Meta: Muse Spark 1.3 Contributor

Meta: Muse Spark 1.3 Contributor es un modelo de razonamiento multimodal centrado en texto de Meta. Se sitúa en el nivel contributor de la línea Muse Spark 1.3, que Meta describe como el nivel rentable orientado a la experimentación, el aprendizaje y los flujos de trabajo agénticos, multiagente y de programación en etapas tempranas. La fecha de lanzamiento del proveedor es 2026-09-02. Si estás evaluando modelos para un proyecto que necesita razonar sobre medios mixtos en lugar de solo texto plano, este es el punto de entrada que Meta ofrece en esa familia.

El modelo acepta entradas de texto, imagen, vídeo y archivos, y devuelve texto. Su ventana de contexto es de 1.048.576 tokens, y la salida máxima es de 943.718 tokens. Esa combinación importa para cargas de trabajo en las que la entrada es grande y la respuesta esperada también es larga, como resumir una grabación extensa, extraer datos estructurados de un conjunto de documentos o mantener un estado de trabajo prolongado a lo largo de una tarea de varios pasos. El comportamiento de razonamiento se expone en lugar de ocultarse: los parámetros admitidos incluyen reasoning, reasoning_effort e include_reasoning, así que puedes controlar cuánta deliberación interna realiza el modelo y si esa deliberación se te devuelve.

Esas capacidades apuntan a algunos usos prácticos. El análisis de documentos y medios encaja de forma natural, ya que puedes pasar archivos, imágenes o vídeo junto con un prompt de texto y pedir un resultado escrito. La programación y los flujos de trabajo agénticos son otro uso, favorecido por el llamamiento de herramientas y las salidas estructuradas, que permiten al modelo invocar funciones y devolver respuestas en un esquema que tú definas. Las configuraciones multiagente pueden usar las mismas funciones para pasar mensajes estructurados entre agentes. Como el modelo está posicionado para la experimentación y el trabajo en etapas tempranas, también sirve para prototipar un pipeline antes de comprometerse con un modelo más pesado.

Lo llamas a través de la API compatible con OpenAI de api14 usando el id de modelo "meta/muse-spark-1.3-contributor". Los parámetros de solicitud admitidos son include_reasoning, max_tokens, reasoning, reasoning_effort, repetition_penalty, response_format, structured_outputs, temperature, tool_choice, tools, top_k y top_p. En la práctica, estableces el campo model con ese id, envías tus mensajes y añades cualquiera de estos parámetros que necesite tu carga de trabajo, por ejemplo tools y tool_choice para el llamamiento de funciones, o response_format y structured_outputs cuando necesitas una forma predecible de vuelta.

Un límite que conviene tener en cuenta es que la salida es solo texto, así que las tareas que requieren generar imágenes, audio o vídeo quedan fuera de alcance aquí. El nivel contributor también se describe como rentable y orientado a la experimentación, el aprendizaje y los flujos de trabajo en etapas tempranas, lo que sugiere que las cargas de trabajo de producción con las demandas de calidad más estrictas pueden recibir un mejor servicio de un nivel superior dentro de la misma familia. Si tus entradas son solo texto y tus necesidades de contexto son modestas, un modelo de texto más pequeño puede ser más sencillo de operar.