Muse Spark vs Muse Spark 1.3: Uno de estos nombres es una versión, y esa es toda la respuesta.

Escribir Muse Spark frente a Muse Spark 1.3 en un cuadro de búsqueda implica dos productos, y lo primero útil que cualquiera puede decirte es que solo hay uno. Meta Superintelligence Labs presentó Muse Spark el 8 de abril de 2026, y Muse Spark 1.3 —publicada el 2 de septiembre de 2026, con su nivel máximo de razonamiento abierto a los desarrolladores el 4 de septiembre— es aquello a lo que ese nombre apunta ahora. La propia página de modelos de Meta lo zanja en tres frases: Muse Spark 1.3 es "la última versión" y se recomienda para trabajo nuevo, Muse Spark 1.2 es "la versión anterior" y Muse Spark 1.1 es "la versión original". Así que esto no es un enfrentamiento. Es la pregunta sobre versiones que el nombre Muse Spark ha estado ocultando desde que la familia empezó a reapuntar, y la respuesta cambia según con cuál de los puntos de control anteriores estuvieras comparando realmente.

Qué denota cada nombre

El nombre sin versión es una familia y un blanco móvil. Meta lanzó el Muse Spark original en abril de 2026 como un modelo de razonamiento nativamente multimodal con una vista previa de API privada, y luego comenzó a emitir checkpoints numerados: Muse Spark 1.1, que nuestro propio catálogo incluye con una fecha de lanzamiento del 16 de julio de 2026; Muse Spark 1.2 el 5 de agosto de 2026; y Muse Spark 1.3 el 2 de septiembre de 2026. Los listados independientes coinciden con esas dos últimas fechas. Hay un detalle que vale la pena señalar en lugar de pasar por alto: la documentación de Meta llama a 1.1 "la versión original", mientras que la introducción de la familia fue en abril, y la discrepancia entre esas dos afirmaciones no se explica en ninguna página que hayamos podido leer. Trata la fecha de abril como la introducción de la familia y julio como el primer checkpoint que lleva un número, y no trates ninguna de las dos como un evento de lanzamiento que esta página esté reportando.

Las tres versiones numeradas comparten la misma fila de modalidades y la misma ventana de contexto de 1.048.576 tokens, algo que Meta declara directamente: «comparten las mismas modalidades y la misma ventana de contexto, y solo se diferencian por su capacidad». Esa frase es lo más útil en la práctica de toda la página. Significa que una actualización de versión en esta familia no cambia la forma de tus solicitudes. Las mismas entradas —texto, imagen, video, audio y PDF—, la misma salida solo de texto, el mismo límite máximo. Lo que cambia es la calidad de la respuesta, y el precio no cambia en absoluto: $1,25 por millón de tokens de entrada, $0,15 por millón de tokens de entrada en caché y $4,25 por millón de tokens de salida, idénticos en 1.1, 1.2 y 1.3 en el nivel Standard de Meta.

La aritmética de la actualización, según la propia tabla de Meta

Meta publica una única tabla comparativa que coloca Muse Spark 1.3 ejecutando max reasoning junto a Muse Spark 1.2 ejecutando xhigh en una docena de evaluaciones agénticas y de contexto largo, y leerla fila por fila ofrece una imagen más interesante de lo que sugiere el número de versión. Todas las cifras a continuación están reportadas por el proveedor, producidas dentro del propio entorno de pruebas de Meta y no replicadas por nosotros.

• GDPval-AA v2 — Muse Spark 1.3 (max) 1.754 vs Muse Spark 1.2 (xhigh) 1.615

• Terminal-Bench 2.1 — 88,8 vs 82,9

• OSWorld 2.0 — 66,9 vs 47,6

• DeepSWE v1.1 — 75.4 vs 55.0

• SWEAtlas — 59,4 vs 46,2

• JobBench — 64,9 vs 61,6

• MRCR 256K–512K — 98,5 vs 66,3

• MRCR 512K–1M — 98,1 vs 55,5

Las dos últimas filas son la historia, y no son las filas que alguien citó en el lanzamiento. La recuperación de contexto largo en la banda de 256K–512K sube 32 puntos; en la banda de 512K–1M sube más de 42. El trabajo de capacidad general se mueve mucho menos: GDPval-AA sube 139 puntos en una escala que tenía 1,2 en 1.615, y JobBench sube 3. El patrón es consistente con lo que un laboratorio ajusta cuando persigue trabajo agéntico de horizonte largo: el modelo no se volvió uniformemente más inteligente, se volvió dramáticamente mejor para retener y recuperar información a lo largo de un contexto para el que ya tenía ventana. Si tu carga de trabajo está en los primeros 100K tokens, la mejora es real pero modesta. Si está más allá de eso, es la diferencia entre un modelo que puede usar un contexto grande y uno que puede encontrar cosas en él.

Dos advertencias deben acompañar a esas cifras. La comparación es max contra xhigh, no max contra max, porque Meta ejecutó 1.2 en xhigh y 1.3 en max — los ajustes difieren, así que parte de la mejora se debe al presupuesto de razonamiento y no a la calidad del checkpoint. Y la fila de 1.2 en esa tabla es ahora una configuración obsoleta: fuera de la tabla de Meta, los listados independientes señalan Muse Spark 1.2 como obsoleto y remiten a 1.3, que es la señal más fuerte disponible de que el checkpoint más antiguo está en vías de desaparición.

La imagen independiente, y el intercambio que nadie menciona

Artificial Analysis es el tercero con listados públicos para ambos checkpoints, y sus cifras no coinciden con las de Meta de una manera instructiva — no en la dirección, sino en el costo.

• Muse Spark 1.3 (Max) — Índice de Inteligencia 48, puesto 24 de 217; velocidad de salida 121.9 tokens/segundo; $1.60 por tarea de Índice completada; 170M tokens de salida generados durante la evaluación

• Muse Spark 1.2 (Xhigh) — Intelligence Index 40, puesto 59 de 217; velocidad de salida 361,4 tokens/segundo, primero de 186 modelos; $0,97 por tarea del Index completada; 130 M de tokens de salida; tiempo hasta el primer token: 12,67 segundos

Si se leen las dos listas en conjunto, la actualización se ve distinta de como se lee en la tabla de Meta. Muse Spark 1.3 tiene ocho puntos de índice más y es aproximadamente tres veces más lento: 121,9 tokens por segundo frente a 361,4, mientras que el checkpoint anterior era el modelo más rápido de cualquier tipo en esa tabla. El costo por tarea completada aumentó de $0,97 a $1,60 aunque el precio por token es idéntico, porque el modelo más nuevo genera 40 millones de tokens más para terminar la misma evaluación. Nada cambió en la lista de precios del proveedor. Lo que cambió es cuánto dice el modelo.

Esa es la disyuntiva que oculta el número de versión, y apunta en una dirección que la mayoría de la cobertura pasó por alto. Si tu aplicación es sensible a la latencia o está limitada por el rendimiento, la versión anterior de Muse Spark puede ser genuinamente el producto más rápido para ti, y al mismo precio de lista. Si está limitada por la precisión en problemas difíciles, 1.3 con razonamiento máximo es el motivo de la actualización. Son compras distintas disfrazadas de incremento de versión, y solo una de ellas es la que el aviso de obsolescencia supone que quieres.

Lo que la 1.3 añadió que no es una puntuación

El nivel de razonamiento max es el cambio más trascendental de la versión 1.3 y llegó con dos días de retraso. En el lanzamiento del 2 de septiembre, Meta distribuyó todos los niveles de esfuerzo hasta xhigh y retuvo max a la espera de lo que denominó pruebas de seguridad adicionales, compartiéndolo con un conjunto limitado de socios. El 4 de septiembre finalizaron esas pruebas y max pasó a ser seleccionable en Muse Code y en el id de modelo muse-spark-1.3 a través de la Meta Model API. La consecuencia es que la tarjeta de resultados destacada —el 1.754 en GDPval-AA, el 98,5 en MRCR— se generó con una configuración que los desarrolladores no podían invocar durante los primeros dos días, y cualquier integración escrita el día del lanzamiento podría seguir enumerando el esfuerzo de razonamiento solo hasta xhigh. Comprueba qué acepta tu ruta antes de asumir que se respetará max.

Meta también vende el checkpoint 1.3 dos veces, y la diferencia no es el modelo. muse-spark-1.3 está etiquetado como "No se utiliza para mejorar nuestros productos" a $1.25 / $0.15 en caché / $4.25. muse-spark-1.3-contributor está etiquetado como "Se utiliza para mejorar nuestros productos" a $0.10 / $0.002 / $0.20 — aproximadamente un orden de magnitud más barato en la entrada y más de veinte veces más barato en la salida, a cambio de permiso para entrenar con tus prompts y completions. Ambos tienen la misma ventana de contexto de 1 M de tokens. Contributor describe lo que aportas, no lo que recibes; es un nivel de precios con una cláusula de datos adjunta, no un lanzamiento de pesos abiertos.

Y hay una regresión, señalada por la propia Meta en lugar de descubierta por un usuario. La comprensión de audio en Muse Spark 1.3 no está totalmente soportada, y Meta advierte que la calidad de las respuestas en solicitudes que incluyen contenido de audio puede verse degradada, por lo que dirige las cargas de trabajo de audio a Muse Spark 1.2. Así que la versión actual no es la respuesta correcta para todas las entradas en la propia fila de modalidades de la familia: un caso en el que el checkpoint más reciente es el incorrecto para una carga útil que el más antiguo sí maneja.

¿Qué versión puedes llamar realmente?

Conviene separar la cuestión de la versión de la cuestión de la disponibilidad, porque tienen respuestas distintas. Las tres versiones numeradas de Muse Spark son únicamente alojadas: Meta no publica pesos, ni licencia ni descarga para ninguna de ellas, y las variantes Contributor son niveles alojados con descuento en lugar de lanzamientos. Los pesos abiertos de esta familia pertenecen a Muse Spark Open, el modelo de mezcla de expertos dispersa de 816B que Meta publicó el 15 de octubre de 2026, y a Muse Glimmer, el modelo de 30B con Apache 2.0 del 10 de agosto de 2026. Ninguno es una versión de Muse Spark, y ninguno sustituye a una.

Nuestro propio catálogo refleja el extremo más antiguo de la línea, y preferimos decirlo con claridad antes que dejar que un número de versión dé a entender una cobertura que no tenemos. OrcaRouter enruta Muse Spark 1.1 y Muse Spark 1.2, ambos al precio de lista de Meta, con un 0 % de margen repercutido, ambos en la ventana de 1.048.576 tokens de la familia. Muse Spark 1.3 no está hoy en nuestro catálogo, y ninguna de las variantes Contributor tampoco. Eso hace que la ruta de actualización práctica sea de dos pasos: 1.2 es aquello a lo que puedes enrutar ahora, 1.3 es lo que Meta recomienda para trabajo nuevo, y el día en que llegue a un proveedor al que enrutamos, el cambio llegará en la misma clave, no en tu código de integración.

La cuestión de la versión es también donde un router se gana su lugar de una manera específica para esta familia. Tres checkpoints, un proveedor, un endpoint, sin pesos — toda la línea funciona a través de una única API operada por una única empresa, que es el riesgo de concentración de construir sobre ella. Enrutar 1.1 y 1.2 detrás de un único endpoint compatible con OpenAI significa que una llamada fallida de contexto largo puede conmutar al otro checkpoint en lugar de fallar la solicitud, y el DSL de enrutamiento te permite dividir el tráfico de producción entre ellos mediante configuración, de modo que puedes medir si la velocidad de 1.2 vale más para ti que la precisión de 1.3 con tus propios prompts en lugar de con el índice de otro. Esa es la única comparación de versiones que resuelve la cuestión para tu carga de trabajo.

La respuesta, dependiendo de con qué pregunta hayas llegado.

Si querías saber si Muse Spark y Muse Spark 1.3 son modelos diferentes: no lo son. 1.3 es lo que el nombre significa ahora, y Meta lo etiqueta como el más reciente y lo recomienda para trabajo nuevo. Si querías saber qué obtienes al pasar de la versión anterior: aproximadamente de 32 a 42 puntos de recuperación de contexto largo, un gran salto en uso agéntico de computadoras y programación de horizonte largo, y una caída de tres veces en la velocidad de salida al mismo precio por token. Si querías saber cuánto cuesta: la tarifa no ha cambiado en tres versiones, lo que indica que Meta compite por capacidad por dólar en lugar de por el dólar.

Lo que ninguno de estos números puede decirte es de qué lado de ese intercambio se encuentra tu propia carga de trabajo, y la postura honesta es que el aviso de obsolescencia del proveedor da por sentada una respuesta por ti. La versión que es tres veces más rápida al mismo precio sigue siendo la única de las dos a la que puedes llegar mediante un router hoy, lo que convierte esto en un experimento inusualmente barato de realizar antes de que llegue la 1.3.

Lo que los números no pueden decirte es si algo de esto ha salido mal sobre el terreno: los incidentes de IA documentados y los fallos de agentes en torno a los modelos de esta clase se recopilan en el Archivo de Incidentes de IA de OrcaRouter, donde cada entrada incluye sus propias fuentes, su gravedad, su grado de confianza y su indicador de disputa.