A Meta anunciou o modelo de inteligência artificial Muse Spark 1.3, cujas principais melhorias se concentram em programação, tarefas agentivas de longo prazo e fluxos de trabalho complexos de várias etapas. O modelo ficou disponível a partir de 3 de setembro de 2026 pela ferramenta de programação Muse Code e pela interface Meta Model API, cerca de um mês após o lançamento do Muse Spark 1.2.
A Meta descreve a nova versão como seu modelo mais capaz até o momento, mas essa formulação continua sendo uma caracterização feita pela empresa e não significa que ele supere os demais em todos os testes ou casos de uso.
Melhores capacidades para gerenciar tarefas prolongadas
O Muse Spark 1.3 foi projetado para lidar com várias tarefas em uma única conversa longa. Ao receber um objetivo aberto, ele pode usar ferramentas para construir o contexto necessário, identificar lacunas no plano de trabalho e corrigi-las, além de transferir para o resultado final as informações que aprende durante a execução.
A Meta também afirma que o modelo se tornou mais capaz de lidar com instruções ambíguas sem recorrer imediatamente a suposições; ele pode fazer perguntas de esclarecimento, pedir ajuda ao usuário quando não consegue executar a tarefa e obter aprovação prévia antes de operações irreversíveis ou que possam gerar consequências importantes. A empresa também destaca melhorias na manutenção das restrições presentes em instruções longas e na conexão entre solicitações antigas e novas dentro da mesma conversa.
A Meta indica que o modelo é mais preciso ao estimar suas próprias capacidades, com o objetivo de reduzir os casos em que dá a entender que concluiu uma tarefa que, na realidade, não consegue executar.
Ganhos em programação e uso de recursos
Segundo comparações realizadas pelos engenheiros da Meta, o Muse Spark 1.3 executa tarefas semelhantes usando cerca de 20% menos chamadas de ferramentas e 25% menos tokens em comparação com o Muse Spark 1.2. Esses ganhos também estão relacionados à redução de rodadas de diálogo desnecessárias e à produção de código menos detalhado, mas mais limpo, segundo a descrição da empresa.
No teste DeepSWE v1.1, dedicado a tarefas de desenvolvimento de software de longo prazo, o modelo marcou 75,4 pontos. O teste abrange 113 tarefas em 91 repositórios de software escritos em TypeScript, Go, Python, JavaScript e Rust. Segundo a tabela da Meta, esse resultado superou o GPT-5.6 Sol e o Claude Opus 5, embora modelos concorrentes avançados ainda o superem em outras avaliações.
O que os números realmente comprovam?
Os resultados do DeepSWE mostram uma melhoria mensurável no teste mencionado, mas, por si só, não são suficientes para comprovar que a Meta eliminou a diferença em relação à OpenAI e à Anthropic em todos os cenários de uso. A própria empresa alerta que os testes realizados nos modelos de outras empresas podem não ser otimizados para cada modelo e, portanto, podem não refletir seu desempenho máximo possível.
A plataforma Artificial Analysis também atribuiu à versão max do modelo 62 pontos no Intelligence Index e afirmou que o Muse Spark 1.3 possui uma janela de contexto de um milhão de tokens e aceita entradas de texto, imagens e vídeo. A comparação prática continua vinculada ao teste utilizado, ao método de avaliação e à arquitetura agentiva que envolve o modelo.
Disponibilidade, preços e limitações em aberto
A Meta não alterou os preços da API apesar de anunciar melhorias de desempenho. Os preços padrão por milhão de tokens são de 1,25 dólar para entradas, 0,15 dólar para entradas armazenadas em cache e 4,25 dólares para saídas.
A empresa afirma ter reforçado a resistência do modelo a ataques de injeção de instruções e entradas maliciosas, além de tê-lo treinado para agir com maior cautela antes de executar operações irreversíveis. Atualmente, os modos de reasoning existentes estão disponíveis, enquanto a empresa planeja lançar a opção max reasoning após concluir testes adicionais de segurança.
O roteiro inclui modelos Muse Spark maiores e versões com pesos abertos, mas a Meta não esclareceu se publicará os pesos do próprio Muse Spark 1.3. Portanto, o valor prático da versão dependerá dos resultados de uso independente, da data de disponibilização dos recursos adicionais de reasoning e de saber se os planos de abertura incluirão especificamente este modelo.