Muse Spark 1.1 a prueba (2026): cuesta 75% menos, pero no gana en todo

El primer modelo de frontera de pago de Meta cuesta $1.25 por millón de tokens de entrada y $4.25 por millón de tokens de salida, cerca de una cuarta parte de lo que cobran OpenAI y Anthropic por sus niveles más avanzados. Muse Spark 1.1 encabeza todos los benchmarks de uso de herramientas en los que fue evaluado, pero sigue por detrás de Claude Opus 4.8 en la programación más exigente, justo la capacidad que vende su nombre.

El veredicto

Muse Spark 1.1 ofrece hoy la mejor relación calidad-precio entre los modelos de frontera para uso de herramientas, pero no es la opción indicada para tareas de programación difíciles y de largo horizonte. Ambas cosas son ciertas a la vez; el marketing solo cuenta la parte favorable.

El precio es real. Con $1.25 de entrada y $4.25 de salida por millón de tokens, un bucle de agente intensivo en salida que cuesta $30 por millón con GPT-5.6 Sol baja a $4.25 con Muse Spark: unas siete veces menos. En los benchmarks de lanzamiento de Meta, supera por amplio margen a Opus 4.8, GPT-5.5 y Gemini 3.1 Pro en MCP Atlas y JobBench, las dos pruebas de uso de herramientas a escala. Si un producto consume la mayor parte de sus tokens orquestando herramientas, llamando a servidores MCP y coordinando subagentes, esta es hoy la forma más barata de ejecutar un modelo de frontera para ese trabajo.

La salvedad está en lo que sugiere «Spark». Meta bautizó así una línea orientada a la programación y concentra ahí buena parte de su mensaje comercial, pero en benchmarks independientes de código queda a mitad de tabla: tercero en programación agéntica desde terminal, tercero en programación agéntica de largo horizonte y por detrás de Opus 4.8 en ingeniería de software diversa. Además, tiene pesos cerrados, solo produce texto y su vista previa pública está disponible únicamente para desarrolladores de EE. UU., con lista de espera.

Conviene cambiar ahora si se ejecutan cargas de uso de herramientas u orquestación de agentes a gran escala y el costo por token es la principal limitación. Es mejor seguir con Opus 4.8 o GPT-5.6 Sol cuando los agentes realizan programación autónoma prolongada y un paso equivocado sale caro. A continuación se desglosan el precio, los benchmarks que la publicación de Meta apenas destaca y la única regla que permite decidir.

Muse Spark 1.1: qué es en realidad

Muse Spark 1.1, de Meta AI, es el segundo modelo de Meta Superintelligence Labs. Se lanzó el 9 de julio de 2026 y es el primer modelo de Meta disponible para desarrolladores externos mediante una API de pago. Es un modelo de razonamiento multimodal creado para trabajo agéntico: planifica tareas de varios pasos, maneja herramientas externas y delega en subagentes, en lugar de limitarse a responder una sola pregunta. Incluye una ventana de contexto de 1,048,576 tokens —un millón completo— y compacta activamente el trabajo anterior para reservar espacio a los pasos posteriores. Buena parte de su propuesta gira en torno a servidores MCP, el estándar abierto que permite a un modelo acceder a herramientas y fuentes de datos externas mediante una interfaz común. Así, un solo agente puede controlar una hoja de cálculo, un navegador y una API interna sin integrar cada recurso con código a medida.

Hay dos rupturas claras con la trayectoria anterior de Meta. La primera es que se trata de un modelo propietario y de pesos cerrados: no se puede descargar ni alojar por cuenta propia, a diferencia de la familia abierta Llama con la que Meta se hizo un nombre entre los modelos abiertos. Zuckerberg fue directo sobre el giro: "Since this is not an open source model, this is I think the first time that we're doing a real serious API." Si los pesos abiertos son imprescindibles para el alojamiento propio o el ajuste fino, Muse Spark queda descartado; los mejores modelos de pesos abiertos forman una lista aparte. La segunda es que el acceso para consumidores es gratuito: funciona en el modo "Thinking" de la aplicación Meta AI y en meta.ai con una cuenta de Meta. Cualquiera puede probarlo antes de decidir si la API de pago merece un lugar en su producto.

Una especificación importa más que el marketing: el modelo acepta texto, imágenes y audio como entrada, pero solo devuelve texto. No genera imágenes ni audio; eso corresponde a otra línea de Meta, Muse Image y Muse Video. Muse Spark es el cerebro de un agente, no un generador multimedia, y esperar otra cosa conduce a una evaluación equivocada.

En el terreno agéntico, la lista de capacidades es real: modo de planificación, condicionamiento por objetivos, delegación en subagentes y compactación del contexto. Meta también afirma que puede generalizar sin ejemplos previos a nuevas herramientas nativas, servidores MCP y skills personalizadas, sin ajustes específicos para cada integración. Los primeros socios respaldan esa dirección. Saoud Rizwan, CEO de Cline, afirmó que Meta está "clearly building for serious agentic coding, strong tool use at a price point that makes it viable to run real coding workloads at scale." Amjad Masad, de Replit, destacó sus "top-tier coding abilities (particularly frontend and design)" y su formato compatible con OpenAI. Conviene contrastar esas declaraciones con los benchmarks independientes que aparecen más adelante, porque los resultados son más matizados que los testimonios.

Precio de la API de Muse Spark: qué significa realmente «75% más barato»

Meta Model API cobra $1.25 por millón de tokens de entrada y $4.25 por millón de tokens de salida, y cada cuenta nueva recibe $20 en créditos gratuitos. La entrada almacenada en caché baja a $0.15 por millón, mientras que la herramienta integrada de búsqueda web con grounding cuesta $2.50 por 1,000 consultas. La interfaz es compatible con el SDK de OpenAI y admite salida estructurada, llamadas paralelas a herramientas y caché de prompts, por lo que conectarla a una infraestructura existente se parece mucho a cambiar la URL base.

La afirmación de que cuesta «cerca de una cuarta parte de lo que cobran sus rivales» es correcta dentro del nivel de frontera. Esta es la escala frente a los modelos con los que compite, usando las cifras actuales.

Al leer la parte superior de la tabla, la promesa se sostiene: el token de salida de Muse Spark es 5.9 veces más barato que el de Opus 4.8 y 7 veces más barato que el de GPT-5.6 Sol, mientras que el token de entrada cuesta exactamente 4 veces menos que en ambos. De ahí sale el titular del 75% de descuento y, para un modelo de frontera, supone una ruptura real en la curva de precios.

La parte inferior de la tabla aporta el matiz decisivo. Muse Spark no es el modelo más barato del mercado. Su tarifa de entrada de $1.25 supera el $1 de Claude Haiku 4.5 y el $1 de GPT-5.6 Luna; en salida, solo mejora ligeramente el precio de esos dos niveles económicos. Por tanto, no es honesto presentarlo como «la API de IA más barata». Ofrece capacidad de frontera con un precio de salida cercano al nivel económico. Si la carga consiste en extracción o clasificación con poco contexto y admite reintentos baratos, Haiku 4.5 o Luna siguen ganando por costo bruto de entrada y no hace falta el techo de Muse Spark. Su ventaja aparece justo cuando se necesita un cerebro agéntico de frontera y la factura está dominada por la salida.

Los benchmarks que la propia Meta deja en segundo plano

La publicación de lanzamiento de Meta se apoya en evaluaciones internas como Meta Internal Coding Bench, que nadie fuera de la empresa puede reproducir. Las cifras útiles son las comparaciones de terceros, y dibujan una historia más precisa que el marketing o las declaraciones de socios. El modelo de OpenAI evaluado aquí es GPT-5.5; GPT-5.6 Sol conserva la misma tarifa de $5/$30, por lo que la comparación de precios anterior sigue siendo válida.

El patrón se vuelve claro al agrupar las filas. En las cuatro pruebas de uso de herramientas y razonamiento apoyado en herramientas, Muse Spark 1.1 gana tres y pierde la cuarta frente a Opus por apenas seis décimas. Sus ventajas en JobBench sobre Gemini (54.7 frente a 15.9) y GPT-5.5 (frente a 38.3) son contundentes. Es un modelo ajustado para planificar y orquestar muchas herramientas, y las cifras respaldan ese diseño.

En las tres filas de programación, la historia se invierte. Ocupa el tercer lugar en Terminal-Bench 2.1 (80.0, por detrás del 83.4 de GPT-5.5 y el 82.7 de Opus 4.8) y también el tercero en DeepSWE 1.1, la prueba de largo horizonte, con 53.3 frente al 67.0 de GPT-5.5 y el 59.0 de Opus 4.8. Su único triunfo en código es SWE-Bench Pro: el 61.5 supera a GPT-5.5, aunque sigue por debajo del 69.2 de Opus 4.8. La lectura de DataCamp coincide con la tabla: su trabajo agéntico de largo horizonte "is still weak compared to GPT-5.5 and Opus 4.8." Ese es el asterisco honesto para una línea llamada "Spark" y promocionada por su capacidad de programación. Es un programador sólido: supera a un rival de frontera y pierde frente al otro, mientras sus resultados de uso de herramientas sí lideran el mercado.

Frente a Gemini 3.1 Pro, la comparación que más se repite, la distancia en herramientas es demasiado grande para hablar de igualdad: Muse Spark gana en todas las filas de uso de herramientas y arrasa en DeepSWE (53.3 frente a 12.0). El argumento a favor de Gemini debe apoyarse en el precio y el ecosistema, no en estas tareas.

Cuándo elegir Muse Spark 1.1 y cuándo descartarlo

La pregunta no es si es bueno. Lo es. La decisión depende de que una carga concreta esté en la zona donde coinciden su ventaja y su precio.

La regla explícita es esta: si la factura de tokens está dominada por la salida y los agentes dedican su tiempo a usar herramientas, no a escribir grandes bases de código nuevas, conviene cambiar a Muse Spark 1.1. Si un solo paso equivocado en una ejecución autónoma larga resulta costoso, vale la pena pagar por Opus 4.8 o Sol y reservar Muse Spark para las etapas más baratas e intensivas en herramientas del pipeline. Muchos sistemas en producción terminarán enrutando tareas: Muse Spark para la orquestación de gran volumen y un modelo de programación superior para las implementaciones difíciles. Su API compatible con OpenAI convierte ese enrutamiento en un cambio de configuración, no en una reescritura.

Preguntas frecuentes

¿Muse Spark es gratis?

El uso para consumidores es gratuito: Muse Spark 1.1 funciona en el modo Thinking de la aplicación Meta AI y en meta.ai con una cuenta de Meta, sujeto a límites de uso definidos en el servidor. Meta Model API es de pago: $1.25 por millón de tokens de entrada y $4.25 por millón de tokens de salida, con $20 en créditos gratuitos al registrarse.

¿Muse Spark 1.1 es de código abierto?

No. Es propietario y tiene pesos cerrados, a diferencia de la familia abierta Llama de Meta. Zuckerberg describió la API de pago como la primera "real serious API" de Meta. El modelo solo se sirve desde las plataformas de la empresa y no se distribuye para alojamiento propio.

¿Muse Spark es mejor que Gemini 3.1 Pro?

En uso de herramientas, de forma contundente: lidera MCP Atlas (88.1 frente a 78.2) y JobBench (54.7 frente a 15.9), y supera con amplitud a Gemini en programación de largo horizonte (DeepSWE, 53.3 frente a 12.0). La ventaja de Gemini debe buscarse en el precio y el ecosistema, no en estas tareas.

¿Muse Spark 1.1 es bueno para programar?

Es bueno, pero no el mejor. Supera a GPT-5.5 en SWE-Bench Pro (61.5 frente a 58.6), aunque queda detrás de Claude Opus 4.8 (69.2). También termina tercero tanto en Terminal-Bench 2.1 como en DeepSWE, la prueba de largo horizonte. Es sólido para programación guiada por herramientas y más débil en trabajo autónomo prolongado.

¿Qué puede hacer Muse Spark 1.1?

Planifica y orquesta trabajo agéntico entre aplicaciones externas, herramientas y servidores MCP; delega en subagentes y gestiona una ventana de contexto de 1M de tokens mediante compactación. Acepta texto, imágenes y audio como entrada, pero solo devuelve texto.

Decidir qué modelos deben formar parte de una arquitectura y dónde compensa realmente el nivel económico es ahora la clave. El mapa gratuito de herramientas de IA para empresas muestra qué modelo encaja con cada tarea, sin marketing de por medio. Para recibir por correo las recomendaciones más precisas en cuanto se publican, suscríbete al boletín.