Hoy, Meta Superintelligence Labs lanzó Muse Spark 1.1. Junto a esto, Meta abrió una vista previa pública de la API Meta Model. Esa segunda parte es el cambio estructural. Los modelos de Meta anteriormente llegaban a los desarrolladores principalmente como pesos abiertos. Muse Spark 1.1 está cerrado, alojado y medido por token. Entonces la pregunta es estrecha. ¿Dónde pertenece en una pila que ya ejecuta?
¿Qué es Muse Spark 1.1?
Meta lo describe como un modelo de razonamiento multimodal creado para tareas de agencia. Se informaron avances con respecto al primer Muse Spark en el uso de herramientas, uso de computadoras, codificación y comprensión multimodal. La ventana de contexto es de 1.000.000 de tokens. Los documentos de Meta Model API enumeran 1.048.576.
Capacidades y características principales
Debido a que es un modelo de razonamiento, piensa antes de responder. Además, este esfuerzo de razonamiento es ajustable según la solicitud. Las entradas abarcan texto, imágenes, vídeos y documentos; la salida es texto. La API también expone resultados estructurados, llamadas a herramientas paralelas, una API de archivos y almacenamiento en caché de mensajes. Agregar una herramienta web_search a una llamada a la API de Responses devuelve las respuestas citadas.
Precios y disponibilidad regional
El acceso se divide en dos sentidos. Los consumidores lo obtienen gratis en el modo “Pensamiento” en la aplicación Meta AI y en meta.ai. Los desarrolladores pagan 1,25 dólares por millón de tokens de entrada y 4,25 dólares por millón de tokens de salida. Las cuentas nuevas obtienen $20 en créditos gratis. La publicación de lanzamiento inicial describe la vista previa pública como solo para EE. UU., sin acceso a la UE todavía.
Actuación
Con las especificaciones implementadas, los números explican el posicionamiento. Para ilustrar esto, Meta publicó una tabla de lanzamiento y la tabla se divide claramente.
Análisis de referencia
Metainformado, con rivales mostrados en sus modos más fuertes. Muse Spark 1.1 lidera las filas del uso de herramientas y del razonamiento aumentado por herramientas. Ocupa el tercer lugar en codificación y multimodal. En consecuencia, este es un modelo de orquestación, no un líder en precisión de codificación. Meta también eligió el conjunto de referencia y ejecutó el arnés.
La característica que vale la pena tomar en serio: compactación y delegación
Más allá de las puntuaciones, el comportamiento de orquestación explica los resultados del uso de herramientas. El modelo gestiona activamente su ventana de contexto de un millón de tokens. Recuerda acciones, recupera información de trabajos mucho anteriores y compacta lo que guarda.
La delegación es la segunda mitad. Como agente principal, reúne contexto, planifica y delega la ejecución entre subagentes paralelos. Como subagente, cumple con su trabajo, comprende las herramientas disponibles y retrocede cuando es necesario. El equipo de investigación también informa sobre una generalización inmediata a nuevas herramientas nativas, servidores MCP y habilidades personalizadas.
El uso de la computadora sigue la misma lógica. El modelo fue entrenado para escribir guiones cuando la automatización es más rápida. Hace clic cuando la interacción directa es más sencilla. Genera lotes de acciones en cada paso.
Cableándolo a una pila existente
Debido a que la API del modelo es compatible con OpenAI, la migración es un cambio de URL base en lugar de una reescritura. El siguiente fragmento es la receta de primera llamada de Meta.
Los arneses de formato antrópico, como Claude Code, apuntan a la API de mensajes. Las CLI de agentes como OpenCode registran un proveedor utilizando tres valores: URL base, clave e ID de modelo.
Casos de uso
En la práctica, las demostraciones enviadas se asignan a cargas de trabajo que los equipos de ingeniería ya reconocen.
Por ejemplo:
Automatización de listados multimodales:
En la demostración de Facebook Marketplace, la modelo toma videos de su teléfono inteligente, extrae fotos útiles, explicaciones sobre el producto y luego opera un navegador para publicar el listado.
Depuración basada en capturas de pantalla:
En una demostración de OpenCode, crea una aplicación web de chat, toma capturas de pantalla automáticas, rastrea las fallas hasta el código y luego valida las correcciones.
Planificación adaptativa:
En la demostración de la cena, llega un nuevo contexto a mitad del proceso y el modelo actualiza el plan sin que se lo solicite.
Los arneses de codificación obtienen soporte de primera clase: modo de planificación, acondicionamiento de objetivos, delegación de subagentes, compactación de contexto. El equipo Meta también informa una ganancia significativa en Meta Internal Coding Bench.
‘+ ‘‘+esc(MODELOS[i])+’‘+ ‘‘+ ‘‘+x.toFixed(1)+’
‘; }).unirse(”); devolver ‘
‘+esc(dn)+’‘+ ‘‘+esc(dt)+’
‘+barras+’
‘; }).unirse(”); requestAnimationFrame(function(){ box.querySelectorAll(‘.fill’).forEach(function(f){ f.style.width = f.getAttribute(‘data-w’)+’%’; }); resize(); }); } document.getElementById(‘msxChips’).addEventListener(‘click’,function(e){ var b = e.target.closest(‘.chip’); if(!b) return; this.querySelectorAll(‘.chip’).forEach(function(c){c.setAttribute(‘aria-pressed’,’false’);}); b.setAttribute(‘aria-pressed’,’true’); cat = b.getAttribute(‘data-cat’); root.querySelectorAll(‘.tab’).forEach(function
[$in,$out,$runs].forEach(function(el){el.addEventListener(‘input’,calcCost);});
[$cin,$cout].forEach(function(el){el.addEventListener(‘input’,calcCost);}); // —- asesor de enrutamiento —- var W={tool:0,mcp:0,ctx:0,cost:0,acc:0,eu:0}; document.getElementById(‘msxQs’).addEventListener(‘click’,function(e){ var b=e.target.closest(‘.toggle’); if(!b) return; var on=b.getAttribute(‘aria-pressed’)===’true’; b.setAttribute(‘aria-pressed’, on?’false’:’true’); W[b.closest(‘.q’).getAttribute(‘data-w’)] = encendido?0:1; aconsejar(); }); función asesorar(){ var t=document.getElementById(‘msxRecT’), d=document.getElementById(‘msxRecD’); var fit=W.herramienta+W.mcp+W.ctx+W.costo; if(W.eu){ t.textContent=”Bloqueado por acceso, no por capacidad”; d.textContent=”La vista previa pública de Meta Model API está abierta a los desarrolladores de EE. UU. Planifique la evaluación para el lanzamiento regional en lugar de pasar por alto los controles de acceso.”; } else if(W.acc && fit<=1){ t.textContent="Continúe con este trabajo en un líder en precisión de codificación"; d.textContent="En la tabla de lanzamiento de Meta, Opus 4.8 lidera SWE-Bench Pro y GPT-5.5 lidera DeepSWE 1.1 y BabyVision. Muse Spark 1.1 ocupa el tercer lugar en esas filas."; } else if(fit>=3){ t.textContent=”Candidato fuerte: enrute esta carga de trabajo a Muse Spark 1.1″; d.textContent=”Este es el perfil Meta ajustado. Pruébelo con el crédito de $20, luego compare el costo por ejecución completada con su valor predeterminado actual antes de cambiar.”; } else if(fit===2){ t.textContent=”Vale la pena una prueba A/B”; d.textContent=”El punto final compatible con OpenAI hace que el intercambio sea un cambio de URL base y clave. Ejecute ambos modelos en el mismo arnés durante una semana y lea la tasa de reintentos.”; } else if(fit===1){ t.textContent=”Ajuste débil hasta ahora”; d.textContent=”Una condición coincidente no es suficiente. Agregue las características que describen su carga de trabajo o mantenga la predeterminada existente.”; } else { t.textContent=”Responda las preguntas anteriores”; d.textContent=”Alterne las condiciones que describen su carga de trabajo. El asesor se actualiza a medida que avanza.”; } cambiar tamaño(); } // —- copiar —- document.getElementById(‘msxCopy’).addEventListener(‘click’,function(){ var txt = document.getElementById(‘msxCode’).innerText; var btn = this; function done(){ btn.textContent=”Copiado”; setTimeout(function(){btn.textContent=”Copiar fragmento”;},1600); } if(navigator.clipboard && navigator.clipboard.writeText){ navigator.clipboard.writeText(txt).then(done, fallback); } else { fallback(); } function fallback(){ var ta=document.createElement(‘textarea’); ta.value=txt; document.body.appendChild(ta); ta.select(); try{document.execCommand(‘copiar’);}catch(e){} document.body.removeChild(ta); // —- cambio de tamaño automático para la inserción de iframe de WordPress —- función resize(){ var h = root.offsetHeight + 40; intente { window.parent.postMessage ({tipo: ‘mtp-muse-spark-resize’, altura: h}, ‘*’); }catch(e){} } window.addEventListener(‘cargar’, cambiar tamaño); window.addEventListener(‘cambiar tamaño’, cambiar tamaño); setInterval(cambiar tamaño, 1200); dibujarBanco(); calcCosto(); aconsejar(); })();