même exécution |
| Tokens de sortie par tâche | ~22 000 | 12e plus sobre sur 26, contre 5 000 pour le plus sobre |
| Score Intelligence Index v4.1 | 51 | Opus 5 en effort maximal obtient 61 |
| Vitesse de sortie | 211,9 tokens/sec | 4e sur 184, médiane de catégorie 74,0 |
La comparaison qui fait vraiment le raisonnement n'est pas celle contre le sommet du classement. C'est une ligne en dessous. Muse Spark 1.1 obtient 51 dans l'index d'AA pour environ 0,29 $ la tâche. Gemini 3.6 Flash obtient 50 pour environ 0,56 $. Un point d'index de plus pour environ la moitié du coût par tâche, c'est tout l'argument de vente, et il tient sous une mesure indépendante, ce qui est plus que ce que réussissent la plupart des annonces de lancement.
Le propre graphique de lancement de Meta fait le même argument visuellement, et il faut lui reconnaître d'être honnête sur le plafond.
Comment se compare le tarif de Muse Spark 1.1
Tous les chiffres ci-dessous proviennent du prix catalogue publié par chaque fournisseur, par million de tokens, palier standard, vérifiés le 5 août 2026.
| Modèle | Entrée / 1M | Sortie / 1M | Entrée en cache | Surcharge de contexte |
|---|---|---|---|---|
| Meta Muse Spark 1.1 | 1,25 $ | 4,25 $ | 0,15 $ | Aucune |
| DeepSeek V4 Flash | 0,14 $ | 0,28 $ | 0,0028 $ | Aucune, mais une surcharge de 2x aux heures de pointe arrive |
| GPT-5.6 Luna | 0,20 $ | 1,20 $ | Non répertorié | Oui |
| Gemini 3.6 Flash | 1,50 $ | 7,50 $ | Non répertorié | Non répertorié |
| GPT-5.6 Terra | 2,00 $ | 12,00 $ | Non répertorié | Oui, 4 $ / 18 $ au-delà du seuil |
| Claude Sonnet 5 | 2,00 $ passant à 3,00 $ | 10,00 $ passant à 15,00 $ | Non répertorié | Aucune |
| Gemini 3.1 Pro Preview | 2,00 $ | 12,00 $ | Non répertorié | Oui, 4 $ / 18 $ au-delà de 200k |
| Kimi K3 | 3,00 $ | 15,00 $ | 0,30 $ | Aucune |
| Claude Opus 5 | 5,00 $ | 25,00 $ | Non répertorié | Aucune |
| GPT-5.6 Sol | 5,00 $ | 30,00 $ | Non répertorié | Oui, 10 $ / 45 $ au-delà du seuil |
Deux notes de bas de page dans ce tableau pèsent plus lourd que l'ordre lui-même.
Le 2 $/10 $ de Sonnet 5 est un tarif de lancement. La propre note d'Anthropic le maintient jusqu'au 31 août 2026, puis il passe à 3 $/15 $. Donc à partir du 1er septembre, la sortie de Sonnet 5 coûtera 3,5 fois ce que coûte la sortie de Muse Spark 1.1.
GPT-5.6 applique des paliers selon la taille du prompt. Au-delà du seuil de contexte court, Sol passe à 10 $ en entrée et 45 $ en sortie, Terra passant à 4 $ et 18 $. Gemini 3.1 Pro fait le même mouvement au-delà de 200k tokens.
Muse Spark 1.1 publie un tarif unique et plat jusqu'à un million de tokens. Pour une charge de travail d'agent à contexte long, cela vaut largement plus qu'une petite différence sur le tarif de base. Les grilles complètes se trouvent dans tous les modèles d'OpenAI si vous voulez les comparer côte à côte.
Tout le monde sur Hacker News n'était pas impressionné. Deux commentaires qui méritent d'être gardés en tête :
« ce n'est pas de la subvention. c'est bien trop cher pour un modèle sans nom. »
« Le battage autour de GLM 5.2 soufflait déjà bien avant celui-ci. Ni xAI ni Meta n'ont vraiment fait de différence dans un sens différent — résultats similaires / tarifs similaires (à GLM 5.2). »
Les deux remarques sont justes. Muse Spark 1.1 a un prix compétitif au sein d'une cohorte qui existe déjà, et il ne casse pas les prix de cette cohorte.
Les limites de débit sont le plafond de coût que personne ne lit
La grille tarifaire vous dit ce que coûte un token. Les limites de débit vous disent combien vous êtes autorisé à en acheter, et pour une charge de travail d'agent, cette seconde contrainte est la plus dure.
| Palier | Requêtes/min | Tokens/min |
|---|---|---|
| Gratuit | 60 | 2 000 000 |
| Payant | 3 000 | 4 000 000 |
Selon le document de Meta sur les tarifs et limites de débit, plus 600 soumissions en arrière-plan par minute et par équipe. Sous ce tableau se trouvent des détails plus importants que le tableau lui-même :
- La forme du niveau gratuit est inhabituelle. Son plafond de tokens représente la moitié de celui du niveau payant, tandis que son plafond de requêtes est 50 fois plus bas. Soixante requêtes par minute avec 2M de tokens disponibles signifie que le niveau gratuit a été conçu pour une poignée d'appels très volumineux. Pas pour une boucle d'agent bavard qui sollicite l'API des centaines de fois par minute.
- Les limites sont par équipe, pas par clé. La documentation de Meta précise que plusieurs clés au sein d'une même équipe partagent toutes le même quota. La technique habituelle qui consiste à répartir le trafic sur plusieurs clés ne sert donc à rien ici.
- Le quota est observable. Chaque réponse réussie inclut
x-ratelimit-remaining-tokensetx-ratelimit-remaining-requests, ce qui permet de ralentir en fonction de chiffres réels plutôt que de deviner.
Ce que Meta n'a pas publié
Être honnête sur les zones d'ombre vaut mieux que de les combler par des suppositions. Voici donc ce que je n'ai trouvé sur aucune page appartenant à Meta.
Aucune remise par lot. Les deux principaux rivaux de Meta affichent tous deux un palier batch à 50 %. Meta n'affiche rien du tout, et il n'existe même pas de endpoint batch dans la référence de l'API à remiser en premier lieu.
Aucun tarif par modalité. Image, vidéo, audio et PDF sont tous des entrées prises en charge, aucune n'ayant de prix unitaire publié. Elles sont facturées comme des tokens d'entrée, ce qui va très bien jusqu'à ce qu'il faille prévoir une charge de travail vidéo.
Aucune expiration pour les 20 $. Le blog développeurs de Meta confirme que le crédit gratuit est unique par compte. Aucune page nulle part n'indique quand il expire.
La rétention des données a nécessité tout un fil de discussion pour être établie. Le sujet est d'abord apparu sur Hacker News comme une plainte, puis s'est résolu en une véritable découverte, ce qui est le type de source le plus utile qui soit :
« Où se trouve l'information sur la politique de rétention des données pour les usages payants de l'API au token ? Tous les autres fournisseurs en ont une et précisent clairement comment ils traitent vos données. Un coup d'œil rapide n'en montre aucune pour cette nouvelle offre. »
« Les prompts payants ne sont pas utilisés pour l'entraînement. La rétention des données n'est pas tout à fait claire, ils la conservent s'ils pensent que vous enfreignez les règles, mais on ne sait pas exactement combien de temps ils la conservent s'ils ne le pensent pas. »
Aucun prix grand public pour Meta One. Les pages d'aide de Meta confirment qu'un abonnement grand public payant existe en test limité, et nomment les paliers de Meta One Plus, Premium, Advanced, Expert et Max. Aucun montant en dollars pour aucun d'entre eux, nulle part. Donc tout prix grand public cité ailleurs doit être considéré comme non vérifié. Le Meta AI grand public lui-même reste gratuit, et Muse Spark 1.1 y est déjà exposé en mode Thinking sans frais indiqué, ce qui vaut la peine d'être su avant de payer pour un accès API dans le seul but d'évaluer le modèle.
La barrière rencontrée avant même la facture
Rien de ce tarif n'est encore accessible en dehors des États-Unis. La propre annonce de lancement de Meta place l'API de modèles Meta en aperçu public réservé aux développeurs américains, et OpenRouter applique la même restriction géographique sur sa page de modèle. Contourner cela ne fonctionne pas.
Des développeurs s'y sont heurtés de plein fouet :
« J'ai essayé d'accéder à l'API, apparemment l'API du modèle n'est pas disponible dans ma région... »
« Je ne sais pas où m'inscrire pour l'essayer. Quel est le prix ? C'est une API ou un abonnement, c'est quoi au juste ? »
Il n'y a ici ni liste d'attente ni étape d'approbation. Le guide de démarrage rapide de Meta se résume à un tableau de bord, des clés API, créer une clé. L'API est compatible avec le SDK OpenAI, donc changer l'URL de base couvre l'essentiel du travail d'intégration. La limite d'éligibilité se trouve sur les pages marketing plutôt que dans la documentation, ce qui explique pourquoi les gens ne la découvrent qu'après s'être inscrits.
Le coût par million de tokens est la mauvaise unité pour une équipe de support
C'est ici que je dois être direct sur à qui s'adresse cette grille tarifaire. Vous construisez un agent de code ou un outil de recherche ? Alors 0,78 $ combiné est une bonne affaire, et la revue de Muse Spark 1.1 est l'endroit où aller pour savoir si la capacité franchit votre barre.
Mais si vous essayez de déterminer ce que coûte une IA pour répondre à vos clients, les tokens sont entièrement le mauvais dénominateur. L'unité est un ticket résolu, et la dispersion sur cette unité est énorme. Un compte e-commerce dont j'ai des chiffres réels traitait environ 700 tickets par semaine à environ 1,07 $ par ticket. Le tarif de paiement à l'usage propre à eesel est de 0,40 $ par ticket sans frais de plateforme, et les tarifs d'eesel sont là pour le vérifier. Même classe de modèle en dessous. Plus du double de dispersion, entièrement causée par ce qui entoure le modèle.
Et l'écart entre un modèle qui a raison et un modèle qui peut être livré est plus large que n'importe quelle différence de prix. Un détaillant allemand de bijouterie traitant environ 1 000 tickets par mois sur Zendesk et Shopify a soumis eesel à un essai à validation croisée sur du trafic réel. Résultat : 93 % de précision de triage, 100 % de détection de spam sans faux positifs sur les 22 % de la boîte de réception qui étaient du spam, 88 % de précision directionnelle des brouillons, et seulement 12 % des brouillons envoyés tels quels, avec un taux d'erreur factuelle de 7 %.
Lisez ces deux derniers chiffres ensemble. Directionnellement correct 88 % du temps, livrable 12 % du temps. Quand j'ai décomposé pourquoi les agents réécrivaient les brouillons, environ 65 % tenaient à la longueur et au ton, environ 20 % nécessitaient des données que personne n'avait encore connectées, comme l'ERP et la logistique, et seulement environ 5 % venaient d'une erreur factuelle d'eesel. La qualité du modèle représentait 5 % du problème. Le reste était le contexte, le ton et la profondeur d'intégration, exactement la part qu'un tarif de token moins cher ne résout en rien. C'est l'argument développé dans RAG contre LLM et dans réponses incorrectes, et la solution est plus proche du coaching d'agent que d'une montée en gamme de modèle.
L'autre chose qu'une grille tarifaire ne peut pas chiffrer, c'est de savoir quand ne rien dire du tout. Une responsable CX chez une marque DTC de compléments alimentaires, traitant environ 7 000 tickets Gorgias par mois, l'a exprimé mieux que je ne pourrais le faire :
« L'IA ne pourra jamais répondre à 100 % des questions, mais si elle essaie et répond simplement « désolé, je ne sais pas », je ne peux pas aller vérifier mes 7 000 tickets pour voir si l'IA a réellement donné une bonne réponse, et alors l'intérêt disparaît un peu. J'ai besoin d'une IA qui ne traite que les tickets pour lesquels elle est sûre d'elle, et qui laisse tous les autres tranquilles. »
C'est un seuil de confiance plus un parcours d'escalade. Ce n'est pas un modèle. C'est du travail produit, et c'est exactement pourquoi le transfert de l'IA et le passage à un humain occupent plus de mon temps que ne l'a jamais fait le choix d'un modèle.
Le construire soi-même sur l'API de modèles Meta est une option réelle, et je ne vais pas prétendre le contraire. Certaines équipes ont quitté eesel pour construire directement sur une API de pointe, et cela a fonctionné pour elles. La version honnête de cet arbitrage est cependant venue d'un responsable ingénierie dans une entreprise de distributeurs automatiques de Bitcoin disposant d'une base de connaissances de 300 articles sur Confluence et Telegram, qui a pris le chemin inverse :
« Nous aurions pu essayer d'écrire notre propre application LLM, mais nous ne voulions pas y investir notre temps. Nous voulions quelque chose que nous n'aurions pas à maintenir. »
Le modèle n'a jamais été la partie difficile. La maintenance était la partie difficile. Si vous voulez voir ce dilemme correctement détaillé, Anthropic face aux API d'OpenAI et les tarifs d'AgentKit couvrent tous deux ce que coûte réellement le chemin de la construction maison une fois comptées les parties qui ne sont pas des tokens.
Essayez eesel sur vos propres tickets
Vous êtes arrivé ici en train de budgétiser une IA de support plutôt qu'une expérience API ? Passez le calcul des tokens. L'agent IA pour helpdesk d'eesel lit le centre d'aide et les tickets passés que vous avez déjà, et facture 0,40 $ par ticket sans frais de plateforme.
Il se connecte au helpdesk que vous utilisez déjà, Zendesk, Freshdesk et Gorgias inclus, de sorte que personne dans l'équipe n'a besoin d'apprendre un nouvel outil pour en tirer de la valeur.
Les sources de connaissances se connectent de la même façon. Un centre d'aide hébergé sur Confluence devient une source dès le premier jour, pas un projet de migration.
Avant de répondre à qui que ce soit, il simule sur vos propres tickets historiques, de sorte que le taux de résolution et le coût apparaissent d'abord face à votre trafic réel. C'est cette étape qui a transformé un essai à 88 % et 12 % en quelque chose qui valait la peine d'être déployé. Une appli de chauffeurs de l'économie à la tâche sur Zendesk a mené un essai de 7 jours, et Gridwise a résolu 73 % des demandes de niveau 1 au cours du premier mois.
Gratuit à essayer, et les chiffres se posent sur votre propre file d'attente avant que vous vous engagiez à quoi que ce soit. Si vous préférez d'abord comparer des outils, les comparatifs par lesquels commencer sont meilleur logiciel de helpdesk IA et meilleur agent IA, tandis que le coût du service client IA fait correctement le calcul par résolution.
Le verdict sur les tarifs de Muse Spark 1.1
1,25 $ et 4,25 $ sont réels, vérifiés, et ce ne sont pas les chiffres qui détermineront votre facture. Budgétez sur 0,78 $ combiné et 0,29 $ par tâche. Supposez que la remise du cache travaille déjà en votre faveur, et traitez reasoning_effort pour ce que c'est réellement, un cadran tarifaire. Le tarif plat sur tout le million de tokens est un vrai avantage face à OpenAI et Google, l'absence de palier batch est un vrai écart, et la barrière réservée aux États-Unis est la contrainte que vous rencontrez avant que quoi que ce soit d'autre ne compte.
Pour une charge de travail de support, gardez le cadre clair. Le prix du token est une variable du coût par ticket résolu. Ce n'est pas la plus grande variable.
Si c'est là votre vraie question, il existe des lectures plus approfondies pour chaque volet : l'automatisation des tickets de support pour le résultat, le triage des tickets pour le mécanisme, puis le taux de résolution pour mesurer si tout cela a fonctionné.
Et quand la finance vous demande de justifier la dépense, la comparaison qu'elle voudra vraiment voir est le coût de l'IA face à l'agent humain.
Questions fréquentes
Combien coûte Meta Muse Spark 1.1 ?
Muse Spark 1.1 est-il moins cher que Claude ou GPT-5.6 ?
Quel est le tarif de Meta Muse Spark 1.1 pour l'entrée en cache ?
Meta Muse Spark propose-t-il un niveau gratuit ?
Y a-t-il des limites de débit sur l'API de modèles Meta ?
Existe-t-il une remise par lot (batch) pour Muse Spark 1.1 ?
Puis-je utiliser Muse Spark 1.1 en dehors des États-Unis ?
Combien coûte Meta One ?
Article by
Rama Adi Nugraha
Rama is a software engineer at eesel AI with two years of experience writing about B2B SaaS, AI tools, and customer support technology. Based in Bali, Indonesia, he brings a developer's perspective to product comparisons — cutting through marketing copy to what the integrations and APIs actually do.
