Meta: Muse Spark 1.1

Meta: Muse Spark 1.1 es un modelo de razonamiento multimodal de Meta, identificado en api14 como meta/muse-spark-1.1. Meta lo posiciona para tareas agénticas, es decir, trabajo donde se espera que el modelo planifique, llame a herramientas y lleve a cabo una tarea a través de varios pasos en lugar de responder a una sola pregunta. Se encuentra en la categoría de texto del catálogo, y fue lanzado por el proveedor el 16 de julio de 2026.

El modelo acepta texto, imágenes, vídeo y archivos como entrada, y devuelve texto. Esa combinación lo convierte en un modelo de razonamiento al que puedes apuntar a más que un simple chat: puedes entregarle una captura de pantalla, un clip o un documento PDF junto con tus instrucciones. La ventana de contexto es de 1.048.576 tokens, por lo que documentos largos o conversaciones extendidas caben en una sola solicitud. La salida máxima es de 943.718 tokens, lo cual es inusualmente grande e importa cuando quieres un informe completo o un artefacto generado extenso en una sola llamada en lugar de una respuesta corta.

Esas capacidades sugieren algunas formas prácticas de trabajo. Comprensión de documentos y vídeo: envía un contrato, un artículo de investigación o una grabación y pide un resumen, una extracción o respuestas a preguntas sobre todo el contenido. Pipelines agénticos: define herramientas, deja que el modelo elija cuándo llamarlas y deja que razone sobre los resultados intermedios. Extracción estructurada: extrae campos de entradas mixtas hacia JSON para sistemas posteriores. Generación de largo alcance: produce texto extenso, como un borrador de especificación, a partir de un gran volumen de material de origen. Como el lado de salida es solo texto, úsalo donde el entregable sea texto escrito o estructurado, no donde necesites imágenes o audio generados.

Lo llamas a través de la API compatible con OpenAI de api14 usando el id de modelo meta/muse-spark-1.1, por lo que los SDK y clientes de OpenAI existentes funcionan con un cambio de URL base y de nombre de modelo. Los parámetros de solicitud que admite son include_reasoning, max_tokens, reasoning, reasoning_effort, repetition_penalty, response_format, structured_outputs, temperature, tool_choice, tools, top_k y top_p. El comportamiento de razonamiento se controla mediante los parámetros reasoning, reasoning_effort e include_reasoning, el uso de herramientas mediante tools y tool_choice, y la forma de la salida mediante response_format y structured_outputs. El muestreo se ajusta con temperature, top_p, top_k y repetition_penalty, y la longitud con max_tokens.

Dos cosas a tener en cuenta al decidir. La modalidad de salida es solo texto, así que si tu tarea necesita imágenes o voz generadas, este modelo no es el adecuado. Y los límites de contexto y de salida son generosos pero no infinitos, por lo que las entradas extremadamente grandes todavía necesitan recorte o división en fragmentos. Para tareas de texto sencillas y cortas, un modelo de texto más pequeño y rápido puede ser más simple de operar; Muse Spark 1.1 tiene más sentido cuando necesitas entrada multimodal, uso de herramientas o salidas muy largas en una sola solicitud.