Meta presenta Muse Code y Muse Spark 1.2

Meta Superintelligence Labs anunció el 5 de agosto de 2026 el lanzamiento de Muse Code, su agente de programación para terminal, junto con Muse Spark 1.2, la actualización de su modelo enfocada en código. Con esto, Meta entra de lleno a un mercado donde ya compiten Claude Code de Anthropic y Codex de OpenAI.

¿Qué es Muse Code y cómo se instala?

Muse Code es un agente que opera enteramente desde la línea de comandos y está disponible en beta para macOS y Linux. La instalación es un comando único que se conecta directo a la Meta Model API. A diferencia de sus competidores, Muse Code por ahora no tiene una interfaz de aplicación dedicada: todo ocurre en la terminal.

Según Meta, el agente toma tareas completas de ingeniería de software sobre repositorios grandes: planifica los cambios, escribe el código y valida los resultados, en vez de detenerse tras generar un fragmento.

¿Qué lo diferencia de otros agentes de código?

Tres decisiones de diseño marcan la diferencia:

• Subagentes de fondo persistentes. En lugar de crear un ayudante nuevo para cada tarea individual, los subagentes especializados se mantienen activos durante toda la sesión, ejecutan pasos siguientes y deciden cuándo devolver información al agente principal. Meta afirma que esa persistencia reduce la latencia y la necesidad de estar corrigiendo el rumbo en tareas de muchos pasos.
• Registro local de eventos. Cada llamada al modelo, ejecución de herramienta, aprobación y edición se escribe en un log local. Eso hace que la ejecución sea reproducible y resistente a caídas: tras un crash, el agente retoma exactamente donde se detuvo.
• Skills incluidas. El agente viene con comandos por defecto: /plan convierte una tarea en un plan sujeto a aprobación, /grill somete ese plan a prueba de estrés hasta que resista, y /goal trabaja hasta completar el objetivo especificado.

¿Qué tan lejos llega en tareas largas?

Meta publicó un caso de estudio de optimización de kernels de GPU. El modelo escribió, compiló, perfiló y mejoró iterativamente el rendimiento de kernels KDA y MLA sobre GPUs NVIDIA Hopper, sosteniendo más de 1.000 llamadas a herramientas en sesiones de hasta 24 horas y logrando mejoras sustanciales sobre la implementación base entregada.

Sobre el modelo, Meta indica que Muse Spark 1.2 escaló significativamente el cómputo de entrenamiento en tareas de código y amplió la diversidad de entornos de entrenamiento. Además fue co-entrenado con el propio Muse Code, para que modelo y herramienta rindan mejor juntos, y se entrenó de forma extensiva en tareas de horizonte largo como generación de repositorios completos y proyectos punta a punta.

¿Dónde queda esto dentro de la estrategia de Meta?

El lanzamiento continúa un movimiento que empezó en abril de 2026, cuando Meta reemplazó a Llama por el Muse Spark original, y siguió en julio con Muse Spark 1.1 y la apertura de su servicio pago de API para desarrolladores. Muse Spark 1.2 ya está disponible tanto en Muse Code como en la Meta Model API, con acceso global ampliado. La compañía adelantó que vienen modelos más grandes y nuevas capacidades del agente.

Análisis de Revenue Hub

La lectura obvia es que hay un tercer jugador serio en agentes de código. La lectura útil para un líder comercial en Chile o Latinoamérica es otra: el patrón de diseño de Muse Code es el mismo que va a llegar a las operaciones de revenue. Subagentes persistentes que mantienen contexto entre tareas, un log auditable de cada acción y comandos que obligan a aprobar un plan antes de ejecutarlo. Eso no es una característica de programación, es una arquitectura de confianza. Es exactamente lo que falta hoy en la mayoría de los agentes que prometen tocar tu CRM.

La pregunta que un equipo comercial debería hacerle a cualquier vendedor de agentes de IA a partir de ahora es la que Meta responde en su documentación: ¿puedo ver el registro completo de lo que el agente hizo, en qué orden y con qué aprobaciones? Si un agente actualiza registros, mueve oportunidades de etapa o envía correos sin ese log, no tienes un asistente, tienes un riesgo operativo sin trazabilidad. En un contexto regional donde la calidad del dato en el CRM ya es frágil, un agente sin auditoría multiplica el problema en vez de resolverlo.

La tercera implicancia es de costo. Meta compitiendo por precio en la capa de modelos de código presiona a la baja el costo de construir automatizaciones propias. Para empresas medianas de la región que hasta ahora descartaban desarrollar integraciones a medida por precio de licencia, el cálculo cambia. La restricción real deja de ser el modelo y pasa a ser tener el proceso comercial bien definido antes de automatizarlo. Puedes revisar cómo aterrizar esto en operación en el blog de Revenue Hub y seguir el resto de los movimientos del sector en noticias de IA en ventas.