LAURA ALCANTARA
Muse Spark 1.1 puede planificar proyectos, operar programas, delegar tareas entre agentes y conservar hasta un millón de tokens de contexto. Meta abrió además una API pública con tarifas de US$1,25 por millón de tokens de entrada y US$4,25 por los de salida, una ofensiva con la que busca disputarles a OpenAI, Anthropic y Google el mercado empresarial de la inteligencia artificial.
Meta aceleró su carrera por convertir la inteligencia artificial en una infraestructura capaz de ejecutar trabajo y no solamente de producir respuestas. La compañía presentó el 9 de julio de 2026 Muse Spark 1.1, un modelo multimodal orientado a tareas agénticas, y dos semanas después comenzó a incorporar sus capacidades de automatización en Meta AI dentro de mercados seleccionados. La diferencia temporal resulta importante: el modelo y la plataforma para desarrolladores no fueron lanzados el 27 de julio, como señala la información original, sino que esa fecha corresponde a la difusión posterior de una tecnología presentada semanas antes.
La apuesta modifica el funcionamiento tradicional de los asistentes digitales. Un chatbot convencional recibe una instrucción y devuelve una respuesta; un agente interpreta un objetivo, divide el problema en etapas, selecciona herramientas, ejecuta acciones y ajusta su comportamiento cuando cambian las condiciones. Muse Spark 1.1 fue entrenado para operar bajo esa segunda lógica: puede recopilar información, diseñar un plan, interactuar con aplicaciones, escribir scripts, controlar interfaces y distribuir partes de una tarea entre varios subagentes que trabajan de manera simultánea. Según Meta, el sistema decide incluso cuándo conviene automatizar una operación y cuándo resulta más eficiente utilizar directamente el navegador o el escritorio.
Un millón de tokens para sostener trabajos extensos
Uno de los principales atributos técnicos es su ventana de contexto de un millón de tokens, frente a los 262.000 admitidos por la primera versión de Muse Spark. Esa capacidad equivale, de manera aproximada, a cientos de miles de palabras y permite procesar grandes bases documentales, sesiones prolongadas, repositorios de código o proyectos con numerosos pasos sin perder con rapidez la información inicial. El modelo también puede compactar el contenido previo, recuperar decisiones tomadas varias etapas atrás y conservar los elementos relevantes para completar una tarea de larga duración.
En términos prácticos, la ampliación del contexto permite que un sistema revise contratos, analice informes, compare documentos, produzca un reporte y corrija sus propios errores dentro de un mismo flujo de trabajo. Meta mostró aplicaciones en las que el modelo identifica fotografías útiles dentro de un video, redacta la descripción de un producto y opera el navegador para crear una publicación en Facebook Marketplace. También difundió demostraciones de programación en las que Muse Spark 1.1 construye una aplicación, toma capturas de pantalla, detecta fallas visibles, localiza el código problemático, introduce modificaciones y comprueba el resultado sin depender de instrucciones humanas para cada movimiento.
Meta abre su primera vía directa de cobro por un modelo avanzado
El lanzamiento incluye la versión preliminar pública de Meta Model API, una interfaz que permite a desarrolladores incorporar Muse Spark 1.1 en aplicaciones propias. El acceso inicial fue habilitado en Estados Unidos con US$20 en créditos gratuitos y un esquema de pago por consumo: US$1,25 por cada millón de tokens de entrada y US$4,25 por cada millón de tokens de salida. Los tokens reutilizados desde la memoria caché cuestan US$0,15 por millón, de acuerdo con las mediciones publicadas por Artificial Analysis.
La comparación presentada en la nota original necesita matices. Reuters informó que la tarifa se encuentra por encima de las alternativas básicas GPT-5 mini y Claude Haiku 4.5, aunque permanece por debajo de modelos de mayor gama como Claude Sonnet 4.6. Por lo tanto, no corresponde describirlo simplemente como el sistema más barato del mercado, sino como una propuesta que combina capacidades avanzadas con una política de precios agresiva frente a productos de rendimiento superior.
El movimiento representa además un cambio comercial para Meta. Durante años, la empresa concentró su estrategia en modelos abiertos de la familia Llama y en servicios integrados dentro de Facebook, Instagram y WhatsApp. La nueva API introduce una vía directa de monetización mediante la venta de inferencia, el procesamiento que ocurre cada vez que una aplicación consulta al modelo. Con esa decisión, Meta ingresa de lleno en un mercado dominado por OpenAI, Anthropic y Google, donde el precio de los tokens, la velocidad de respuesta y la confiabilidad de los agentes se volvieron variables centrales para empresas que automatizan millones de operaciones.
Los resultados son competitivos, pero no confirman un liderazgo absoluto
La afirmación de que Muse Spark 1.1 posee “los benchmarks agénticos más altos del mercado” tampoco puede sostenerse sin aclaraciones. Las evaluaciones publicadas por Meta muestran avances en planificación, programación, uso de herramientas y comprensión multimodal, pero buena parte de esos resultados proviene de pruebas seleccionadas por la propia compañía. Los benchmarks permiten comparar desempeños bajo condiciones controladas, aunque no garantizan que el modelo conserve la misma precisión en entornos reales, con información incompleta, interfaces cambiantes y consecuencias económicas concretas.
La organización independiente Artificial Analysis asignó a Muse Spark 1.1 una puntuación de 51 en su Intelligence Index, ocho puntos más que la primera versión. El resultado lo ubicó empatado con otros modelos de gama alta, pero por debajo de Claude Fable 5, GPT-5.6 Sol, Claude Opus 4.8 y Grok 4.5. En Humanity’s Last Exam obtuvo 45%, un punto menos que Claude Opus 4.8 y uno más que GPT-5.5, mientras que en SciCode alcanzó 58%, la tercera mejor marca registrada por esa evaluadora. La evidencia muestra un producto competitivo y eficiente, no un vencedor indiscutido en todas las categorías.
El análisis externo también identificó una mejora en el control de errores. La tasa de alucinaciones medida por Artificial Analysis cayó de 73% a 38%, aunque esa reducción se explicó en parte porque el modelo comenzó a abstenerse con mayor frecuencia cuando no podía responder con seguridad. La precisión entre los intentos realizados permaneció relativamente estable, al pasar de 45% a 41%. El dato revela una diferencia fundamental entre parecer más confiable y producir respuestas objetivamente más correctas: en ocasiones, un sistema mejora su evaluación porque aprende a no contestar, no porque haya resuelto sus limitaciones de conocimiento.
De los desarrolladores a Gmail, calendarios y WhatsApp
Meta comenzó el 24 de julio a desplegar nuevas funciones impulsadas por Muse Spark 1.1 dentro de Meta AI. En los mercados habilitados, el asistente puede elaborar resúmenes diarios a partir del calendario, preparar planes semanales de comidas, seguir tendencias y ejecutar tareas recurrentes sin que el usuario repita cada instrucción. La empresa anticipó que la expansión comenzará por la aplicación de Meta AI y su plataforma web antes de alcanzar otros servicios, entre ellos WhatsApp.
La integración con aplicaciones externas amplía la utilidad del asistente, pero también eleva los riesgos. Para organizar una agenda, leer correos, publicar productos o intervenir sobre archivos, el agente necesita permisos y acceso a información personal. Cada conexión aumenta la superficie disponible para filtraciones, instrucciones maliciosas, errores operativos o acciones que el usuario no pretendía autorizar. Meta afirma haber probado el modelo frente a ataques por inyección de instrucciones, intentos de evasión y datos no confiables, aunque sus conclusiones provienen de evaluaciones internas y todavía deberán contrastarse con el comportamiento del sistema una vez extendido a millones de personas.
La nueva competencia ya no es por responder mejor
Muse Spark 1.1 forma parte de una transformación más amplia de la industria. Las grandes tecnológicas dejaron de competir exclusivamente por producir el chatbot con las respuestas más fluidas. El objetivo ahora es controlar agentes capaces de reservar servicios, administrar correos, modificar archivos, programar aplicaciones, operar plataformas comerciales y coordinar procesos empresariales completos.
Ese salto convierte a la inteligencia artificial en una capa de intermediación entre las personas y el software. Quien controle el agente no solo responderá preguntas: decidirá qué información consultar, qué aplicaciones utilizar, qué acciones ejecutar y qué servicios recomendar. Meta posee una ventaja difícil de replicar, porque puede desplegar sus modelos dentro de Facebook, Instagram, Messenger, WhatsApp y sus dispositivos conectados, plataformas que reúnen a miles de millones de usuarios.
La promesa es reducir clics, tiempos y tareas repetitivas. La disputa de fondo, sin embargo, excede la productividad. Muse Spark 1.1 muestra que la próxima etapa de la inteligencia artificial no estará definida por sistemas que sepan hablar, sino por empresas que logren que sus modelos actúen dentro de la vida digital de las personas. Y cuanto más autónomos sean esos agentes, más poder concentrará la compañía que determine sus permisos, objetivos y límites.
Melina Schweizer
