Muse Spark 1.3 de Meta: un modelo de IA que entiende video, imágenes y documentos para codificar mejor

Empecé a usar Spark 1.2 para desarrollo porque si estás dispuesto a dejar que Meta entrene con tus datos, era súper barato y la verdad me sorprendió gratamente. No es un modelo de frontera ni mucho menos, pero para trabajo que no requería un modelo de primera línea, disfruté mucho usándolo.

Lo estoy antropomorfizando un poco, pero sentía que conocía sus debilidades y no intentaba imponerme sus opiniones. Lo que quiero decir con eso es que hacía lo que le decía y si había algo inesperado en el código que producía, a menudo era porque le di instrucciones ambiguas o contradictorias. No intentaba ir más allá y simplemente actuaba como una herramienta, que es lo que quiero de un agente de codificación el 90%+ del tiempo. También sentí que seguía mucho mejor los patrones establecidos en mi código que muchos de los otros modelos actuales. Soy un gran fan de los modelos de OpenAI y Spark 1.2 es lo que esperaba que fuera 5.6 Luna.

Tengo curiosidad y un poco de emoción por usar 1.3, pero honestamente un poco preocupado de que a medida que Meta presiona por mejores benchmarks, Spark empiece a caer en la trampa de intentar ser "servicial" de maneras que no quiero.

Tangencial, pero cuando empecé a usar Spark 1.2, me hizo darme cuenta de cuánto extraño a 5.3 Codex. Ese modelo fue el pico de los modelos de codificación, en mi opinión, en el sentido de que sabía escribir buen código, pero no intentaba extralimitarse ni ser "servicial" de maneras inesperadas. Eso me hizo pensar en cómo los grandes laboratorios parecen estar alejándose de los modelos enfocados en codificación […]

DeepSWE puntúa 75.4: esa es la mejor puntuación hasta ahora. ¡Y es increíblemente barato!

Google mantuvo el primer puesto durante unas horas hoy con Gemini 3.8 Flash, pero ahora es segundo detrás de Spark 1.3. ¡Toda esta competencia hará bajar los precios!

muse-spark-1.3-contributor. Di lo que quieras sobre Meta, pero cambiar el precio para decir explícitamente 'entrenamos con esto y lo valoramos tanto' es lo que todo proveedor de modelos debería hacer. Como nota al margen, ahora es completamente obvio cuánto vale para los proveedores de modelos robarme mis tokens para entrenar. Evito/pago extra/hago todo lo posible para asegurarme de que no me usen para entrenar, pero parece que sigo encontrando que se me escapó una configuración en algún lugar. Este es el primer número cuantificable que he visto de un proveedor de modelos. Quizás pueda ayudar en demandas para cuantificar los daños por derechos de autor u otras cosas.

Un modelo que (al menos en benchmarks) se está acercando al estado del arte. Una separación clara entre lo que se usa para mejorar sus productos y lo que no (al menos eso es lo que afirman).

¡Buen trabajo Meta! En serio. Esto casi me hace olvidar la demanda de 18 mil millones de dólares por adicción a las redes sociales en menores.

Me gusta el enfoque de ofrecer una versión con descuento de la API que se usa para entrenar versus la versión a precio completo. Parece razonable y transparente.

Todavía esperando a que liberen los pesos de Muse Spark 1.2, como prometieron. Me pregunto si planean hacer lo mismo con 1.3, lo cual sería una locura.

Usé Muse Spark 1.2 y no me impresionó en absoluto. Rápido y barato, pero incluso GPT 5.6 Terra se sintió mucho más capaz. Además, no tengo muchas ganas de apoyar a una empresa que acaba de ser obligada a pagar 18 mil millones de dólares por daños a la salud mental.

Prácticamente gratis para "contribuidores" a 0.2 USD/mtok. Va a ser difícil decir que no para los aficionados.

El precio de "contribuidor" a $0.10/$0.20 es increíblemente barato si está a la altura de Sol.

Definitivamente muestra lo importante que es el volante de datos de usuario para el aprendizaje por refuerzo y la mejora del modelo.