Meta lança muse spark 1.3: um modelo de codificação mais eficiente

O Meta Superintelligence Labs lançou o Muse Spark 1.3, um modelo avançado de codificação baseado em agentes, projetado para tarefas de longo prazo. A atualização, que chega hoje, faz parte de uma série de quatro lançamentos em cinco meses. O Muse Spark 1.3 é otimizado para usabilidade, permitindo threads de longa duração, colaboração entre usuários e consciência de suas próprias limitações. Está disponível através da Muse Code e da API do Meta Model, embora a auto-hospedagem não seja possível devido a restrições de pesos fechados e testes de segurança. O modelo demonstra melhor eficiência, utilizando aproximadamente 20% menos chamadas de ferramentas e 25% menos tokens em comparação com o Muse Spark 1.2. Essas reduções se traduzem em custos mais baixos para cargas de trabalho baseadas em agentes. A Meta relata capacidades aprimoradas de multitarefa, com o modelo apto a mapear prompts de entrada para a tarefa correta dentro de uma única thread. Também demonstra melhor calibração em seus próprios limites, sinalizando obstáculos em vez de gerar resultados incorretos. As métricas de desempenho destacam os pontos fortes do Muse Spark 1.3, com pontuações de 75,4 em DeepSWE v1.1, superando concorrentes como Claude Opus 5 e GPT-5.6 Sol. A recuperação de longo contexto mostra a maior diferença, com pontuações de 98,5 e 98,1 do MRCR v2 em comparação com os 91,5 e 73,8 do GPT-5.6 Sol. A Artificial Analysis coloca a variante xhigh em 61 em seu Índice de Inteligência, ficando atrás da variante máxima do Claude Opus 5 em 63.