Una API para todos los harness: la jugada de ecosistema del Model API
Meta puso su modelo de código en todos los sitios donde ya están los desarrolladores — el SDK de OpenAI, el de Anthropic, las CLIs de agentes rivales, hasta OpenRouter. La compatibilidad primero es la estrategia de distribución.
Tres valores y estás dentro
Conectar casi cualquier herramienta a Muse Spark requiere los mismos tres valores: la URL base https://api.meta.ai/v1, tu MODEL_API_KEY y un ID de modelo como muse-spark-1.2. Funciona porque la API habla los formatos que el ecosistema convirtió en estándar: chat completions y responses al estilo OpenAI, más un endpoint de Messages en formato Anthropic para los harness construidos así. Te quedas con tu SDK, te quedas con tu código, y cambias una sola URL.
Incluso los harness de la competencia
La lista de compatibilidad tiene intención: OpenCode, LangChain, LlamaIndex, el Vercel AI SDK, Continue — y Claude Code, el agente de la propia Anthropic, que se conecta vía la Messages API. A Meta no le importa en absoluto servir tokens dentro del harness de un rival. Algunos agentes se saltan la configuración por completo: CLIs autoconfigurables como OpenCode, Goose y Roo aceptan una descripción de proveedor pegada tal cual — URL base, ID de modelo, ventana de contexto, funcionalidades soportadas — y se cablean solas.
La lectura estratégica no es sutil. Cada herramienta de código existente se convierte en un canal de distribución de tokens de Muse Spark, con coste de cambio cero como argumento de venta. Y la distribución va más allá de la puerta de Meta: Muse Spark 1.2 también está disponible a través de OpenRouter, saliendo al encuentro de los desarrolladores que agregan proveedores allí donde ya compran.
Entonces, ¿para qué existe Muse Code?
Si cualquier harness puede ejecutar el modelo, ¿por qué construir uno? Porque la compatibilidad te da función, no encaje. Muse Spark 1.2 fue co-entrenado específicamente con Muse Code — su entrenamiento incluyó el conjunto de herramientas del harness, su coreografía de subagentes, sus recetas de objetivos y compactación. Un wrapper genérico consigue un modelo muy bueno; Muse Code consigue un modelo que ya ha ensayado las jugadas exactas que su runtime va a pedirle — agentes persistentes en segundo plano, fan-out con worktrees, el event log. La API abierta es el embudo ancho; el agente nativo es la parte honda de la piscina.
Un camino de adopción pragmático
La estrategia de dos capas sugiere su propio plan de migración. Día uno: apunta tu configuración actual — sea la que sea — al Model API y evalúa el modelo con tu trabajo real, sin arriesgar nada. Si el modelo se gana el puesto, prueba Muse Code en los flujos donde el encaje con el harness se acumula: tareas de horizonte largo, trabajos paralelos de varias partes, cosas que querrás auditar más tarde. El cookbook cubre ambas capas, y la guía de niveles cubre lo que cuestan los tokens una vez que te comprometes.