Muse Spark 1.1

Precios y posicionamiento económico

• Muchos ven el precio de Muse Spark 1.1 como agresivamente bajo frente a otros modelos “frontera” (p. ej., Grok 4.5, Claude, GLM 5.2), especialmente la entrada en caché a $0.15/Mtok.
• Otros sostienen que sigue siendo caro en comparación con modelos chinos y opciones de pesos abiertos; algunos sienten que más de $10 por 1M de tokens de salida es difícil de justificar para consumidores.
• Varios comentarios presentan esto como una respuesta a la presión competitiva de laboratorios chinos y a los precios de DeepSeek/GLM.
• Para uso profesional (programación, contratos), los precios más altos se ven como aceptables en relación con el trabajo humano; para entretenimiento, menos.

Calidad del modelo y benchmarks

• Los primeros evaluadores informan una calidad “por debajo de Sonnet” y poco impresionante en DeepSWE; algunos dicen que intercambia golpes con GPT 5.5 / Opus 4.8 en las propias gráficas de Meta.
• El llamado de herramientas y el rendimiento en terminal/agentes se destacan como fortalezas; la programación y lo multimodal son “bastante buenos”, con debate sobre cuánto importa en la práctica el alto éxito en llamadas a herramientas.
• Controversia significativa por los resultados de Terminal-Bench 2.1: críticos dicen que Meta excedió los límites de CPU/RAM, prácticamente “haciendo trampa”; los defensores sostienen que los límites de recursos son recomendaciones, que el impacto puede ser pequeño y que problemas de infraestructura complican el cumplimiento estricto.
• Escepticismo más amplio hacia los benchmarks de tipo “confía en mí” y la publicación selectiva de métricas; llamados a una evaluación independiente.

Confianza, privacidad y retención de datos

• Varios comentaristas dicen que no usarán Meta debido a problemas de privacidad pasados y a la falta de una política explícita de retención de datos para la API de pago.
• Algunos señalan que no todo uso de LLM implica datos personales, pero la inquietud persiste, especialmente frente a modelos de pesos abiertos.

Modelos abiertos vs cerrados

• Decepción por que Muse no tenga pesos abiertos; se percibe como un giro estratégico alejándose del liderazgo previo de Meta en código abierto.
• Varios argumentan que liberar modelos potentes de pesos abiertos (e incluso los datos de entrenamiento, aunque se considera legalmente arriesgado) permitiría a Meta “comoditizar” los modelos frontera y presionar los ingresos de la competencia.

Ecosistema, acceso y competencia

• El modelo todavía no está en OpenRouter, lo que dificulta la evaluación; la gente quiere un agregador con una sola clave para probarlo.
• Las restricciones regionales (p. ej., Canadá, Argentina, Vietnam) frustran a los desarrolladores.
• Sentimiento general: más competencia (Meta, xAI, laboratorios chinos) es buena para los precios y la diversidad, pero muchos siguen recelosos de la marca Meta y de la naturaleza cerrada del lanzamiento.