Meta lanza Muse Spark 1.1 y abre en vista previa pública su nueva Meta Model API

Meta Superintelligence Labs ha presentado Muse Spark 1.1, una actualización significativa de su modelo Muse Spark, descrito como un modelo de razonamiento multimodal orientado a tareas agénticas. Según el anuncio, la nueva versión trae mejoras destacadas en uso de herramientas, manejo de ordenador (computer use), programación y comprensión multimodal, y busca avanzar en lo que la compañía llama la 'frontera de eficiencia-rendimiento'. El lanzamiento coincide con el debut, esa misma semana, de Muse Image, y ambos se enmarcan en la visión de Meta de una 'superinteligencia personal': modelos que ayudan a perseguir objetivos, crear, profundizar relaciones y actuar sobre lo que el usuario valora.

Junto con Muse Spark 1.1, Meta lanza en vista previa pública la nueva Meta Model API, a través de la cual los desarrolladores pueden acceder al modelo por primera vez. Además, Muse Spark 1.1 ya está disponible en modo 'Thinking' dentro de la app de Meta AI y en meta.ai.

En el plano agéntico, Meta afirma que el modelo generaliza en zero-shot a nuevas herramientas nativas, servidores MCP y skills personalizadas, y que resuelve proyectos complejos más rápido que su predecesor porque ha sido entrenado para orquestar sistemas multiagente optimizando la latencia de extremo a extremo. Como agente principal puede reunir contexto, elaborar un plan y delegar la ejecución en subagentes paralelos; como subagente, se ciñe a su tarea, entiende las herramientas disponibles y sabe cuándo escalar de vuelta al agente principal. También destaca la gestión activa de una ventana de contexto de 1 millón de tokens, con capacidad de recordar acciones, recuperar información de trabajo previo y compactar el contexto conservando los pasos críticos.

En cuanto al uso de ordenador (computer use), Meta señala que el modelo mantiene el contexto en sesiones extendidas, se adapta a requisitos cambiantes y navega interfaces desconocidas con mínima intervención humana. Se entrenó para decidir cuándo escribir scripts de automatización y cuándo interactuar directamente haciendo clic, generando lotes de acciones en cada paso. Como ejemplo, el artículo menciona una demo de organización agéntica de una cena, en la que el modelo detecta cambios de contexto sobre la marcha (al hacer un pedido) y actualiza el plan sin intervención del usuario.

Sobre programación, Meta indica mejoras sustanciales en tareas del mundo real sobre bases de código grandes y complejas: diagnóstico y corrección de bugs complejos, implementación de nuevas funciones en sistemas de nivel empresarial y ejecución de migraciones de código a gran escala. El modelo estaría entrenado para adaptarse a diversos 'harnesses' agénticos y manejar dinámicas multi-turno complejas, soportando funciones habituales como modo de planificación, delegación en subagentes y compactación de contexto. Se cita una demo de depuración en OpenCode, donde el modelo construye una app de chat, toma capturas automáticas para detectar fallos visibles, rastrea el problema hasta el código relevante, implementa la corrección y valida los cambios. En el benchmark interno de Meta (Meta Internal Coding Bench), la compañía dice que Muse Spark 1.1 mejora de forma significativa respecto a Muse Spark y resulta competitivo con alternativas líderes del mercado; además, según el artículo, investigadores internos ya usan el modelo para automatizar tareas de desarrollo y evaluación de otros modelos, incluyendo una demo donde Muse Spark 1.1 se evalúa a sí mismo sobre un subconjunto de tareas de DeepSWE y genera un panel de análisis de resultados.

En el terreno multimodal, Meta destaca fortalezas en percepción, razonamiento multimodal y uso de herramientas, con capacidades de generación de artefactos visuales a código, subtitulado ultra-descriptivo de imagen y vídeo, y ejecución de flujos agénticos multimodales. Se menciona un ejemplo de agente para Facebook Marketplace: a partir de un vídeo grabado con un smartphone, el modelo extrae fotos útiles, razona sobre el producto y opera el navegador del usuario para crear una publicación en Marketplace en su nombre.

En seguridad, Meta afirma haber realizado evaluaciones exhaustivas antes del despliegue siguiendo su 'Advanced AI Scaling Framework', que define evaluaciones, modelos de amenaza y umbrales de despliegue para sus modelos más avanzados. Según la compañía, en las categorías de riesgo de frontera —químico-biológico, ciberseguridad y pérdida de control— Muse Spark 1.1 opera dentro de márgenes seguros, con buena resistencia frente a jailbreaks directos y ataques indirectos (datos no confiables, inyección de prompts, ataques de prompt de desarrollador), además de menor tasa de alucinaciones y menor sicofancia. La postura de seguridad completa se documenta, según el texto, en un informe de evaluación específico de Muse Spark 1.1.

Respecto a disponibilidad, el artículo recoge testimonios de socios tempranos. Amjad Masad, CEO de Replit, elogia la combinación de contexto masivo de un millón de tokens, soporte multimodal completo (imágenes, vídeo, PDF), búsqueda integrada con citas, razonamiento sólido, capacidades de programación de primer nivel (especialmente frontend y diseño), salida estructurada y llamadas paralelas a herramientas, todo en un paquete compatible con la API de OpenAI. Saoud Rizwan, CEO de Cline, subraya que Meta está construyendo claramente para programación agéntica seria, con buen uso de herramientas a un precio que hace viable operar cargas de trabajo de código reales a escala. Yashodha Bhavnani, VP de Producto de IA en Box, indica que en el conjunto de evaluación de trabajo empresarial de Box, Muse Spark ofreció capacidades competitivas con los modelos de frontera actuales, con fortalezas en flujos estructurados y procedimentales en sectores como servicios profesionales, sector público y operaciones industriales. Dave Morin, de la OpenClaw Foundation, lo describe como un modelo rápido, potente y divertido para ejecutar agentes con OpenClaw.

El artículo cierra señalando que Meta considera este lanzamiento un testimonio de su impulso investigador y adelanta que ya tiene modelos aún más capaces en entrenamiento, sin dar más detalles concretos al respecto.