Nueva modelo Muse Spark 1.1 lanzado por Meta
Meta ha presentado el nuevo modelo Muse Spark 1.1, que muestra resultados impresionantes en benchmarks y está orientado a tareas complejas.
Nueva modelo Muse Spark 1.1 lanzado por Meta
Meta ha anunciado el nuevo modelo Muse Spark 1.1, que ya demuestra resultados impresionantes en benchmarks, alcanzando niveles comparables a Opus 4.8 y GPT-5.5. Aunque se queda un poco atrás en codificación, sigue siendo muy competitivo en general.
Características clave:
- Orientación a agentes: El modelo está diseñado para trabajar con sistemas multiagente y ejecutar tareas de larga duración.
- Contexto: El modelo admite un contexto de hasta 1 millón de tokens.
- Alta adaptabilidad: Muse Spark 1.1 está bien versado en modalidades e interfaces, manejando eficazmente tareas complejas de múltiples pasos.
Nueva API de Meta Model
Junto con el modelo, se está lanzando una nueva API de Meta Model, que actualmente está disponible en vista previa. Muse Spark 1.1 ya se puede probar a precios atractivos: $1.25 por millón de tokens de entrada y $4.25 por millón de tokens de salida.
¡Parece que Mark Zuckerberg está regresando a la carrera tecnológica!
Por qué es importante
AnálisisEste modelo podría tener un impacto significativo en el desarrollo de sistemas multiagente y tecnologías de IA, ofreciendo nuevas oportunidades para los desarrolladores.
Debatir en la comunidad
Comparte tus preguntas e ideas con desarrolladores
Relacionado en el ecosistema
Guías prácticas, terminología y skills de agentes
Familia Llama (Meta Llama)
Serie de modelos de lenguaje fundamentales y abiertos de Meta (Llama 3, 3.1, 3.3) que se han convertido en el estándar industrial de la ecosistema Open Weights, IA local y fine-tuning corporativo.
Investigadores del MIT muestran que GPT-6 Astra puede mejorar otros modelos de IA cambiando sus pesos
En un experimento, Astra elevó la precisión de Qwen3.5-0.8B en MATH-500 del 7,9% al 48,1% cambiando solo el 0,016% de los pesos del modelo.
JSON — Datos estructurados para programas, APIs y agentes de IA
Guía práctica y completa sobre JSON: especificación de sintaxis, serialización con parse y stringify, consumo de APIs REST, validación con JSON Schema y salidas estructuradas para LLMs.
Formatos DOCX y XLSX: cuándo se necesita un documento final completo de la IA
Guía práctica y completa sobre la generación y procesamiento de documentos DOCX y libros XLSX con IA: comparativa con Markdown y CSV, ingeniería de prompts, fórmulas y automatización en código.