Meta lanza muse spark 1.3: un modelo de codificación más eficiente

Las Superinteligencias de Meta han lanzado Muse Spark 1.3, un modelo avanzado de codificación basado en agentes, diseñado para tareas a largo plazo. La actualización, que se lanza hoy, es parte de una serie de cuatro lanzamientos en cinco meses. Muse Spark 1.3 está optimizado para la usabilidad, lo que permite mantener hilos largos, colaboración entre usuarios y conciencia de sus propias limitaciones. Está disponible a través de Muse Code y la API de Meta Model, aunque no es posible la auto-hospedaje debido a las restricciones de pesos cerrados y pruebas de seguridad. El modelo demuestra una mayor eficiencia, utilizando aproximadamente un 20% menos de llamadas a herramientas y un 25% menos de tokens en comparación con Muse Spark 1.2. Estas reducciones se traducen en menores costes para las cargas de trabajo basadas en agentes. Meta informa de capacidades mejoradas de multitarea, con el modelo capaz de asignar las entradas de prompts a la tarea correcta dentro de un solo hilo. También muestra una mejor calibración de sus propios límites, señalando obstáculos en lugar de generar resultados erróneos. Las métricas de rendimiento destacan las fortalezas de Muse Spark 1.3, con puntuaciones de 75.4 en DeepSWE v1.1, superando a competidores como Claude Opus 5 y GPT-5.6 Sol. La recuperación de contexto largo muestra la mayor diferencia, con puntuaciones de MRCR v2 de 98.5 y 98.1 frente a las de GPT-5.6 Sol de 91.5 y 73.8. Artificial Analysis sitúa la variante xhigh en 61 en su Índice de Inteligencia, quedando por detrás de la variante máxima de Claude Opus 5 en 63.