Meta lanza Muse Code — su primer agente de programación con IA, junto con Muse Spark 1.2

Meta entró en el mercado de agentes de programación con IA el 5 de agosto con dos lanzamientos simultáneos: Muse Code, su primer agente de programación basado en terminal, y Muse Spark 1.2, el tercer lanzamiento del modelo Muse en cuatro meses.

El veredicto

Muse Code es el primer agente de programación creíble de Meta — agentes asíncronos persistentes en segundo plano que siguen trabajando después de cerrar el terminal, edición multiarchivo y una CLI enfocada al desarrollador que refleja la experiencia de Claude Code. Pero llega a un mercado que ya ha superado la fase de "primer agente" y está en la de "qué agente envía los PR más rápido". Según los propios benchmarks de Meta, Muse Code queda por detrás de Claude Opus 5 y GPT-5.6 Sol en todas las métricas de programación. El modelo de precios añade fricción: el plan por defecto envía el código y los prompts del desarrollador al pipeline de entrenamiento de Meta, y las empresas deben optar por excluirse conscientemente.

Muse Spark 1.2 es la pieza más interesante: Meta está lanzando modelos a un ritmo que ningún otro laboratorio iguala — tres en cuatro meses — y Spark 1.2 reduce parte de la brecha con los modelos de frontera. A $1,25/$4,25 por 1M tokens, sigue siendo el modelo de programación de pesos cerrados más barato con 1M de contexto.

Qué se ha lanzado

Muse Code (beta):

• Agente de programación CLI basado en terminal
• Agentes asíncronos persistentes en segundo plano — siguen ejecutándose tras cerrar el terminal
• Edición multiarchivo, contexto consciente del repositorio
• Disponible vía API, OpenRouter y Meta Model API
• Plan por defecto: el código/prompts fluyen al pipeline de entrenamiento de Meta (exclusión voluntaria disponible para empresas)

Muse Spark 1.2:

• Tercer lanzamiento del modelo Muse en 4 meses (Spark 1.0 → 1.1 → 1.2)
• Pesos cerrados, $1,25/$4,25 por 1M tokens con 1M de contexto
• Orquestación nativa de subagentes, soporte MCP/herramientas, capacidad de uso del ordenador
• Disponible vía API, OpenRouter y Meta Model API

La realidad competitiva

Según los propios benchmarks publicados por Meta, Muse Code con Spark 1.2 queda por detrás de Claude Opus 5 y GPT-5.6 Sol en las cuatro métricas de programación. Meta entra en un mercado donde:

• Claude Code tiene flujos de trabajo dinámicos con 1.000 subagentes en paralelo
• OpenAI Codex gestiona tareas de larga duración en sandboxes cloud de forma autónoma
• GitHub Copilot está integrado en todos los IDE principales
• DeepSeek V4 Flash ofrece programación casi de frontera a $0,14/$0,28

El diferenciador de Muse Code — agentes persistentes en segundo plano — es real pero no único. Tanto Claude Code (Dynamic Workflows) como OpenAI Codex (sandbox cloud) ya ofrecen sesiones de agentes asíncronas de larga duración.

La trampa de los datos de entrenamiento

El detalle más relevante es la estructura de precios: el plan por defecto envía el código y los prompts del desarrollador al pipeline de entrenamiento de Meta. Para las empresas, esto es un veto automático — los repositorios de código propietario no pueden fluir hacia los datos de entrenamiento de un competidor. Meta permite la exclusión voluntaria, pero es un paso consciente que las empresas deben tomar, no la opción por defecto. Esto refleja la tensión generalizada en la industria: Anthropic y OpenAI se han comprometido a no entrenar con datos de clientes de API; Meta apuesta a que a los desarrolladores no les importará lo suficiente como para cambiar de plan.

Qué hacer

1. Si estás en Muse Spark 1.1: Actualizar a 1.2 es una victoria clara — mejores benchmarks al mismo precio de $1,25/$4,25 con mejor uso de herramientas y rendimiento agéntico.
2. Si estás evaluando Muse Code: Trátalo como una beta. El modelo de agente persistente es prometedor, pero la brecha en benchmarks de programación es real. Pruébalo con tus flujos de trabajo reales antes de comprometerte.
3. Equipos empresariales: Audita tu flujo de datos antes de adoptar Muse Code. El pipeline de datos de entrenamiento por defecto significa que tu código propietario es combustible de entrenamiento para Meta a menos que te excluyas explícitamente.
4. Si necesitas un agente de programación en producción hoy: Claude Code, OpenAI Codex o GitHub Copilot siguen siendo las apuestas más seguras — son productos GA con benchmarks probados y políticas de datos claras.