Meta lança Muse Spark 1.3, modelo de codificação que usa 20% menos chamadas de ferramenta

A Meta Superintelligence Labs lançou o Muse Spark 1.3, a quarta versão do modelo em cinco meses, com foco em trabalho de agente e codificação de longo horizonte — não apenas em geração pontual. A principal promessa é de eficiência: em comparações internas, o modelo usa cerca de 20% menos chamadas de ferramenta e 25% menos tokens que a versão anterior.

O que mudou para agentes

O modelo foi treinado em múltiplos ambientes de agente para que o comportamento generalize além de um único contexto. Ele sustenta vários fluxos de trabalho dentro de uma mesma conversa longa, coleta contexto de fontes confusas e conflitantes e corrige lacunas no próprio plano.

As mudanças de colaboração são a parte mais prática: o Muse Spark 1.3 faz perguntas de esclarecimento em prompts ambíguos, chama o usuário quando trava e confirma antes de ações importantes. Em tarefas longas, adapta-se à preferência do usuário — atualizações frequentes ou execução silenciosa em segundo plano.

Benchmarks e modo de raciocínio

Nos números da própria Meta, o modelo marca 75,4 no DeepSWE v1.1, à frente do Claude Opus 5 (74,0) e do GPT-5.6 Sol (72,7). No MRCR v2, a vantagem em recuperação de contexto longo é ampla: 98,5 (256K–512K) contra 91,5 do GPT-5.6 Sol.

Há uma ressalva importante: o placar de lançamento usa o modo “max”, que não é o modo disponível para desenvolvedores hoje — a Meta avaliou a versão anterior no modo “xhigh”. A Artificial Analysis pontua a variante “xhigh” com 61 no Índice de Inteligência e a “max” com 62.

Preço e disponibilidade

O Muse Spark 1.3 está disponível no Muse Code e na Meta Model API, com janela de contexto de 1 milhão de tokens. Os preços permanecem em US$ 1,25 por milhão de tokens de entrada e US$ 4,25 por milhão de tokens de saída. Os pesos seguem fechados — a Meta não permite self-hosting — embora a empresa liste um lançamento de pesos abertos do Muse Spark em seu roadmap.

Por que isso importa

Para times que constroem agentes de código, a métrica mais relevante não é o benchmark, e sim o custo por tarefa concluída: menos chamadas e menos tokens significam menos idas e vindas e menor fatura. O Muse Spark 1.3 é mais um sinal de que a competição em codificação agentic está se deslocando de “quem gera código melhor” para “quem resolve tarefas longas com menos desperdício”.