Todo sobre Muse Spark 1.3

Presentación

Meta publicó Muse Spark 1.3 el 2 de septiembre de 2026. Dispone de un modo de razonamiento: puede «pensar» antes de responder, lo que ayuda en problemas de varios pasos pero consume más tokens y, por tanto, más dinero. Sus pesos no están publicados: solo funciona en remoto, mediante la API de Meta o de proveedores asociados (19 listados en models.dev). Es un lanzamiento muy reciente.

Lo clasificamos entre los modelos económicos (24 modelos de esta categoría en el sitio).

¿Cuánto cuesta Muse Spark 1.3?

Muse Spark 1.3 cuesta 0,10 US$ por millón de tokens de entrada y 0,20 US$ por millón de tokens de salida (tarifa del fabricante, consulta del 22 de octubre de 2026).

En la práctica, una tarea de agente que lee 20 000 tokens y escribe 2000 cuesta unos 0,002 US$, es decir, 2,4 US$ por 1000 tareas de este tipo.

Es 5,6 veces más barato que el precio de salida mediano de los modelos económicos (1,13 US$).

Los tokens leídos desde la caché cuestan 0,002 US$ por millón: útil para un agente que reenvía a menudo el mismo contexto.

Para estimar su propio presupuesto, use la calculadora de coste de un agente.

¿Qué dicen las pruebas independientes?

Según los resultados publicados por Epoch AI (consulta del 22 de octubre de 2026), Muse Spark 1.3 obtiene un índice de capacidad de 82,7 sobre 100, calculado con 3 pruebas de nuestra cesta.

Con solo 3 pruebas registradas, no entra en el ranking público, que exige al menos 4 resultados: su índice debe leerse como parcial.

• OTIS Mock AIME (problemas de matemáticas de competición): 99,2 % — el mejor modelo seguido, GPT-5.5 Pro, alcanza 100 %
• FrontierMath (matemáticas de investigación muy difíciles): 74,4 % — el mejor modelo seguido, GPT-6 Astra, alcanza 93,7 %
• APEX-Agents (tareas profesionales realizadas por un agente): 58,6 % — el mejor modelo seguido, Gemini 4 Argon, alcanza 82,4 %

Contexto y capacidades

Su ventana de contexto alcanza 1.048.576 tokens, unas 1573 páginas de texto a 500 palabras por página: suficiente para cargar un libro entero o una base de código mediana. Una respuesta puede llegar a 131.072 tokens.

Acepta como entrada: texto, imagen, vídeo, PDF y audio.

Sabe llamar a herramientas (funciones, API) y devolver una salida estructurada en JSON, lo que lo convierte en una posible base para un agente de IA.

¿Para qué usos?

Por su categoría, Muse Spark 1.3 está pensado sobre todo para los grandes volúmenes en los que cada céntimo cuenta: clasificación, extracción de información, resúmenes, asistentes sencillos.

Su enorme ventana de contexto lo hace interesante para analizar grandes volúmenes de documentos en una sola petición.

Su coste muy bajo (menos de medio céntimo para nuestra tarea tipo) permite llamarlo miles de veces al día.

Antes de adoptarlo, pruébelo con sus propios ejemplos: los benchmarks miden tareas estándar, no su oficio.

¿Con qué sustituirlo?

En la misma categoría, los modelos más cercanos a Muse Spark 1.3 son:

• GPT-6 Luna (OpenAI, índice 80,3) — ver la comparativa
• GPT-5.6 Luna (OpenAI, índice 79,6) — ver la comparativa
• Qwen3.6 Flash (Alibaba Cloud (Qwen), índice 64,5) — ver la comparativa
• Gemini 3.1 Flash Lite (Google DeepMind, índice 64,3) — ver la comparativa