Meta ha dado un giro relevante en su estrategia de inteligencia artificial. La compañía ha lanzado Muse Spark 1.1, una versión mejorada de su modelo multimodal y agéntico, y por primera vez abre una API de pago para que desarrolladores externos lo integren en sus propias herramientas. Hasta ahora, Meta se había diferenciado sobre todo por la familia Llama y por una narrativa muy ligada a los modelos abiertos. Con Muse Spark 1.1 entra en un terreno distinto: modelo cerrado, acceso comercial y precios agresivos.
El movimiento coloca a Meta directamente frente a OpenAI, Anthropic, Google y SpaceXAI. La propia compañía presenta Muse Spark 1.1 como un modelo diseñado para tareas agénticas, uso de herramientas, programación, computer use y razonamiento multimodal. Además, lo acompaña con una ventana de contexto de 1 millón de tokens y una API compatible con flujos de trabajo ya usados por desarrolladores, incluidos SDKs de OpenAI y Anthropic.
La noticia no está solo en el rendimiento. Está en el precio. Meta cobra 1,25 dólares por millón de tokens de entrada y 4,25 dólares por millón de tokens de salida en Muse Spark 1.1. Reuters subraya que es la primera vez que Meta cobra a desarrolladores por el acceso a uno de sus modelos y que la vista previa pública está disponible para desarrolladores en Estados Unidos, con 20 dólares en créditos iniciales.
Muse Spark 1.1 entra por precio, no por dominio absoluto
Meta no ha lanzado un modelo que gane en todo. Ha lanzado un modelo que, según sus propias evaluaciones, compite muy bien en tareas agénticas y de uso de herramientas, se acerca a los líderes en varias pruebas y cuesta bastante menos que muchos rivales de gama alta. Esa combinación es más importante que un primer puesto aislado.
En el informe técnico de Muse Spark 1.1, Meta explica que compara el modelo con Gemini 3.1 Pro, Claude Opus 4.8 y GPT-5.5 usando configuraciones de alto esfuerzo de razonamiento. También advierte de que algunas puntuaciones de terceros proceden de resultados auto-reportados o de leaderboards externos, por lo que no conviene leer la tabla como una verdad universal.
| Benchmark | Muse Spark 1.1 | Opus 4.8 | GPT-5.5 | Gemini 3.1 Pro | Lectura rápida |
|---|---|---|---|---|---|
| MCP Atlas | 88,1 | 82,2 | 75,3 | 78,2 | Meta lidera en uso escalado de herramientas |
| JobBench | 54,7 | 48,4 | 38,3 | 15,9 | Buen resultado en tareas profesionales agénticas |
| Toolathlon-Verified | 75,6 | 76,2 | 73,5 | 61,1 | Opus queda ligeramente por delante |
| OSWorld-Verified | 80,8 | 83,4 | 78,7 | 76,2 | Opus mantiene ventaja en computer use |
| Terminal-Bench 2.1 | 80,0 | 82,7 | 83,4 | 70,3 | GPT y Opus siguen fuertes en terminal coding |
| SWE-Bench Pro | 61,5 | 69,2 | 58,6 | 54,2 | Opus lidera; Muse supera a GPT-5.5 en esa tabla |
| DeepSWE 1.1 | 53,3 | 59,0 | 67,0 | 12,0 | GPT-5.5 domina en tareas largas de software |
| CharXiv Reasoning | 88,4 | 89,9 | 84,8 | 81,6 | Opus gana por poco |
| BabyVision | 76,3 | 81,2 | 83,6 | 51,5 | GPT lidera en razonamiento visual |
La tabla muestra algo bastante claro: Muse Spark 1.1 destaca más en agentes y herramientas que en código puro. En JobBench y MCP Atlas la mejora frente a Muse Spark es fuerte, y el modelo se coloca por delante de rivales directos. En cambio, cuando se entra en benchmarks de programación de largo recorrido, GPT-5.5, Opus 4.8 o Fable siguen teniendo ventaja en varias pruebas.
Grok 4.5 confirma la misma tendencia
El lanzamiento de Meta llega justo después de Grok 4.5, el modelo de SpaceXAI enfocado a programación, tareas agénticas y trabajo técnico. La coincidencia es importante: ambos modelos atacan el mismo punto del mercado, modelos potentes para agentes con precios más bajos que los modelos premium tradicionales.
SpaceXAI fija Grok 4.5 en 2 dólares por millón de tokens de entrada y 6 dólares por millón de tokens de salida. La compañía afirma que sirve a unos 80 tokens por segundo y que, en SWE-Bench Pro, usa de media 15.954 tokens de salida frente a 67.020 de Opus 4.8 max, 4,2 veces menos según su propia medición.
| Modelo | Entrada / 1M tokens | Salida / 1M tokens | Contexto público | Enfoque |
|---|---|---|---|---|
| Muse Spark 1.1 | 1,25 $ | 4,25 $ | 1M tokens | Agentes, herramientas, multimodal, coding |
| Grok 4.5 | 2,00 $ | 6,00 $ | 500k tokens en API | Coding, agentes, Office work |
| Gemini 3.1 Pro Preview | 2,00 $ hasta 200k; 4,00 $ >200k | 12,00 $ hasta 200k; 18,00 $ >200k | hasta 1M según producto | Multimodal, agentes, vibe-coding |
| Claude Opus 4.8 | 5,00 $ | 25,00 $ | 1M tokens | Razonamiento, agentes, código |
| GPT-5.5 | desde 2,50 $ / 5,00 $ según contexto | desde 15,00 $ / 22,50 $ según contexto | 1M tokens | Razonamiento, código, multimodal |
Las cifras de Gemini proceden de la página oficial de precios de Google para Gemini 3.1 Pro Preview, que distingue entre prompts de hasta 200.000 tokens y superiores. La tarifa de Opus 4.8 procede del anuncio oficial de Anthropic. En GPT-5.5, la página actual de precios de OpenAI muestra una tarifa base distinta según contexto y condiciones de uso, por lo que la comparación debe hacerse con cuidado.
Grok 4.5 no aparece en todos los benchmarks de Meta, pero sí aporta datos comparables en pruebas de código publicadas por SpaceXAI:
| Benchmark de código | Grok 4.5 | Opus 4.8 max | GPT-5.5 xhigh | Fable max | Lectura |
|---|---|---|---|---|---|
| DeepSWE 1.0 | 62,0 % | 55,75 % | 64,31 % | 66,1 % | Grok queda cerca del grupo líder |
| DeepSWE 1.1 | 53 % | 59 % | 67 % | 70 % | GPT y Fable dominan |
| SWE Marathon | 29,0 % | 26,0 % | N/D | 24,0 % | Grok lidera en esa tabla |
| Terminal-Bench 2.1 | 83,3 % | 78,9 % | 83,4 % | 84,3 % | Diferencias mínimas arriba |
| SWE-Bench Pro | 64,7 % | 69,2 % | 58,6 % | 80,4 % | Fable y Opus siguen por delante |
Estas comparativas no deberían leerse como una clasificación definitiva. Cada proveedor usa harnesses, configuraciones y condiciones distintas, y los propios informes suelen mezclar resultados internos, auto-reportados y leaderboards de terceros. Aun así, el patrón es consistente: los modelos caros ya no tienen todo el espacio para ellos solos.
Meta rompe el molde de Llama
La parte más interesante es estratégica. Muse Spark 1.1 no es un modelo open weight al estilo Llama. Es un modelo cerrado, servido por API y pensado para monetización directa. Eso no significa que Meta vaya a abandonar Llama, pero sí rompe la idea de que su única forma de competir en IA sea publicar modelos abiertos.
Durante años, Meta intentó diferenciarse con apertura, distribución y comunidad. Ahora añade otra pieza: vender inferencia barata en un modelo propio de alto rendimiento. Para muchas empresas, esa combinación puede ser atractiva. No necesitan entrenar ni alojar nada, pueden probar con créditos iniciales, migrar desde APIs conocidas y pagar menos que en modelos premium.
La API compatible también importa. Si una empresa puede cambiar la URL base y la clave sin rehacer todo su sistema de agentes, el coste de probar Muse Spark baja mucho. Ese detalle técnico puede ser tan decisivo como un benchmark.
La guerra se mueve al coste por tarea
La IA de agentes no se paga solo por “inteligencia”. Se paga por cada turno, cada herramienta, cada llamada, cada reintento y cada contexto reenviado. Un modelo barato por token puede salir caro si necesita muchas vueltas. Un modelo caro puede compensar si resuelve antes. Y un modelo intermedio puede ganar si combina suficiente calidad, baja latencia y pocos tokens.
Por eso Meta y SpaceXAI están empujando donde más duele: el coste de producción. En agentes de código, investigación, atención al cliente, automatización de oficina o análisis financiero, el gasto puede crecer muy rápido cuando se pasa de demos a uso real. Si Muse Spark 1.1 y Grok 4.5 ofrecen una calidad suficiente a precios más bajos, muchas empresas empezarán a enrutar tareas hacia ellos.
El resultado probable no será un ganador único. Será una arquitectura con varios modelos: uno para tareas críticas, otro para código, otro para visión, otro para búsqueda, otro para tareas baratas y repetitivas. El modelo se vuelve más intercambiable, y el valor se desplaza hacia el producto, el routing, el contexto, los datos, el harness, la evaluación y la experiencia de usuario.
No todo es precio: también hay riesgo y confianza
Muse Spark 1.1 llega con una evaluación de seguridad extensa. Meta reconoce que, antes de aplicar mitigaciones, no puede descartar que el modelo alcance el umbral de alto riesgo en áreas químico-biológicas y de ciberseguridad, aunque afirma que las mitigaciones reducen el riesgo residual a “moderado o inferior” según su marco interno.
Esto será importante para empresas. Un modelo barato no basta si se va a usar con herramientas, permisos, datos internos o acciones sobre sistemas reales. Cuanto más agéntico es el modelo, más importan las barreras: permisos, auditoría, aislamiento, control de herramientas, políticas de salida, detección de prompt injection y evaluación continua.
La batalla de Muse Spark 1.1 no es solo contra Claude, GPT o Gemini. Es contra la percepción de que Meta llega tarde a los modelos cerrados de uso empresarial. Su arma no es ganar todas las tablas, sino convertir la inferencia avanzada en algo lo bastante barato y compatible como para que muchos equipos la prueben.
Si funciona, el mensaje para el mercado será incómodo: incluso los modelos de frontera empiezan a parecer menos únicos. Y cuando eso ocurre, la ventaja ya no está solo en el modelo. Está en lo que una empresa construye encima.
Preguntas frecuentes
¿Qué es Muse Spark 1.1?
Es el nuevo modelo cerrado de Meta, orientado a tareas agénticas, programación, uso de herramientas, multimodalidad y computer use.
¿Es open source como Llama?
No. Muse Spark 1.1 no es un modelo open weight. Se ofrece mediante Meta AI y la nueva Meta Model API.
¿Cuánto cuesta Muse Spark 1.1?
La API cuesta 1,25 dólares por millón de tokens de entrada y 4,25 dólares por millón de tokens de salida.
¿Gana a Opus 4.8 y GPT-5.5?
Depende de la prueba. Muse Spark 1.1 destaca en benchmarks agénticos como MCP Atlas y JobBench, pero queda por detrás en varios benchmarks de código puro.
¿Por qué importa Grok 4.5 en esta comparación?
Porque refuerza la misma tendencia: modelos potentes para agentes, con precios bastante inferiores a los modelos premium tradicionales.
