Meta lanzó Muse Spark 1.3 el 2 de septiembre, y las cifras más claras del anuncio son de coste más que de capacidad: en torno a un 20% menos de llamadas a herramientas y un 25% menos de tokens que su predecesor en el mismo trabajo de programación.
La eficiencia como titular
Esas dos cifras son inusuales en el lanzamiento de un modelo porque son las que un comprador puede accionar. Un modelo que llega al mismo resultado con menos llamadas y menos tokens es más barato por tarea, puntúe lo que puntúe en una clasificación, y el ahorro se acumula en cargas agénticas donde un solo trabajo puede recorrer cientos de pasos.
Qué dice Meta que ha mejorado
Más allá de la eficiencia, la compañía describe ejecución de horizonte más largo en tareas de varios pasos, mejor colaboración —el modelo hace preguntas aclaratorias y pide ayuda cuando la necesita—, mejor multitarea y mayor conciencia de sus propias capacidades y límites.
Esto último es lo más difícil de evaluar y lo más consecuente. Un modelo que sabe cuándo se le escapa el problema falla de otra manera que uno que no lo sabe.
Meta informa además de un entrenamiento de seguridad mejorado orientado a la robustez adversaria y a la resistencia a la inyección de prompts, y dice que el modelo se entrenó en arneses diversos para entornos agénticos.
La tabla sin cifras
El anuncio incluye una tabla comparativa de Muse Spark 1.3 frente a su propia 1.2, GPT 5.6 Sol en máximo y Opus 5 en máximo, en evaluaciones de agente, programación, seguimiento de instrucciones y contexto largo.
Las cifras concretas no están en la publicación. Un gráfico comparativo que nombra a dos competidores, sin los números escritos, pide aceptar una imagen en lugar de un resultado.
Disponibilidad
El modelo se está desplegando en Muse Code y en la Meta Model API. Un modo de razonamiento máximo se describe como próximo. Los pesos abiertos figuran en la hoja de ruta pero no están disponibles, y no se han indicado términos de licencia.
Qué vigilar
Si la afirmación de eficiencia sobrevive al contacto con las cargas de trabajo de otros. Una reducción del 25% de tokens medida en los arneses agénticos de Meta es una afirmación sobre esos arneses hasta que alguien la mida en los suyos.
