Flint v1.0 vs Muse Code: Un archivo de pesos y un agente de terminal tienen facturas distintas

Este es el número que hace que esta comparación sea honesta antes de empezar. Recursive Flint v1.0 no cuesta nada por token y consume aproximadamente 24 GB de memoria. Muse Code cuesta entre 5 y 200 dólares al mes antes de enviar una sola solicitud, y luego 4,25 dólares por millón de tokens de salida en el nivel Standard de Meta. Uno de estos es un archivo que posees. El otro es una suscripción al bucle de otra persona. Compararlos como si fueran alternativas es el error que comete la mayoría de la cobertura, y es un error que vale la pena cometer a propósito en lugar de por accidente, porque una vez que ves la factura, la verdadera decisión no es cuál es mejor. Es qué forma necesita tu trabajo.

Flint llegó el 21 de octubre de 2026 como el primer modelo de Recursive: un coder de mezcla de expertos con 39,8 mil millones de parámetros en total, alrededor de 2,5 mil millones activos por token, Apache 2.0, diseñado para ejecutarse en un portátil. Muse Code llegó antes —Meta lo lanzó como beta el 5 de agosto de 2026 y desde entonces lo ha sacado de beta— y no es un modelo. Es un binario de terminal nativo que impulsa los modelos Muse Spark de Meta, actualmente Muse Spark 1.3, y Muse Spark 1.2 sigue siendo la versión que selecciona la CLI a menos que le indiques lo contrario.

Lo que realmente es cada uno

Un modelo y un agente son productos diferentes, y la diferencia está en dónde reside el trabajo.

Flint es pesos. Recibe texto y llamadas a herramientas, y devuelve texto y llamadas a herramientas; todo lo que lo rodea —el bucle, la edición de archivos, la ejecución de pruebas, la lógica de reintentos— lo aporta el harness que le indiques. El propio kit de servicio de Recursive usa SGLang; el ecosistema lo enruta a través de llama.cpp, Ollama, LM Studio, vLLM y el propio motor de Recursive. Obtienes un generador de tokens rápido y una página en blanco.

Muse Code es la página completada. Incluye un bucle principal de agente, agentes en segundo plano asíncronos que siguen recopilando contexto durante una sesión, árboles de trabajo de Git aislados para que los subagentes paralelos no choquen entre sí, y un registro de eventos local que permite reproducir o reanudar una sesión que se haya caído. Tiene comandos de barra para planificación y revisión, un protocolo agente-cliente mediante el cual otras herramientas pueden controlarlo, ejecución de shell en sandbox con modos de aprobación configurables, y funciona de forma interactiva o sin interfaz. La instalación es un script de una línea en macOS o Linux, con una opción de PowerShell en Windows. Estás comprando el bucle, y el modelo que lleva dentro no es algo que elijas.

La columna vertebral de costes, resuelta

En lugar de comparar precios de lista en abstracto, tomemos una carga de trabajo. Supongamos que el agente de un desarrollador escribe 50 millones de tokens de salida en un mes —una cifra no extrema para un flujo de trabajo agéntico intensivo, y lo bastante baja como para ser plausible para un equipo pequeño.

Flint — la licencia cuesta 0 $. Tokens de salida ilimitados. El coste fijo es el hardware que ya tienes o no tienes: 22,86 GB para la compilación NVFP4 en disco, aproximadamente 24 GB de memoria para ejecutarlo y una máquina lo bastante rápida como para que la inferencia local resulte tolerable. Recursive afirma 125 tokens por segundo o más en un MacBook Pro M4 Pro con contexto corto. Si ya tienes ese portátil, el coste marginal del token número 50 millones es la electricidad.

• Muse Code: el plan mensual es un piso, no un techo, porque la facturación por tokens se suma a él. A 4,25 USD por millón de tokens de salida, 50 millones de tokens de salida son 212,50 USD solo en salida, antes de contar la entrada, frente a cualquier nivel de suscripción que necesitaras para obtener acceso. Los cuatro planes —5, 15, 50 y 200 USD al mes— ofrecen distintos niveles de acceso, no uso ilimitado.

• Muse Code, el nivel más económico: el nivel Contributor tiene un precio de $0.10 por millón de tokens de entrada y $0.20 por millón de tokens de salida, frente a $1.25 y $4.25 en el nivel Standard. Eso supone una diferencia de aproximadamente veinte veces en la salida, y la razón de que sea más económico es que Meta puede entrenar con tus prompts y completions. Es un intercambio real y legítimo para el trabajo de código abierto. Para una base de código propietaria, es una decisión de política, no un descuento, y conviene leer los términos vigentes en lugar de confiar en un resumen, incluido este.

• Flint, coste oculto: la máquina. Un conjunto de trabajo de 24 GB en un portátil está bien; en un ordenador de sobremesa con una tarjeta de 24 GB queda justo una vez que se tiene en cuenta el resto del sistema. Y el rendimiento local con contexto largo no es lo que sugiere la cifra principal: pruebas independientes informaron de aproximadamente 110 tokens por segundo con indicaciones cortas, que bajaban a unos 9 tokens por segundo en torno a 115.000 tokens de contexto. Un agente que lee un repositorio grande antes de escribir nada pasará la mayor parte del tiempo en el régimen lento.

Si se ponen uno al lado del otro, la comparación de costes no está ni cerca por token, ni lo está en la dirección contraria en términos de capacidad total. Ese es precisamente el punto.

La privacidad es donde la brecha es más amplia.

Flint funciona sin conexión. No "no registramos tus prompts" sin conexión — realmente desconectado, en tu hardware, con los pesos en tu disco. Para un código base que no puede salir de la red, eso no es una función entre funciones; es la razón por la que el modelo existe en esta comparación.

Muse Code es un agente en la nube. Ejecuta comandos contra un repositorio, y eso significa que lo que lee viaja. El nivel de precios contributivo hace que la relación con los datos sea explícita en lugar de implícita, lo que posiblemente sea más honesto que una política que nadie lee, pero no cambia la dirección del viaje. Si tu restricción es «el código fuente nunca sale del edificio», la decisión ya está tomada y la tabla de benchmarks es irrelevante.

Quién ejecuta el bucle, y por qué eso decide más que el modelo

La diferencia más subestimada es que con Flint tú eres responsable del agente. Un modelo de 39.8B que activa 2.5B parámetros por token es un generador de tokens capaz, pero Recursive dice claramente que necesita más orientación que los grandes asistentes de programación de pago y recomienda dividir los trabajos complejos en pasos más pequeños. Esa orientación tiene que venir de algún sitio: un arnés de ejecución, una plantilla de prompts, tu propio código de pegamento. Si no tienes eso, no tienes un agente.

Muse Code ya ha tomado esas decisiones por ti, y eso es lo que compra la suscripción. El precio a pagar es que heredas las opiniones de Meta sobre cómo debe desarrollarse una sesión de programación, y no puedes cambiar el modelo subyacente.

Existe un camino intermedio que ningún proveedor anuncia, y es el que la mayoría de los equipos acaban adoptando: mantener el modelo local para el trabajo que no debe salir de la máquina, y mantener un endpoint alojado para el trabajo que necesita más capacidad de la que puede ofrecer un modelo con 2,5B de parámetros activos. Ese es el caso en el que el enrutamiento deja de ser un detalle de infraestructura y pasa a ser la arquitectura. Si la ruta de escalado es un único endpoint compatible con OpenAI delante de más de 200 modelos alojados al precio de lista del proveedor, sin recargo añadido, entonces añadir capacidad después no significa añadir un segundo contrato y un segundo SDK, y una cadena de conmutación por error hace que una solicitud que agota el tiempo de espera con un proveedor pueda completarse con otro sin que tu agente se dé cuenta.

¿Cuál elegir?

Un número merece estar entre el argumento del coste y la decisión, con una etiqueta clara. El propio gráfico de lanzamiento de Meta sitúa a Muse Spark 1.2 en el 82,9 % en Terminal-Bench 2.1, segundo en su propio panel. La puntuación de Terminal-Bench 2.1 de Flint, reportada por el proveedor, es del 54,9 %. Esas dos cifras fueron producidas por laboratorios distintos, con arneses distintos y con reglas distintas sobre si un agente puede buscar en la web, así que la diferencia de 28 puntos no es la medición de nada que puedas sostener en la mano. No obstante, es una fuerte pista de que el techo de capacidades de un modelo local con 2,5B activos y uno alojado cercano a la frontera no están en el mismo lugar. Si tu trabajo exige habitualmente el extremo más difícil de la programación agéntica, la opción local no es un sustituto por muy buen precio que parezca.

• Elige Flint si el código no puede salir de tu máquina, si las tareas de tu agente son cortas y están bien delimitadas, si ya tienes un harness que te gusta, o si quieres dejar de pagar por token por una carga de trabajo que va a seguir creciendo. Presupuesta el rendimiento de contexto largo y planifica tu agente en torno a ello.

Elige Muse Code si quieres un agente de terminal que funcione desde el primer día, si tus tareas duran horas y se benefician de agentes en segundo plano y sesiones reanudables, si tu trabajo es lo bastante abierto como para que el nivel de colaborador sea aceptable, y si una factura mensual que escala con el uso es más fácil de justificar que el hardware.

• Elige ambas si eres un equipo con una base de código mixta. La división suele ser obvia una vez que preguntas qué repositorios tienen permitido salir.

Lo que no deberías hacer es tratar esto como una pregunta de benchmark. Las puntuaciones publicadas por Flint —74,2 en SWE-bench Verified, 89,7 en SWE-bench Pro v2, 54,9 en Terminal-Bench 2.1— las reporta el propio proveedor y no han sido reproducidas de forma independiente. La familia de modelos de Muse Code tiene sus propias gráficas elaboradas por el proveedor. Ninguno de los dos conjuntos de cifras te dice qué pasa cuando tu agente se encuentra con tu monorepo un martes cualquiera. La estructura de costes y la ruta de los datos sí lo hacen, y ambas se pueden conocer antes de gastar nada.