Curso
Claude Code 101
3 h
27.6K
Nota: Meta lanzó Muse Spark 1.3 el 2 de septiembre de 2026.
Meta presentó Muse Spark 1.1 el 9 de julio de 2026, su segundo modelo de Meta Superintelligence Labs y una actualización respecto al Muse Spark original que debutó en abril. El lanzamiento también abrió la Meta Model API a desarrolladores en vista previa pública, situando a Meta en el mismo modelo de negocio de API de pago que Anthropic y OpenAI.
El anuncio llega solo dos días después de que Meta presentara Muse Image, el primer modelo de generación de imágenes de los Superintelligence Labs.
Muse Spark 1.1 es un modelo de razonamiento multimodal diseñado para tareas con agentes, con una ventana de contexto de 1M de tokens y mejoras en uso de herramientas, uso del ordenador, programación y comprensión multimodal.
Funciona en modo "Thinking" dentro de la app de Meta AI y en meta.ai, y Meta lo posiciona como un competidor de primer nivel frente a GPT-5.5, Claude Opus 4.8 y Gemini 3.1 Pro. Precios de la API: 1,25 $ por millón de tokens de entrada y 4,25 $ por millón de tokens de salida, con 20 $ de crédito gratuito para empezar.
En este artículo, repaso todas las novedades de Muse Spark 1.1: las funciones para agentes, los benchmarks y pruebas prácticas para que evalúes por tu cuenta. Para ampliar, echa un vistazo a nuestros artículos sobre Muse Glimmer, Sakana Fugu vs. Claude Fable 5 y nuestro tutorial sobre ejecutar MiniMax M3 en local.
Resumen rápido
- Muse Spark 1.1 es el segundo modelo de Superintelligence Labs de Meta, lanzado el 9 de julio de 2026, creado para tareas con agentes y con una ventana de contexto de 1M de tokens.
- Es propietario y de pesos cerrados, a diferencia de la familia abierta Llama, con acceso gratuito para consumidores en meta.ai y una nueva Meta Model API de pago en vista previa pública.
- Precios de la API: 1,25 $ por millón de tokens de entrada y 4,25 $ por millón de tokens de salida, con 20 $ en créditos gratuitos.
- Fortalezas: foco en tareas con agentes, con avances en uso de herramientas y del ordenador, programación y comprensión multimodal.
- Debilidad: el trabajo con agentes a largo plazo sigue por detrás de GPT-5.5 y Opus 4.8.
¿Qué es Muse Spark 1.1?
Muse Spark 1.1 es el último modelo de razonamiento multimodal de Meta, pensado para planificar y orquestar trabajo en apps y servicios externos en lugar de limitarse a responder preguntas de una sola conversación. Se sitúa por encima de la familia Llama de pesos abiertos, la gran línea de Meta antes de la llegada de los modelos Muse Spark.
A diferencia de Llama, Muse Spark es propietario y de pesos cerrados, sin despliegue local ni ajuste fino por la comunidad.
El gran cambio respecto al Muse Spark original es la capacidad agente.
Meta afirma que la versión 1.1 aborda proyectos complejos con mayor rapidez porque está entrenada para orquestar sistemas multiagente, actuando como agente principal que planifica y delega, o como subagente que se ciñe a su tarea y escala cuando hace falta.
Además, gestiona activamente su ventana de contexto de 1M de tokens, compactando trabajo previo y manteniendo los pasos necesarios para más adelante.
En programación, Meta informa de mejoras significativas sobre el primer modelo en su Meta Internal Coding Bench y de que compite con las alternativas líderes. Ese encuadre importa porque los benchmarks independientes pintan un panorama más mixto, como verás en la sección correspondiente.
Qué hay de nuevo en Muse Spark 1.1
La actualización se centra en hacer cosas a través de apps e interfaces, no solo en generar texto. Estas son las capacidades que Meta destaca en este lanzamiento.
Orquestación de proyectos multiagente
Muse Spark 1.1 puede actuar como agente principal que recopila contexto, define un plan y delega la ejecución en subagentes en paralelo.
Como subagente, entiende las herramientas disponibles y sabe cuándo devolver el control al agente principal.
Meta sostiene que esta estructura en paralelo es lo que le permite completar proyectos complejos más rápido que el Muse Spark original al reducir la latencia de extremo a extremo.
Para un perfil práctico, esto significa que puedes encargarle un proyecto como "extrae los tickets de soporte del último trimestre, clasifícalos y prepara una presentación" y que divida la recuperación, el etiquetado y la redacción entre subagentes.
Meta también afirma que generaliza en zero-shot a nuevas herramientas nativas, servidores MCP y habilidades personalizadas, sin necesidad de ajuste fino para cada integración.
Operar un ordenador en varias apps
Muse Spark 1.1 gestiona flujos de trabajo de uso del ordenador que abarcan varias aplicaciones donde la información cambia a mitad de la tarea.
Meta lo entrenó para decidir cuándo escribir un script para ir más rápido, cuándo hacer clic directamente en una interfaz y para generar lotes de acciones por paso en vez de razonar clic a clic.
El ejemplo de la propia compañía muestra a un agente tramitando un pedido para una cena que detecta nueva información y actualiza el pedido sin intervención del usuario.
Un ejemplo más cercano para un equipo de datos sería un agente que extrae precios de un proveedor, detecta un cambio de precio en mitad de la sesión y actualiza una hoja comparativa antes de exportarla.
La promesa es que mantiene el contexto en sesiones prolongadas y se adapta a requisitos cambiantes con una intervención humana mínima.
Corregir errores y migrar código en grandes bases de código
La programación es donde Meta pone gran parte del peso del mensaje, citando mejoras en tareas reales como diagnosticar bugs complejos, implementar funcionalidades en sistemas empresariales y ejecutar migraciones de código a gran escala.
Muse Spark 1.1 incorpora funciones habituales de programación con agentes, como modo de planificación, condicionamiento por objetivos, delegación a subagentes y compactación de contexto, y Meta afirma que se adapta a distintos harnesses como OpenCode.
Los primeros socios lo confirman. Saoud Rizwan, CEO de Cline, dijo que Meta está "claramente construyendo para programación con agentes seria, con un uso sólido de herramientas y a un precio que hace viable ejecutar cargas reales de trabajo de código a escala". Amjad Masad, CEO de Replit, elogió sus "capacidades de programación de primer nivel (especialmente frontend y diseño)" y su empaquetado compatible con OpenAI.
Combinar percepción y acción en un mismo flujo
Las fortalezas multimodales de Muse Spark 1.1 abarcan percepción, generación visual a código, subtitulado ultradescriptivo de imágenes y vídeo, y ejecución multimodal con agentes. Meta subraya hacer percepción y acción a la vez: inspeccionar entradas visuales o de audio, retener esos detalles durante un flujo largo y usarlos mientras opera el ordenador por ti.
La demo de Meta utilizó vídeo de un móvil para extraer fotos de producto y razonar sobre un artículo, y luego operar un navegador para crear un anuncio en Facebook Marketplace en nombre del usuario. Ten en cuenta una limitación de modalidad que señalan varias guías de terceros: las entradas admiten texto, imágenes y audio, pero las salidas son actualmente solo texto, sin generación directa de imagen o vídeo en este modelo.
Benchmarks de Muse Spark 1.1
La publicación oficial de Meta se apoya en evaluaciones internas como Meta Internal Coding Bench, que no son reproducibles de forma independiente.
Las cifras públicas más útiles provienen de comparativas de terceros, y muestran que Muse Spark 1.1 intercambia una fuerte eficiencia de tokens por una brecha en las tareas de programación más difíciles.
| Benchmark | Muse Spark 1.1 Meta |
Muse Spark Meta |
Gemini 3.1 Pro (alto) |
Opus 4.8 (máx.) Anthropic |
GPT 5.5 (xalto) OpenAI |
|
|---|---|---|---|---|---|---|
| Agentes | MCP Atlas Uso de herramientas a escala |
88.1 | 82.2 | 78.2 | 82.2 | 75.3 |
| JobBench Uso profesional de herramientas |
54.7 | 17.0 | 15.9 | 48.4 | 38.3 | |
| Toolathlon-Verified Uso personal de herramientas |
75.6 | 49.4 | 61.1 | 76.2 | 73.5 | |
| OSWorld-Verified Uso del ordenador con agentes |
80.8 | 53.3 | 76.2 | 83.4 | 78.7 | |
| Humanity's Last Exam Razonamiento multidisciplinar (con herramientas) |
62.1 | 50.4 | 51.4 | 57.9 | 52.2 | |
| Finance Agent v2 Análisis financiero con agentes |
57.2 | - | 43.0 | 53.9 | 51.8 | |
| Programación | Terminal-Bench 2.1 Programación en terminal con agentes |
80.0 | 67.3 | 70.3 | 82.7 | 83.4 |
| SWE-Bench Pro Ingeniería de software diversa |
61.5 | 55.0 | 54.2 | 69.2 | 58.6 | |
| DeepSWE 1.1 Programación con agentes a largo plazo |
53.3 | 10.0 | 12.0 | 59.0 | 67.0 | |
| Multimodal | CharXiv Reasoning Preguntas sobre gráficos |
88.4 | 88.9 | 81.6 | 89.9 | 84.8 |
| BabyVision Razonamiento visual |
76.3 | 39.9 | 51.5 | 81.2 | 83.6 | |
Terminal-Bench 2.1 (programación en terminal con agentes)
Terminal-Bench 2.1 mide cómo maneja un modelo tareas de programación y agentes de varios pasos en una terminal.
Meta publicó una puntuación de 80,0 para Muse Spark 1.1, ligeramente por detrás del 82,7 de Claude Opus 4.8 y del 83,4 de GPT-5.5.
MCP Atlas (uso de herramientas a escala)
Este índice mide el uso de herramientas a escala que requiere planificación y orquestación en un abanico de apps y servicios externos.
Muse Spark 1.1 se coloca líder aquí, con 88,1 frente a 82,2 de Opus 4.8 y 75,3 de GPT-5.5. El nuevo modelo de Meta también encabeza JobBench, centrado en uso profesional de herramientas, mostrando que el uso de herramientas con agentes es la gran prioridad de Muse Spark 1.1.
Conciencia de evaluación (Apollo Research)
La métrica de conciencia de evaluación de Apollo Research mide si un modelo parece reconocer que está siendo probado. Resúmenes de terceros repiten que Muse Spark mostró las tasas más altas de conciencia de evaluación entre los modelos analizados. Tómalo con cautela: no se ha reproducido ampliamente de forma independiente y algunos comentaristas temen que esté sobreinterpretado sin más replicación.
Precio y disponibilidad de Muse Spark 1.1
El acceso para consumidores es gratuito. Muse Spark 1.1 funciona en modo Thinking dentro de la app de Meta AI y en meta.ai, con inicio de sesión de Meta y probables límites de uso del lado del servidor para cargas intensivas. Acepta entradas de texto, imagen y audio, pero devuelve solo texto.
Para desarrolladores, la nueva Meta Model API está en vista previa pública. Los desarrolladores de EE. UU. ya pueden acceder para probar prompts, comparar salidas y crear prototipos de integraciones, con los siguientes precios:
- 1,25 $ por millón de tokens de entrada
- 4,25 $ por millón de tokens de salida
- 20 $ en créditos gratuitos antes de pasar a pago por uso
Según Reuters, estos precios se sitúan por encima del GPT-5 mini de entrada de OpenAI y de Claude Haiku 4.5 de Anthropic, pero por debajo de Claude Sonnet 4.8, de gama superior.
Se espera que el modelo sustituya a los Llama actuales que impulsan chatbots en WhatsApp, Instagram, Facebook y las gafas inteligentes de Meta. Conviene señalar que varias guías independientes indican que la API está escasamente documentada, sin ficha técnica detallada ni confirmación oficial y precisa de algunas especificaciones clave.
Reflexiones finales
La señal más clara de este lanzamiento es que Meta ha cambiado de modelo de negocio. Al cobrar por token a través de la Meta Model API, ahora compite en el terreno de Anthropic y OpenAI, no solo publicando pesos abiertos como hacía con Llama.
Es un gran giro para una empresa cuya reputación en IA se construyó sobre la apertura.
Mi impresión es que Muse Spark 1.1 es realmente interesante por dos motivos: acceso gratuito de nivel puntero en meta.ai y alta eficiencia de tokens.
La gran cautela para quienes construyen es la transparencia. No hay versión de pesos abiertos, así que si tu flujo de trabajo requiere despliegue local o ajuste fino, Muse Spark no es tu modelo, y la línea abierta Llama u otra alternativa de pesos abiertos como MiniMax M3 sigue encajando mejor.
Si quieres crear los flujos con agentes y múltiples herramientas para los que está pensado Muse Spark 1.1, te recomendamos nuestro curso Developing AI Systems with the OpenAI API, ya que la Meta Model API es compatible con OpenAI.
