Meta, empresa propietaria de Facebook, Instagram y WhatsApp, ingresó con mayor fuerza al mercado de las inteligencias artificiales que pueden realizar trabajos de programación de manera semiautónoma.
Su nueva herramienta se llama Muse Code y funciona con Muse Spark 1.2, un modelo de inteligencia artificial desarrollado específicamente para analizar, escribir, corregir y comprobar código informático.
Aunque suele describirse como “la nueva inteligencia artificial de Facebook”, Muse Code no es un asistente que aparecerá, al menos inicialmente, dentro del muro de Facebook o de las conversaciones de Messenger. Se trata de una herramienta dirigida principalmente a programadores, empresas tecnológicas y equipos que desarrollan aplicaciones, páginas web y otros sistemas digitales.
La diferencia frente a un chatbot tradicional es sustancial: Muse Code no se limita a responder cómo podría solucionarse un problema. Puede ingresar a un proyecto, examinar sus archivos, proponer un plan, aplicar cambios, ejecutar comandos y verificar si el resultado funciona.
Meta presentó la herramienta en fase beta el 5 de agosto de 2026 y la posicionó como competidora directa de Codex, de OpenAI, y Claude Code, de Anthropic, dos de los agentes de programación más consolidados del sector.
Unirme al Canal
Primero hay que diferenciar el modelo del agente
Para comprender cómo funciona esta nueva tecnología es necesario separar dos conceptos: Muse Spark 1.2 y Muse Code.
Muse Spark 1.2 es el modelo de inteligencia artificial. Puede entender instrucciones, analizar información, razonar sobre un problema, generar código y decidir qué herramientas utilizar.
Muse Code es el agente que organiza ese modelo y le permite actuar dentro de un entorno de desarrollo. Es la interfaz que administra los archivos, las instrucciones, los comandos, las pruebas y la participación de otros subagentes.
Una comparación sencilla sería pensar que Muse Spark 1.2 es el “cerebro”, mientras que Muse Code constituye el sistema de trabajo que le permite observar el proyecto, tomar decisiones y ejecutar tareas.
Meta asegura que ambos fueron entrenados conjuntamente para funcionar como una sola unidad. Esto busca evitar una dificultad común en la industria: tener un modelo potente, pero integrado en una herramienta que no aprovecha adecuadamente sus capacidades.
¿Cómo funciona Muse Code en la práctica?
Muse Code opera principalmente desde la terminal de una computadora, es decir, desde la interfaz en la que los desarrolladores ejecutan instrucciones y administran sus proyectos.
El usuario puede darle una orden en lenguaje natural, por ejemplo:
“Revisá por qué la página tarda demasiado en cargar, corregí el problema y comprobá que las demás funciones continúen trabajando”.
A partir de esa instrucción, el agente puede desarrollar varias etapas.
Primero, analiza la estructura del proyecto, sus carpetas, archivos, dependencias y configuraciones. Después identifica las partes relacionadas con el problema y elabora un plan de trabajo.
Posteriormente puede modificar uno o varios archivos, crear nuevas funciones, eliminar código innecesario y ejecutar herramientas de verificación. También puede correr pruebas automatizadas, compilaciones o revisiones destinadas a detectar errores.
Finalmente, presenta al desarrollador un resumen de los cambios, los resultados de las pruebas y los posibles asuntos que todavía requieren atención.
Meta sostiene que Muse Spark 1.2 fue optimizado para aumentar la precisión en el primer intento y hacer más confiable el uso de herramientas externas. No obstante, esas son evaluaciones comunicadas por la propia compañía y todavía será necesario observar cómo se desempeña el sistema en proyectos reales y frente a pruebas independientes.
Un millón de tokens para examinar proyectos extensos
Una de las características más importantes de Muse Spark 1.2 es su ventana de contexto de un millón de tokens.
Los tokens son pequeñas unidades en las que los modelos dividen el texto y el código para procesarlos. Una ventana de contexto más amplia permite que el sistema examine una mayor cantidad de archivos, instrucciones y antecedentes dentro de una misma tarea.
Esto resulta especialmente útil en proyectos empresariales que pueden contener cientos o miles de archivos relacionados entre sí.
Un agente con poco contexto podría modificar una función sin percatarse de que esa decisión afecta otros componentes. Con una ventana más amplia, la IA tiene mayores posibilidades de identificar conexiones entre distintas partes del sistema.
Sin embargo, un millón de tokens no significa que la herramienta recuerde todo de manera perfecta ni garantiza que interprete correctamente cada dependencia. La cantidad de información disponible es distinta de la capacidad para comprenderla y utilizarla sin errores.
Además, procesar proyectos más grandes implica un mayor consumo de tokens, lo que puede aumentar el costo de cada tarea.
Varios agentes pueden trabajar al mismo tiempo
El elemento con el que Meta busca diferenciar a Muse Code es su funcionamiento mediante múltiples agentes coordinados.
En lugar de asignar todo el trabajo a una sola instancia de inteligencia artificial, el sistema puede dividir una tarea compleja y repartirla entre varios subagentes.
Un agente principal puede analizar el problema y elaborar el plan. Después, varios “trabajadores” pueden encargarse simultáneamente de diferentes componentes del proyecto. Mientras unos modifican el código, otros revisan los cambios o ejecutan pruebas en segundo plano.
Por ejemplo, si una empresa solicita actualizar una tienda virtual, un subagente podría revisar el sistema de pagos, otro modificar la interfaz, otro actualizar las pruebas y un agente revisor comprobar si los cambios introdujeron vulnerabilidades o fallas.
Meta afirma que Muse Code utiliza trabajadores paralelos y revisores en segundo plano para acelerar los procesos sin eliminar las etapas de comprobación. La empresa también promociona el sistema como auditable, de manera que el usuario pueda revisar las acciones ejecutadas.
Esta arquitectura puede reducir el tiempo necesario para desarrollar modificaciones amplias, pero también aumenta la complejidad: varios agentes pueden tomar decisiones incompatibles, duplicar trabajo o introducir cambios que interfieran entre sí. Por eso, la coordinación y las revisiones finales resultan fundamentales.
Puede retomar el trabajo después de una interrupción
Muse Code mantiene un registro persistente de sus actividades.
Esto permite conservar información sobre las tareas realizadas, los archivos modificados, los comandos ejecutados y los resultados obtenidos. Si la herramienta se interrumpe o el sistema falla, puede recuperar el registro y continuar desde el punto anterior, en lugar de comenzar nuevamente.
La bitácora también puede facilitar la auditoría humana. Un desarrollador podría revisar qué hizo la inteligencia artificial antes de aprobar los cambios o incorporarlos definitivamente a un programa.
Esta función adquiere especial importancia cuando los agentes trabajan durante periodos prolongados o realizan modificaciones en múltiples archivos.
¿Qué trabajos puede realizar?
Muse Code fue diseñado para asumir tareas que antes requerían la intervención directa y constante de un programador.
Entre sus posibles usos se encuentran crear funciones, corregir errores, actualizar bibliotecas, migrar proyectos hacia nuevas tecnologías, generar pruebas automatizadas, revisar código existente y documentar sistemas.
También puede analizar un error que aparece en una aplicación, buscar la causa dentro de diferentes archivos, realizar una corrección y comprobar si las pruebas existentes continúan funcionando.
En proyectos más grandes, podría encargarse de modificaciones repetitivas. Por ejemplo, cambiar una función utilizada en decenas de archivos o adaptar una aplicación completa a una nueva versión de su lenguaje de programación.
Sin embargo, Muse Code no sustituye automáticamente a un ingeniero de software. La inteligencia artificial puede generar código que parece correcto, pero contiene errores de lógica, vulnerabilidades o consecuencias que no aparecen en las pruebas iniciales.
Tampoco conoce necesariamente todas las reglas internas de una empresa, las decisiones históricas detrás de un sistema o las necesidades reales de sus usuarios.
Muse Code, Codex y Claude Code: ¿en qué se diferencian?
Las tres herramientas persiguen un objetivo similar: pasar de una inteligencia artificial que recomienda código a un agente que puede ejecutar trabajos completos.
Muse Code, de Meta, inicia como una herramienta centrada en la terminal. Su principal apuesta es la coordinación automática de varios agentes, una ventana de contexto de un millón de tokens y la integración específica con Muse Spark 1.2. Actualmente se encuentra en fase beta y aplica un esquema de cobro según el consumo.
Codex, de OpenAI, cuenta con una presencia más amplia en diferentes interfaces. Puede utilizarse desde la terminal, extensiones para entornos de desarrollo, la web y la aplicación de Codex. También permite administrar varios agentes en paralelo, trabajar en entornos aislados y delegar procesos prolongados. OpenAI lo presenta como una herramienta para completar funciones, refactorizaciones, migraciones, revisiones y solicitudes de cambios.
Claude Code, de Anthropic, también puede operar desde la terminal, entornos de desarrollo, aplicaciones de escritorio y navegador. Puede leer proyectos, editar archivos, ejecutar comandos y conectarse con otras herramientas. Anthropic ha ampliado su funcionamiento mediante complementos, habilidades y servidores del Protocolo de Contexto de Modelo, conocido como MCP.
En términos sencillos, Muse Code entra a una competencia en la que Codex y Claude Code ya ofrecen ecosistemas más maduros y varias formas de acceso.
Meta intenta compensar esa desventaja con una propuesta enfocada desde el inicio en el trabajo multiagente, una tarifa de uso relativamente baja y un modelo entrenado específicamente junto con su agente.
Comparación general
| Característica | Muse Code | OpenAI Codex | Claude Code |
|---|---|---|---|
| Empresa | Meta | OpenAI | Anthropic |
| Modelo principal | Muse Spark 1.2 | Modelos especializados de Codex y GPT | Modelos Claude |
| Acceso principal | Terminal | Terminal, aplicación, web e IDE | Terminal, IDE, escritorio y navegador |
| Trabajo paralelo | Varios trabajadores y revisores | Varios agentes y entornos paralelos | Agentes, subagentes y flujos ampliables |
| Estado | Beta | Producto disponible en varios planes | Producto disponible en varios planes |
| Cobro | Principalmente por tokens | Suscripción o API | Suscripción o API |
| Enfoque distintivo | Modelo y agente entrenados conjuntamente | Ecosistema amplio y delegación en la nube | Integraciones, extensibilidad y control del flujo |
Las capacidades exactas pueden variar según el plan, el modelo seleccionado y la configuración utilizada. Las comparaciones tampoco equivalen a una prueba independiente que permita determinar cuál obtiene mejores resultados en todos los escenarios.
¿Cuánto cuesta utilizar Muse Code?
Meta estableció una modalidad de pago según el consumo.
La tarifa estándar anunciada es de $1,25 por cada millón de tokens de entrada y $4,25 por cada millón de tokens de salida.
La entrada incluye las instrucciones, el código, los archivos y demás información que el agente debe procesar. La salida corresponde al contenido generado por el sistema, como código nuevo, explicaciones, planes y reportes.
El costo real dependerá del tamaño del proyecto y de cuántas veces el agente necesite leer, modificar y revisar la información. Una tarea pequeña podría consumir pocos recursos, mientras que una migración sobre un repositorio extenso podría requerir millones de tokens y múltiples ciclos de trabajo.
La comparación con sus rivales no es completamente directa.
Codex puede utilizarse mediante planes de ChatGPT, incluido Plus, con un precio de referencia de $20 mensuales en Estados Unidos, además de planes con mayores límites y acceso mediante API.
Claude Code también está incluido en el plan Pro de Claude, cuyo precio mensual de referencia es de $20 en Estados Unidos, así como en planes Max, Team y Enterprise. El uso mediante la API se factura por separado y depende del modelo elegido.
En la práctica, el esquema de Meta podría resultar atractivo para desarrolladores que utilizan la herramienta ocasionalmente y prefieren pagar únicamente por lo consumido. Para equipos que trabajan durante todo el día, una suscripción con límites incluidos podría ofrecer mayor previsibilidad.
¿Por qué Meta quiere entrar en este mercado?
La programación se ha convertido en uno de los principales campos de competencia de la inteligencia artificial.
El código tiene características que facilitan el entrenamiento y la evaluación: puede ejecutarse, someterse a pruebas y compararse con resultados esperados. Esto permite que los sistemas reciban retroalimentación más clara que en tareas subjetivas como redactar una opinión o diseñar una estrategia.
Además, las herramientas de programación tienen un mercado empresarial directo. Una compañía puede pagar por una IA si consigue reducir el tiempo requerido para corregir errores, desarrollar funciones o mantener aplicaciones.
Meta inició su nueva familia de modelos Muse Spark en abril de 2026. En julio presentó Muse Spark 1.1, con mejoras en razonamiento, uso de herramientas, programación y comprensión multimodal. Menos de un mes después lanzó Muse Spark 1.2 y Muse Code, lo que refleja la rapidez con la que intenta cerrar distancia frente a OpenAI y Anthropic.
La herramienta también forma parte de una estrategia más amplia para convertir la inversión de Meta en inteligencia artificial en productos capaces de generar ingresos, más allá de los asistentes integrados en sus redes sociales.
La autonomía también implica riesgos
Una herramienta que puede leer archivos, ejecutar comandos y modificar programas tiene mayores capacidades que un chatbot, pero también representa riesgos más amplios.
Un error ya no se limita a una respuesta incorrecta en pantalla. El agente podría borrar un archivo, modificar una configuración sensible, instalar una dependencia insegura o introducir una vulnerabilidad dentro de un sistema.
Los riesgos aumentan cuando la IA tiene acceso a internet, credenciales, servidores o bases de datos. Por esa razón, las empresas deben limitar sus permisos, utilizar entornos aislados, proteger contraseñas y revisar cada cambio antes de enviarlo a producción.
El lanzamiento también coincidió con información sobre un incidente ocurrido durante una evaluación de ciberseguridad de un modelo de Meta.
La compañía informó que una configuración incorrecta de la firma independiente encargada de la prueba permitió que uno de sus modelos accediera a internet y explotara una vulnerabilidad en un servicio externo. Un reporte citado por Reuters identificó al sistema como Muse Spark 1.1.
La empresa evaluadora sostuvo que no se trató de una fuga del entorno aislado ni de una operación cibernética sofisticada, sino de un error en la configuración de la prueba. El incidente no demuestra que Muse Code esté comprometido, pero evidencia por qué el control de permisos y los entornos de ejecución son determinantes cuando los agentes pueden actuar de manera autónoma.
¿Puede sustituir a los programadores?
Muse Code puede automatizar una parte creciente del trabajo técnico, especialmente las tareas repetitivas, documentadas y verificables.
No obstante, desarrollar software también requiere comprender necesidades humanas, definir prioridades, tomar decisiones sobre seguridad, negociar requisitos y anticipar consecuencias que no siempre aparecen dentro del código.
La inteligencia artificial puede acelerar la ejecución, pero todavía necesita que una persona defina claramente el objetivo, revise el plan, compruebe los resultados y asuma la responsabilidad por el producto final.
El cambio más probable no es una desaparición inmediata de los programadores, sino una transformación de su trabajo. En lugar de escribir manualmente cada línea, algunos profesionales pasarán a dirigir agentes, revisar decisiones, diseñar arquitecturas y validar sistemas generados parcialmente por inteligencia artificial.
¿Qué significa este lanzamiento?
Muse Code confirma que la competencia entre las principales empresas de inteligencia artificial está pasando de los chatbots a los agentes capaces de ejecutar tareas.
La pregunta ya no es solamente cuál modelo responde mejor. Ahora también importa cuál puede trabajar durante más tiempo, utilizar herramientas, coordinar procesos, controlar costos y completar una tarea con menor intervención humana.
Meta llega después de OpenAI y Anthropic, pero cuenta con infraestructura, recursos económicos y experiencia desarrollando sistemas a gran escala.
Muse Code todavía se encuentra en fase beta y deberá demostrar su desempeño fuera de las evaluaciones internas de la compañía. Su verdadero impacto dependerá de la precisión de los cambios, la seguridad de sus operaciones, la facilidad para supervisarlo y el costo final en proyectos reales.
Por ahora, el lanzamiento amplía la carrera por convertir la inteligencia artificial en un compañero de trabajo capaz no solo de explicar cómo hacer algo, sino de hacerlo directamente.
Compartir esta noticia
Sobre el autor
