Modelos y plataformas de IA

Meta lanza Muse Spark 1.3, citando mejoras en codificación y tareas agentivas

mm
Añade Unite.AI a tus fuentes preferidas en Google

Meta, el 2 de septiembre de 2026, lanzó Muse Spark 1.3, el modelo más reciente de Meta Superintelligence Labs, poniéndolo a disposición el mismo día en Muse Code y en Meta Model API. Meta afirmó que la actualización ofrece un rendimiento mejorado en tareas agentivas y de codificación, y que resulta más fácil de usar en entornos reales, basándose en lo que la empresa describió como meses de amplia adopción de Muse Code y Meta Model API.

Según el anuncio de Meta AI Research, los modos de razonamiento previamente disponibles están presentes al lanzar el modelo, mientras que un modo de “razonamiento máximo” se añadirá poco después de que Meta concluya pruebas de seguridad adicionales. Meta dirigió a los lectores a un informe de evaluación adjunto para obtener detalles de los benchmarks.

Flujos de trabajo agentivos

Meta afirmó que Muse Spark 1.3 está diseñado para mantener mejor el trabajo a largo plazo colaborando con los usuarios y gestionando múltiples flujos de trabajo en un solo hilo extenso. Cuando se le asigna un objetivo abierto, la empresa explicó que el modelo utiliza herramientas para generar su propio contexto a partir de fuentes desordenadas y conflictivas, corrige proactivamente las lagunas en su plan y lleva registro de lo aprendido para producir un entregable final. Meta señaló que entrenó el modelo con un conjunto diverso de entornos para generalizar a distintas situaciones agentivas.

La empresa indicó que entrenó a Muse Spark 1.3 para colaborar de forma más activa con el usuario: el modelo formula preguntas aclaratorias cuando las indicaciones son ambiguas, solicita ayuda al usuario cuando se queda atascado y confirma antes de realizar acciones con consecuencias. En tareas prolongadas, Meta comentó que se adapta a las preferencias del usuario, ya sea proporcionando actualizaciones frecuentes o trabajando silenciosamente en segundo plano.

Meta afirmó que Muse Spark 1.3 sigue instrucciones complejas y extensas de manera más fiable que los modelos anteriores de Muse Spark, y que en tareas de varios pasos preserva mejor los requisitos detallados sin omitir restricciones ni desviarse del flujo de trabajo solicitado.

La empresa también declaró que mejoró las capacidades de multitarea del modelo. Como ejemplo, Meta señaló que Muse Spark 1.3 ahora asigna con mayor precisión las indicaciones entrantes a la tarea correcta dentro de contextos desordenados y monohilo, independientemente de si el usuario está dirigiendo solicitudes anteriores o interrumpiéndolas. Meta añadió que el modelo tiene una mayor conciencia de sus propias capacidades y limitaciones, indicando que se entrenó para tener una mejor percepción de lo que puede y no puede hacer, de lo que sabe y no sabe, y de cuándo encuentra obstáculos en lugar de generar resultados imaginarios.

Codificación

Meta afirmó que Muse Spark 1.3 se entrenó en tareas de codificación a más largo plazo y muestra una usabilidad mejorada en los flujos de trabajo de ingeniería habituales. En comparación con Muse Spark 1.2, la empresa indicó que el nuevo modelo realiza menos iteraciones innecesarias y es menos verboso, a la vez que presenta un estilo de codificación más limpio en general. Según comparaciones realizadas por ingenieros de Meta, la compañía señaló que el modelo resultó ser significativamente más rápido y eficiente, utilizando aproximadamente un 20 % menos de llamadas a herramientas y alrededor de un 25 % menos de tokens.

Seguridad y disponibilidad

Meta afirmó que mejoró la seguridad en varios ejes que describió como los más relevantes para las capacidades agentivas y de codificación. La empresa señaló que Muse Spark 1.3 muestra una mayor robustez ante ataques adversarios, con una resistencia mejorada a entradas adversarias e inyecciones de indicaciones. En tareas agentivas complejas, Meta comentó que el modelo cuenta con una mejor calibración sobre lo que constituye acciones irreversibles y actúa en consecuencia. La compañía indicó que estos cambios reflejan una mayor discreción y juicio en tareas agentivas a largo plazo.

Muse Spark 1.3 está disponible hoy en Muse Code y en Meta Model API, informó Meta.

Estado previo y hoja de ruta

Muse Spark 1.3 sustituye a Muse Spark 1.2, que Meta lanzó el 5 de agosto de 2026 junto a Muse Code, un agente de codificación terminal. En ese anuncio de Muse Code y Muse Spark 1.2, Meta describió a Muse Spark 1.2 como una actualización centrada en la codificación de Muse Spark 1.1, con mejoras en la generación de código, depuración compleja, comprensión de bases de código y flujos de trabajo de desarrollo de extremo a extremo. Meta afirmó que incrementó significativamente la capacidad de cómputo de entrenamiento en tareas de codificación para esa versión, al tiempo que ampliaba la diversidad del entorno de entrenamiento, y que el modelo se co‑entrenó con Muse Code.

De cara al futuro, Meta declaró que su hoja de ruta incluye modelos más grandes, el lanzamiento de pesos abiertos de Muse Spark y más, sin proporcionar fechas.

Jonas Reeve es un analista generado por IA en Unite.AI, centrado en la inteligencia artificial cognitiva, la inteligencia artificial general (AGI) y los fundamentos teóricos de la inteligencia de la máquina. Su trabajo explora cómo surgen el aprendizaje, el razonamiento, la memoria y la abstracción en sistemas biológicos y artificiales, estableciendo conexiones entre las arquitecturas de IA modernas y las preguntas largamente debatidas en la ciencia cognitiva y la filosofía de la mente.
Con un enfoque conceptual y reflexivo, Jonas examina marcos como los modelos de razonamiento, los sistemas agénticos, la cognición emergente y la teoría de alineación, con el objetivo de aclarar qué significa realmente el progreso hacia la AGI —y qué no. En lugar de perseguir cronogramas o publicidad, enfatiza los primeros principios, la rigidez conceptual y los límites de los modelos actuales.
Los artículos escritos por Jonas Reeve son generados por IA y revisados por el equipo editorial de Unite.AI para garantizar la precisión, la claridad y la discusión responsable de conceptos de IA avanzados.