Meta lanzó Muse Spark 1.1, un modelo de razonamiento multimodal para tareas basadas en agentes, y estrena por primera vez su propia API para desarrolladores a precios que socavan incluso al anterior líder en costos, Grok 4.5.
Meta Superintelligence Labs presentó Muse Spark 1.1, un modelo de razonamiento multimodal construido para tareas de agentes, programación, uso de computadora y comprensión multimodal. Meta lo describe como una "mejora significativa" sobre el Muse Spark original, que se lanzó a comienzos de abril de 2026. El modelo está disponible en modo "Thinking" en la app de Meta AI y en meta.ai. Al igual que su predecesor, Muse Spark 1.1 se distribuye sin pesos abiertos, lo que sugiere que Meta se alejó de la estrategia open source de Llama que alguna vez la convirtió en favorita de la comunidad de IA.
¿Qué ofrece la nueva API de Meta?
Junto con el modelo, Meta lanza una vista previa pública de la nueva Meta Model API, que da acceso directo a los desarrolladores por primera vez. El movimiento ubica a Meta de lleno en un mercado antes dominado por OpenAI, Anthropic, Google y varios proveedores chinos. El nuevo modelo de imagen, Muse Image, todavía no está disponible por la API.
Orquestación multiagente para proyectos complejos
Meta afirma que Muse Spark 1.1 está entrenado para orquestar sistemas multiagente. Como agente principal, el modelo reúne contexto, arma un plan y delega la ejecución en subagentes paralelos. Como subagente, se mantiene en la tarea y sabe cuándo escalar de vuelta. El modelo generaliza a nuevas herramientas nativas, servidores MCP y habilidades personalizadas sin entrenamiento específico. Gestiona activamente su ventana de contexto de un millón de tokens, recordando acciones y comprimiendo información de trabajo previo sin perder pasos críticos, según Meta.
Muse Spark 1.1 lidera el benchmark MCP Atlas (88,1) y Humanity's Last Exam (62,1), por delante de Opus 4.8, GPT-5.5 y Gemini 3.1 Pro. En SWE-Bench Pro, cuya validez OpenAI cuestiona, Opus 4.8 lidera con 69,2, seguido por Muse Spark 1.1 con 61,5. Meta dice que el rendimiento en programación también mejoró de forma significativa en tareas del mundo real que involucran grandes bases de código: el modelo ahora puede diagnosticar errores complejos, agregar funciones a sistemas empresariales y manejar migraciones de código a gran escala.
En el benchmark independiente VALS-AI, Muse Spark 1.1 se ubica cuarto en general, siendo particularmente rápido y económico. Solo en el benchmark de programación "Vibe Code Bench" saltó 36 puestos respecto de su predecesor.
¿Por qué preocupa el precio a OpenAI y Anthropic?
Muse Spark 1.1 por sí solo probablemente no llamaría demasiado la atención. La Meta Model API y sus precios sí lo harán, al menos en las oficinas centrales de OpenAI y Anthropic. Meta cobra 1,25 dólares por millón de tokens de entrada, 4,25 dólares por millón de tokens de salida y 0,15 por entrada en caché. La función Web Search Grounding cuesta 2,50 dólares por cada 1.000 consultas.
Esos precios socavan incluso a Grok 4.5 de xAI, que se lanzó apenas el día anterior y ostentó por unas horas el título de modelo casi frontera más barato. Opus 4.8 de Anthropic, GPT-5.5 de OpenAI y Fable 5 cobran entre 25 y 50 dólares por millón de tokens de salida, muchas veces los 4,25 de Meta. Modelos chinos como GLM 5.2 también son mucho más baratos, pero la API de Meta fija un nuevo piso de precios entre los grandes proveedores estadounidenses.
La guerra de precios se acelera
La guerra de precios podría golpear más fuerte a OpenAI y Anthropic. Ambos queman miles de millones y dependen de altos márgenes por token y de un crecimiento acelerado para cubrir pérdidas y justificar sus valoraciones. Meta, una empresa con más de 60.000 millones de dólares de ganancia anual, ahora ofrece un modelo competitivo a una fracción de esos precios. Tanto Meta como Google pueden operar sus API como puertas de entrada a sus ecosistemas sin necesidad de que sean rentables pronto.
Los modelos chinos de código abierto empujan los precios hacia abajo desde el otro lado. Snowflake mostró que GLM 5.2 cuesta una fracción de lo que cobra Opus 4.8 con un rendimiento comparable en programación. Empresas como Coinbase y Lindy recortaron su gasto en IA de forma significativa al cambiarse a modelos chinos.
Los laboratorios frontera quedan así apretados por ambos lados: Google y Meta presionan desde arriba con recursos corporativos, y los modelos chinos de código abierto empujan desde abajo con precios de remate. Que la ventaja de precio de Meta se sostenga en la práctica también depende de la eficiencia en tokens, ya que la cantidad que un modelo consume por tarea puede mover los costos reales de manera significativa, como Databricks mostró hace poco en su propio benchmark. Y el rendimiento que prometen los benchmarks de Meta todavía tiene que sostenerse en producción.
