Meta presenta Muse Spark 1.3, su cuarto modelo en cinco meses

Meta presenta Muse Spark 1.3: cuarta iteración, primer golpe en la frontera

Meta lanzó Muse Spark 1.3 el 2 de septiembre de 2026, apenas cinco meses después del primer Muse Spark de abril. Es la primera versión de la familia que entra de verdad al club de los modelos frontera, según Artificial Analysis, el benchmark independiente que la industria toma como referencia: la variante «max», en preview limitada para socios, alcanza 62 puntos en el Intelligence Index, solo dos por detrás de Claude Opus 5 y cuatro de Claude Fable 5.1. La variante «xhigh», que sí está disponible desde esta semana, marca 61 y empata con GPT-5.6 Sol y Grok 4.6 high.

Hay un matiz importante: los números más altos que Meta muestra en sus materiales de lanzamiento corresponden al modo max, que aún completa pruebas de seguridad adicionales y llegará «pronto» sin fecha confirmada. El modelo que tu equipo puede desplegar hoy es xhigh, y es ese el que debe importar para decisiones de adopción.

Qué cambia respecto a Muse Spark 1.2

El salto más vistoso se ve en DeepSWE 1.1, un benchmark de ingeniería de software de horizonte largo publicado por Datacurve en mayo de 2026: el modelo pasa de 59,3% a 75,4%, 16 puntos en una sola generación, según reproduce TechTimes a partir de la documentación técnica de Meta. En Terminal-Bench 2.1, Meta reporta 88,8%, aunque ese número corre dentro de su propio harness Muse Code y no está verificado por el leaderboard independiente, como recuerda VentureBeat.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

Detrás de la mejora está una técnica de entrenamiento que Meta llama «thought compression» (compresión de razonamiento): durante el entrenamiento, el modelo recibe una penalización por generar tokens de razonamiento innecesarios. Primero comprime sus cadenas de pensamiento y luego las vuelve a expandir desde una base más eficiente. El resultado operativo: un 25% menos de tokens y un 20% menos de llamadas a herramientas que la versión 1.2 para tareas equivalentes, según datos de Meta recogidos por unite.ai.

Para empresas que corren miles o millones de loops agenticos, esa eficiencia puede importar más que otro punto en un ranking.

El «demasiado barato para medir» en cifras reales

Mark Zuckerberg escribió en X que 1.3 ofrece rendimiento «casi demasiado barato para medir». El precio por token, sin embargo, no cambió respecto a 1.2: US$1,25 por millón de tokens de entrada, US$4,25 por millón de salida y US$0,15 por millón de tokens cacheados en el tier Standard. Meta mantiene además su tier Contributor a US$0,10 de entrada y US$0,20 de salida, a cambio de permiso para usar prompts y completions como datos de entrenamiento.

Donde sí se nota el ahorro es en el coste por tarea completa: Artificial Analysis estima que ejecutar su suite cuesta US$0,55 con 1.3 xhigh, frente a US$0,95 con GPT-5.6 Sol al mismo nivel de inteligencia. Eso coloca a Muse Spark 1.3 como la opción más barata del ranking a esa altura de capacidad.

Aunque el ahorro es real, esconde una trampa: el coste por tarea subió de US$0,40 con 1.2 a US$0,55 con 1.3, pese a que el precio por token se mantuvo. Artificial Analysis lo atribuye al mayor consumo de tokens de entrada en pruebas agenticas. La métrica «barato» deja de ser estable cuando el modelo opera como agente.

La pelea del mismo día con Gemini 3.8 Flash

Google lanzó Gemini 3.8 Flash el 2 de septiembre de 2026, posicionándolo exactamente para el mismo tipo de carga: ingeniería de software de horizonte largo y agentes autónomos. El choque hizo que Alexandr Wang, director de IA de Meta, reposteara los datos de Artificial Analysis con la frase «i really hate to say it, but… gemini who?», como recoge VentureBeat.

Los números del cruce, según Artificial Analysis:

Muse Spark 1.3 xhigh: 61 puntos en Intelligence Index, US$0,55 por tarea, 235 tokens por segundo de salida.
Gemini 3.8 Flash high: 59 puntos, US$0,58 por tarea, 305 tokens por segundo.

Meta gana en inteligencia (2 puntos) y coste por tarea (3 centavos). Google gana en velocidad de salida (30% más rápido) y en precio base mientras dure su promoción de lanzamiento: US$0,75 de entrada y US$3,75 de salida, frente a US$1,25 y US$4,25 de Meta. La promo de Google expira el 31 de diciembre de 2026, cuando Gemini pasará a US$1,50 y US$7,50.

La promesa de los pesos abiertos, otra vez

El cambio de estrategia de Meta respecto al código abierto es la parte que más inquieta al ecosistema que se construyó sobre Llama. Muse Spark 1.3 es un modelo propietario, accesible solo vía API. El 10 de agosto, Meta prometió abrir los pesos de Spark 1.2; 24 días después, según TechTimes, siguen cerrados. Zuckerberg volvió a prometer «pronto» pesos abiertos en el anuncio de 1.3, esta vez sin versión ni fecha específicas.

Para equipos que se estandarizaron sobre Llama por la posibilidad de descargar pesos, ajustar el modelo y controlar los costes de inferencia local, la ambigüedad pesa más que otro punto de benchmark. Mientras tanto, Meta sí publicó Muse Glimmer bajo Apache 2.0 en agosto (30.000 millones de parámetros), pero es una versión destilada, no el modelo frontera.

El siguiente paso que Meta insinúa es Watermelon, un modelo más grande que Wang describe como «extremadamente competitivo» en su entrevista con Bloomberg reproducida por SiliconANGLE, sin calendario confirmado.

Qué significa esto para tu startup

Si estás integrando LLMs en producto, Muse Spark 1.3 entra al grupo de cabeza por relación calidad-precio, pero con tres condiciones que conviene verificar antes de adoptarlo:

Para cargas agenticas intensivas (coding, workflows largos, multi-step), ejecuta tu propio benchmark sobre tu caso real antes de migrar de GPT-5.6 Sol o Claude Opus 5. El 25% menos de tokens que Meta reporta se sostiene en sus flujos internos; en los tuyos podría variar.
Para workloads que requieren pesos descargables, inferencia local o fine-tuning, Spark 1.3 no es opción hoy. La promesa de pesos abiertos lleva más de tres semanas de retraso sobre Spark 1.2 sin explicación pública. Construye tu arquitectura sobre lo que existe hoy, no sobre lo que Meta «pronto» lanzará.
Si ya pagas Claude Opus 5 o Fable 5.1, el ahorro potencial es real: a inteligencia equivalente, Muse Spark 1.3 xhigh cuesta alrededor de 42% menos por tarea que GPT-5.6 Sol, según el análisis de Artificial Analysis. Eso cambia el cálculo en productos con mucho consumo de tokens.
Para productos con latencia sensible, Gemini 3.8 Flash mantiene la ventaja en tokens por segundo (305 vs 235) y su precio promo vence el 31 de diciembre de 2026; úsalo como ancla para negociar o para workloads donde la velocidad importa más que el último punto de inteligencia.

Tres acciones concretas para esta semana:

Calcula tu coste mensual por tarea agentica con cada modelo en tu propio flujo; no te quedes en el precio por millón de tokens.
Si trabajas con código propietario o datos sensibles, evalúa el tier Contributor de Meta: es 12 veces más barato, pero cede tus prompts y completions como datos de entrenamiento.
Define un umbral interno de migración (por ejemplo, «cambio si el coste por tarea baja 30% sin perder más de 2 puntos en mi benchmark interno») y revísalo trimestralmente; el ritmo de releases hace que cualquier decisión tenga vida útil de meses.