Meta lanza Muse Spark 1.3 y dice alcanzar a OpenAI y Anthropic

Meta lanzó el 2 de septiembre Muse Spark 1.3, su modelo más potente hasta la fecha, y su Chief AI Officer Alexandr Wang lo describió como "el salto de desempeño más grande de la compañía", posicionándolo al nivel de los modelos más recientes de OpenAI y Anthropic.

Un salto en código y tareas agénticas, sin subir el precio

Según Artificial Analysis, Muse Spark 1.3 obtuvo un puntaje de 62 en su Intelligence Index, quedando por detrás solo de Claude Fable 5.1 y Claude Opus 5, y por delante de los modelos de OpenAI evaluados. Wang afirmó que el modelo es "competitivo" con Claude Fable 5.1 y "mejor" que GPT-5.6 Sol de OpenAI, particularmente en tareas de codificación. A nivel de eficiencia, Meta reporta que Muse Spark 1.3 usa aproximadamente 25% menos tokens que la versión 1.2 para completar tareas equivalentes, con roughly 20% menos llamadas a herramientas según pruebas de ingeniería reportadas por la compañía.

Precio congelado y pesos abiertos aún sin decidir

Meta mantuvo el mismo precio de Muse Spark 1.2 para la nueva versión, posicionándolo como "uno de los LLM más accesibles del mercado". El acceso vía API ya está disponible para desarrolladores que pagan por uso, mientras que el despliegue a usuarios de Facebook, Instagram y la app de Meta AI llegará en los próximos días. Meta no ha decidido todavía si liberará los pesos del modelo en abierto, a diferencia de su estrategia histórica con la familia Llama.

Qué significa para una empresa que elige modelo

Que Meta se sitúe, según sus propias métricas y las de Artificial Analysis, en el tercer lugar del ranking de inteligencia por detrás de Claude Fable 5.1 y Claude Opus 5 —y por delante de los modelos evaluados de OpenAI— confirma que la ventaja competitiva entre laboratorios de frontera se sigue estrechando cada pocas semanas. Para una empresa que ya construyó su stack sobre un modelo específico, esto no es motivo para migrar de inmediato, pero sí para mantener la arquitectura de LLM desacoplada del proveedor, de forma que cambiar de modelo sea una decisión de configuración y no una reescritura.