Cómo se entrenó Muse Spark 1.2: co-entrenamiento, horizonte largo y un bucle de automejora
"Built for Muse Spark" no es un eslogan de marketing — describe una estrategia de entrenamiento. Tres técnicas de las notas de lanzamiento de Meta explican por qué modelo y agente rinden mejor juntos que cada uno con un desconocido.
Una actualización centrada en código, escalada a fondo
Muse Spark 1.2 es una actualización de 1.1 enfocada de lleno en el código: generación, depuración compleja, comprensión de bases de código y flujos de desarrollo de punta a punta. Meta escaló de forma significativa el cómputo de entrenamiento en tareas de programación mientras ampliaba la diversidad de entornos de entrenamiento — y mantuvo intacta la solvencia del modelo como agente general en lugar de sacrificarla en el camino. El resultado medible, en pareja con Muse Code: 82,9% en Terminal-Bench 2.1 y 59,3% en DeepSWE 1.1, competitivo con los agentes más fuertes de la categoría.
Técnica uno: co-entrenamiento con el harness
La mayoría de agentes de código son un modelo genérico con un disfraz encima: el harness le hace un prompt al modelo, el modelo obedece, y las costuras asoman en forma de reintentos y herramientas mal usadas. Meta, en cambio, entrenó Muse Spark 1.2 junto con Muse Code. La mezcla de entrenamiento incluyó trayectorias del harness filtradas por rejection sampling — ejecuciones completas de agente, cribadas para que solo las exitosas enseñen al modelo — más optimizaciones de recetas para objetivos, compactación y subagentes, y la integración del conjunto de herramientas real de Muse Code.
La consecuencia es un modelo que ya ha visto las situaciones en las que su harness lo va a meter: cuándo repartir trabajo a un subagente, cómo formular una llamada a herramienta que el runtime aceptará, qué aspecto tiene un contexto compactado. La afirmación de Meta — mejor uso de herramientas, menos reintentos, salida de más calidad que un wrapper genérico — es una predicción directa de este montaje.
Técnica dos: entrenamiento de horizonte largo
Muse Spark 1.2 se entrenó extensamente en tareas que no caben en una sentada: generación de repositorios completos, grandes proyectos de punta a punta, auto-investigación. Tres capacidades aprendidas sostienen ese tipo de trabajo — la planificación para secuenciar los pasos, el condicionamiento por objetivo para mantener el rumbo a lo largo de cientos de decisiones, y la compactación de contexto para conservar lo que importa cuando el historial desborda incluso una ventana de 1M de tokens. No son funciones añadidas a posteriori; afloran directamente en el producto como /plan y /goal, y son lo que hizo posible la ejecución de 24 horas sobre kernels.
Técnica tres: el modelo que puso nota a su sucesor
El detalle más interesante es el bucle de automejora. Meta usó Muse Spark 1.1 para generar entornos de programación exigentes y plantillas de seguimiento de instrucciones, y después le hizo calificar soluciones candidatas según lo bien que cumplían esos requisitos. La salida calificada se convirtió en un dataset de entrenamiento escalable para 1.2 — la generación anterior fabricando a la vez el examen y los criterios de corrección para la siguiente. Meta atribuye específicamente a este bucle que 1.2 siga instrucciones complejas con más precisión que su predecesor.
Por qué esto importa más allá de un lanzamiento
Cada técnica potencia a las demás: el co-entrenamiento convierte el harness en señal de entrenamiento, el entrenamiento de horizonte largo hace aprendibles las tareas grandes, y la automejora abarata escalar todo el pipeline la próxima vez. Meta dice que vienen modelos más grandes y capaces — y esta maquinaria es, presumiblemente, cómo se construirán. La metodología completa de evaluación está publicada en el sitio de investigación de Meta; para saber cómo se sienten los números en la práctica, empieza por el quickstart.