Meta abre Muse Spark 1.1 a builders: API, subagentes y un millón de tokens

Meta abrió el 9 de julio de 2026 la preview pública de Meta Model API con Muse Spark 1.1. Para un builder, el titular no es únicamente que Meta tenga otro modelo: por primera vez puedes evaluar su modelo de propósito general desde una API pública, con capacidades pensadas para agentes como tool calling, funciones, skills y flujos multimodales.

La pieza importante es el loop de agente

Según Meta, Muse Spark 1.1 puede funcionar como agente principal que reúne contexto, planifica y delega en subagentes paralelos. También puede actuar como subagente: recibe un trabajo acotado, usa las herramientas disponibles y escala de regreso al agente principal cuando necesita ayuda. La compañía afirma que el modelo administra un contexto de un millón de tokens, recupera información de etapas anteriores y compacta el historial conservando los pasos críticos.

Eso suena atractivo para repositorios grandes, investigación con muchas fuentes o automatizaciones que no caben en una sola conversación. Pero contexto largo no equivale a memoria útil. Si guardas todo sin distinguir decisiones, evidencia y ruido, el agente puede conservar una historia extensa y aun así perder el dato que debía guiar el siguiente paso.

Para probarlo con seriedad, separaría cuatro mediciones:

• calidad de planificación: si el plan divide el trabajo por dependencias reales y no solo crea más llamadas;
• calidad de delegación: si cada subagente recibe un contrato claro y devuelve evidencia verificable;
• compacción: qué información sobrevive cuando el contexto se reduce;
• costo y latencia: cuánto trabajo paralelo mejora el tiempo total y cuánto solo multiplica tokens y puntos de fallo.

Computer use con criterio de automatización

Meta también describe workflows de computer use en los que el modelo decide cuándo escribir un script, cuándo hacer clic y cuándo lanzar acciones por lotes. En su ejemplo, la información cambia mientras el agente realiza una tarea y el sistema actualiza el plan sin intervención humana.

La idea es útil, pero tiene un tradeoff evidente: una interfaz cambiante necesita un perímetro de acción. Un agente que puede navegar varias aplicaciones debe trabajar con sesiones aisladas, herramientas permitidas por tarea y confirmación para acciones irreversibles. La propia evaluación de Meta recomienda combinar el modelo con listas estrictas de herramientas y aislamiento del workspace, en vez de tratar la resistencia del modelo como control suficiente.

La evaluación también es una señal importante para no leer el anuncio como garantía. El reporte de Meta dice que, sin mitigaciones, no puede descartar el umbral de alto riesgo en ciberseguridad; con mitigaciones aplicadas, sitúa el riesgo residual en moderado o menor. Además, el documento aclara que la API expone más affordances agentic que una experiencia cerrada, por lo que el diseño de tu aplicación cambia el riesgo.