El precio de Meta Muse Spark 1.1, la tabla de tarifas completa
Meta publica esto en dos lugares, y ambos coinciden, algo que no siempre ocurre. El blog de Meta for Developers indica que el pago por uso empieza en $1.25 de entrada y $4.25 de salida por millón de tokens. La tarifa en caché y la línea de búsqueda provienen del propio documento de Meta sobre precios y límites de tasa. Y la tabla de proveedores de OpenRouter enumera a Meta como el único proveedor con esas mismas tres cifras.
| Línea | Tarifa | Base |
|---|---|---|
| Tokens de entrada | $1.25 / 1M | Por token, plano en toda la ventana de 1M |
| Tokens de entrada en caché | $0.15 / 1M | Automático en cualquier prefijo estable coincidente, 88% de descuento sobre lista |
| Tokens de salida | $4.25 / 1M | Incluye tokens de razonamiento ocultos |
| Grounding con búsqueda web | $2.50 / 1.000 consultas | Por consulta, cobrado además de los tokens de la solicitud |
| Entrada de imagen, video, audio, PDF | Sin tarifa individual publicada | Se convierte en tokens de entrada, facturado a $1.25 |
| Recargo por contexto largo | Ninguno | Misma tarifa a 5k tokens que a 900k |
| Descuento por lotes | No publicado | No existe un endpoint de lotes en la referencia de la API |
| Gasto mínimo | Ninguno | Sin compromiso, sin tarifa de plataforma, sin cargo por asiento |
| Créditos gratuitos | $20 por única vez | Por cuenta, sin caducidad publicada |
Antes de hablar de las cifras, hay tres cuestiones estructurales que van primero. Cambian lo que significa la tabla de tarifas.
No hay tarifa por solicitud ni tarifa por asiento. Puede parecer obvio, hasta que lo comparas con cómo los proveedores de helpdesk facturan la IA. Los precios de la IA de Gorgias cobran por interacción, y los precios de la IA de HubSpot cobran en créditos que hay que convertir mentalmente antes de que signifiquen algo.
No hay recargo por contexto largo. La documentación de Meta es explícita en esto: la tarifa no cambia a medida que se llena el contexto. Es una diferencia real, y volveré sobre ello más abajo, una vez que la tabla comparativa muestre qué hacen OpenAI y Google en su lugar.
Y no hay ningún nivel de lotes en absoluto. Repasé la referencia de la API de Meta buscando uno. Nada. Lo más cercano que se ofrece es un límite de 600 envíos en segundo plano por minuto por equipo, y eso es un techo de rendimiento, no un descuento.
Cuatro medidores, y el que presupuestaste es el más pequeño
El error que veo cometer a los ingenieros con cualquier nueva API de modelo es siempre el mismo: leer dos cifras en la página y construir toda la hoja de cálculo sobre esas dos cifras. Muse Spark 1.1 hace funcionar cuatro medidores a la vez. Se comportan de forma lo bastante distinta como para que la tarifa de entrada y salida por sí solas no permitan predecir tu factura.
Pon tus propias cifras contra los cuatro y observa cuál está haciendo el gasto real:
El medidor 3 es el que se mueve
Muse Spark 1.1 piensa antes de responder. El blog de desarrolladores de Meta lo dice con bastante claridad, y los tokens gastados en ese pensamiento vuelven en la respuesta como usage.completion_tokens_details.reasoning_tokens. Se facturan a la tarifa de salida.
Lo que significa que el precio de lista de $4.25 se aplica a tokens que nunca ves. Cuánto crece ese montón lo determina reasoning_effort, que va de minimal a xhigh. Un solo parámetro, y tiene más peso sobre tu factura que cualquier decisión sobre qué modelo llamar.
Esto también explica por qué las propias puntuaciones de referencia de Meta son difíciles de tasar. Cada resultado de Muse Spark 1.1 en el informe de evaluación de Meta se ejecutó con el esfuerzo de razonamiento xhigh, el ajuste más caro que ofrece la API. Así que la capacidad publicada y la tabla de precios económica no describen la misma configuración.
Artificial Analysis puso un número a esa verbosidad. En toda su ejecución del Intelligence Index, Muse Spark 1.1 generó 94 millones de tokens de salida frente a una mediana de categoría de 63 millones, según Artificial Analysis, que lo califica de algo verboso, aproximadamente un 49% por encima de la mediana de su nivel. Por tarea, eso equivale a unos 22.000 tokens de salida.
La entrada en caché es el descuento que ya está activado
La tarifa en caché de $0.15 es 8,3 veces más barata que la entrada nueva. Sin embargo, lo más importante es que no tienes que activarla. La documentación de precios de Meta indica que el prefijo estable se cachea automáticamente, sin ninguna opción que activar ni ninguna clave de caché que nadie tenga que gestionar.
Los profesionales en Hacker News identificaron esto como la verdadera noticia, por delante de la tarifa titular:
"Sí, esto se compara más directamente con xAI Grok 4.5. En ambos casos, en cuanto a dirección, es 'inteligencia de nivel opus a precios de haiku', lo cual es un gran cambio para los desarrolladores de aplicaciones que quieren incluir modelos como este en sus productos. He estado probando reemplazar haiku y sonnet por Grok 4.5, y puede que pruebe también este (es bastante más barato, especialmente en caché)."
Otra persona en el mismo hilo hizo la comparación de caché en voz alta:
"Grok 4.5 tiene una tarifa relativamente alta de $0.50 por millón de tokens de entrada en caché, comparado con los $0.15 de este modelo."
OpenRouter señala en su propia página del modelo que, una vez que el prompt caching entra en juego, los precios efectivos pueden situarse entre un 60 y un 80% por debajo del precio de lista del proveedor, dependiendo de cuánto contexto se repita. Y si ejecutas un system prompt fijo con un turno de usuario rotativo al final, esa es exactamente tu situación.
El grounding con búsqueda web se factura por separado
El cuarto medidor es el que la gente pasa por alto, sobre todo porque no es una tarifa por tokens en absoluto. Basar una solicitud en la búsqueda web cuesta $2.50 por 1.000 consultas además de los tokens que esa solicitud consuma. Frente a la salida, se mantiene pequeño con tasas de consulta altas. Pequeño no es cero, sin embargo, y escala según la frecuencia con la que el modelo decide que necesita ir a buscar algo, no según cuántas llamadas envíes.
Las entradas que no son texto funcionan al revés. Imagen, video, audio y PDF figuran todos en la documentación de modelos como modalidades de entrada, y ninguno tiene una tarifa individual publicada. Se convierten en tokens de entrada y se facturan a $1.25. Más simple que la mayoría de los proveedores, sin duda. También significa que no puedes prever una carga de trabajo multimodal hasta que hayas medido primero la tokenización.
La cifra que realmente predice tu factura
Pondera los tres medidores de tokens tal como lo haría una carga de trabajo real y repetida, es decir, siete partes de lectura de caché por dos partes de entrada nueva y una parte de salida, y Muse Spark 1.1 sale a $0.78 por millón de tokens. Esa es la cifra que yo pondría en un presupuesto. Ni $1.25, ni $4.25.
Mejor aún, mide tareas completas. AA hace exactamente eso, y es donde el modelo se ve más fuerte:
| Medida | Muse Spark 1.1 | Contexto |
|---|---|---|
| Tarifa combinada, ponderación 7:2:1 | $0.78 / 1M | Frente a un precio de lista de $1.25 / $4.25 |
| Costo por tarea del Intelligence Index | ~$0.29 | 4º más barato de los 26 modelos de vanguardia analizados |
| Costo total de ejecutar todo el índice de AA | $548.07 | Claude Fable 5 necesitó ~$5.631 para la misma ejecución |
| Tokens de salida por tarea | ~22.000 | 12º más ligero de 26, frente a 5.000 del más ligero |
| Puntuación del Intelligence Index v4.1 | 51 | Opus 5 con esfuerzo máximo obtiene 61 |
| Velocidad de salida | 211,9 tokens/seg | 4º de 184, mediana de categoría 74,0 |
La comparación que realmente sustenta el argumento no es la que se hace contra la cima de la tabla. Es una fila más abajo. Muse Spark 1.1 obtiene 51 en el índice de AA por unos $0.29 la tarea. Gemini 3.6 Flash obtiene 50 por unos $0.56. Un punto más en el índice por aproximadamente la mitad del costo por tarea es todo el argumento de venta, y se sostiene bajo una medición independiente, que es más de lo que consiguen la mayoría de las afirmaciones de lanzamiento.
El propio gráfico de lanzamiento de Meta hace el mismo argumento de forma visual, y hay que reconocerle que es honesto sobre el techo.
Cómo se compara el precio de Muse Spark 1.1
Todas las cifras a continuación provienen del precio de lista publicado por cada proveedor, por millón de tokens, nivel estándar, verificado el 5 de agosto de 2026.
| Modelo | Entrada / 1M | Salida / 1M | Entrada en caché | Recargo por contexto |
|---|---|---|---|---|
| Meta Muse Spark 1.1 | $1.25 | $4.25 | $0.15 | Ninguno |
| DeepSeek V4 Flash | $0.14 | $0.28 | $0.0028 | Ninguno, pero llega un recargo de 2x en horas pico |
| GPT-5.6 Luna | $0.20 | $1.20 | No listado | Sí |
| Gemini 3.6 Flash | $1.50 | $7.50 | No listado | No listado |
| GPT-5.6 Terra | $2.00 | $12.00 | No listado | Sí, $4 / $18 por encima del umbral |
| Claude Sonnet 5 | $2.00 sube a $3.00 | $10.00 sube a $15.00 | No listado | Ninguno |
| Gemini 3.1 Pro Preview | $2.00 | $12.00 | No listado | Sí, $4 / $18 por encima de 200k |
| Kimi K3 | $3.00 | $15.00 | $0.30 | Ninguno |
| Claude Opus 5 | $5.00 | $25.00 | No listado | Ninguno |
| GPT-5.6 Sol | $5.00 | $30.00 | No listado | Sí, $10 / $45 por encima del umbral |
Dos notas al pie ahí deciden más que el propio orden.
El $2/$10 de Sonnet 5 es introductorio. La propia nota de Anthropic lo mantiene hasta el 31 de agosto de 2026, y después sube a $3/$15. Así que a partir del 1 de septiembre, la salida de Sonnet 5 cuesta 3,5 veces lo que cuesta la salida de Muse Spark 1.1.
GPT-5.6 tiene niveles según el tamaño del prompt. Al cruzar el umbral de contexto corto, Sol salta a $10 de entrada y $45 de salida, mientras Terra pasa a $4 y $18. Gemini 3.1 Pro hace la misma jugada por encima de 200k tokens.
Muse Spark 1.1 publica una única tarifa plana hasta llegar al millón. Para una carga de trabajo de agentes con contexto largo, eso vale más que una pequeña diferencia en la tarifa base, con facilidad. Las alineaciones completas están en todos los modelos de OpenAI si quieres verlas una junto a otra.
No todos en Hacker News quedaron impresionados. Dos comentarios que vale la pena tener presentes:
"esto no es subsidiar. esto es demasiado caro para un modelo sin nombre."
"El bombo de GLM 5.2 ya soplaba mucho antes de esto. Ni xAI ni Meta han marcado realmente una diferencia de otra manera: resultados similares / precios similares (a GLM 5.2)."
Ambos son puntos justos. Muse Spark 1.1 tiene un precio competitivo dentro de un grupo que ya existe, y no está por debajo de ese grupo.
Los límites de tasa son el techo de costo que nadie lee
La tabla de tarifas te dice cuánto cuesta un token. Los límites de tasa te dicen cuántos tienes permitido comprar, y para una carga de trabajo de agentes, esa segunda restricción es la más dura.
| Nivel | Solicitudes/min | Tokens/min |
|---|---|---|
| Gratuito | 60 | 2.000.000 |
| De pago | 3.000 | 4.000.000 |
Según el documento de Meta sobre precios y límites de tasa, más 600 envíos en segundo plano por minuto por equipo. Debajo de esa tabla hay detalles que importan más que la propia tabla:
- La forma del nivel gratuito es inusual. Su techo de tokens está en la mitad del nivel de pago, mientras que su techo de solicitudes es 50 veces más bajo. Sesenta solicitudes por minuto con 2M de tokens disponibles significa que el nivel gratuito se construyó para un puñado de llamadas muy grandes. No para un bucle de agente conversador que golpea la API cientos de veces por minuto.
- Los límites son por equipo, no por clave. La documentación de Meta especifica que varias claves dentro de un mismo equipo comparten todas la misma cuota. Así que el truco habitual de repartir el tráfico entre varias claves no te da nada aquí.
- La cuota es observable. Cada respuesta exitosa incluye
x-ratelimit-remaining-tokensyx-ratelimit-remaining-requests, lo que te permite frenar según cifras reales en lugar de adivinar.
Lo que Meta no ha publicado
Ser honesto sobre las lagunas es mejor que llenarlas con suposiciones. Así que aquí está lo que no pude encontrar en ninguna página propia de Meta.
Sin descuento por lotes. Los dos principales rivales de Meta publican un nivel de lotes del 50%. Meta no publica nada en absoluto, y ni siquiera existe un endpoint de lotes en la referencia de la API al que aplicar un descuento.
Sin tarifas por modalidad. Imagen, video, audio y PDF son entradas compatibles, ninguna con un precio por unidad publicado. Se facturan como tokens de entrada, y eso está bien hasta que necesitas prever una carga de trabajo de video.
Sin caducidad para los $20. El blog de desarrolladores de Meta confirma que el crédito gratuito es por única vez y por cuenta. Ninguna página en ningún lugar indica cuándo caduca.
La retención de datos requirió un hilo entero para aclararse. Surgió primero en Hacker News como una queja, y luego se resolvió en un hallazgo real, que es el tipo de fuente más útil que existe:
"¿Dónde está la información de la política de retención de datos para los usos de pago por token de la API? Todos los demás proveedores tienen una y dejan claro cómo manejan tus datos. Un vistazo rápido no muestra ninguna para esta nueva oferta."
"Los prompts de pago no se usan para entrenamiento. La retención de datos no está del todo clara: la conservan si creen que estás incumpliendo las normas, pero no está claro cuánto tiempo la conservan si no creen que las estás incumpliendo."
Sin precio de consumo para Meta One. Las páginas de ayuda de Meta confirman que existe una suscripción de pago para consumidores en pruebas limitadas, y nombran los niveles de Meta One como Plus, Premium, Advanced, Expert y Max. Ninguna cifra en dólares en ninguno de ellos, en ningún sitio. Así que cualquier precio de consumo que veas citado en otro lugar, trátalo como no verificado. El Meta AI de consumo en sí sigue siendo gratis, y Muse Spark 1.1 ya está expuesto ahí en modo Thinking sin ningún cargo declarado, algo que vale la pena saber antes de pagar por acceso a la API solo para evaluar el modelo.
La barrera con la que te topas antes que con la factura
Nada de este precio es accesible fuera de Estados Unidos por ahora. La propia publicación de lanzamiento de Meta sitúa la API de Modelos de Meta en vista previa pública para desarrolladores de EE. UU., y OpenRouter mantiene la misma restricción de país en su página del modelo. Rodearla no funciona.
Los desarrolladores se toparon con esto de frente:
"Intenté acceder a la API, y al parecer la API del modelo no está disponible en mi región..."
"No sé dónde tengo que registrarme para probarlo. ¿Cuál es el precio? ¿Es API o suscripción, qué es?"
Aquí no hay lista de espera, ni tampoco un paso de aprobación. La guía rápida de Meta es solo panel, claves de API, crear clave. La API es compatible con el SDK de OpenAI, así que cambiar la URL base cubre la mayor parte del trabajo de integración. El límite de elegibilidad vive en las páginas de marketing en lugar de en la documentación, por lo que la gente solo se entera de él después de registrarse.
El costo por millón de tokens es la unidad equivocada para un equipo de soporte
Aquí es donde debería ser directo sobre para quién es esta tabla de tarifas. ¿Estás construyendo un agente de código o una herramienta de investigación? Entonces $0.78 combinado es un buen trato, y la reseña de Muse Spark 1.1 es el lugar al que ir para saber si la capacidad supera tu listón.
Pero si estás intentando averiguar cuánto cuesta que una IA responda a tus clientes, los tokens son por completo el denominador equivocado. La unidad es un ticket resuelto, y la dispersión en esa unidad es enorme. Una cuenta de comercio electrónico sobre la que tengo cifras reales gestionaba unos 700 tickets a la semana a aproximadamente $1.07 por ticket. La tarifa de pago por uso de eesel es de $0.40 por ticket sin tarifa de plataforma, y los precios de eesel están ahí mismo para comprobarlo. Misma clase de modelo por debajo. Más del doble de dispersión, generada por completo por lo que rodea al modelo.
Y la brecha entre que un modelo acierte y que un modelo sea entregable es más amplia que cualquier diferencia de precio. Un minorista alemán de joyería que gestiona unos 1.000 tickets al mes en Zendesk y Shopify sometió a eesel a una prueba con validación cruzada sobre tráfico real. El resultado: 93% de precisión en la clasificación (triage), 100% de detección de spam sin falsos positivos en el 22% de la bandeja de entrada que era spam, 88% de precisión direccional en los borradores, y solo 12% de los borradores enviados tal cual, con una tasa de error factual del 7%.
Lee juntas esas dos últimas cifras. Direccionalmente correcto el 88% de las veces, entregable el 12% de las veces. Cuando desglosé por qué los agentes reescribían los borradores, alrededor del 65% se debía a la extensión y el tono, alrededor del 20% necesitaba datos que aún nadie había conectado, como ERP y logística, y solo alrededor del 5% era eesel siendo factualmente incorrecto. La calidad del modelo era el 5% del problema. El resto era contexto, tono de voz y profundidad de integración, que es exactamente la parte que una tarifa por token más barata no soluciona en absoluto. Ese es el argumento en RAG frente a LLM y en respuestas incorrectas, y la solución está más cerca del coaching de agentes que de una actualización de modelo.
Lo otro que una tabla de tarifas no puede tasar es saber cuándo no decir nada en absoluto. Una responsable de CX en una marca DTC de suplementos, que gestiona unos 7.000 tickets de Gorgias al mes, lo expresó mejor de lo que yo podría:
"La IA nunca va a poder responder al 100% de las preguntas, pero si lo intenta y simplemente responde 'lo siento, no lo sé', no puedo ir a revisar los 7.000 tickets para ver si la IA en realidad dio una buena respuesta, y entonces el sentido se pierde un poco. Necesito una IA que solo gestione los tickets en los que tiene confianza, y que deje en paz todos los demás."
Eso es un umbral de confianza más una vía de escalado. No es un modelo. Es trabajo de producto, y es la misma razón por la que el traspaso de la IA y la transferencia a un humano me ocupan más tiempo del que jamás me ha ocupado la elección de un modelo.
Construirlo tú mismo sobre la API de Modelos de Meta es una opción real, y no voy a fingir lo contrario. Algunos equipos han dejado eesel para construir directamente sobre una API de vanguardia, y les ha funcionado. La versión honesta de esa disyuntiva, sin embargo, vino de un líder de ingeniería en una empresa de cajeros de Bitcoin con una base de conocimiento de 300 artículos en Confluence y Telegram, que tomó el camino contrario:
"Podríamos haber intentado escribir nuestra propia aplicación de LLM, pero no queríamos invertir nuestro tiempo en eso. Queríamos algo que no tuviéramos que mantener."
El modelo nunca fue la parte difícil. El mantenimiento fue la parte difícil. Si quieres ver esa bifurcación explicada como es debido, tanto Anthropic frente a las API de OpenAI como los precios de AgentKit cubren lo que realmente cuesta el camino de construirlo tú mismo una vez que se cuentan las partes que no son tokens.
Prueba eesel con tus propios tickets
¿Llegaste hasta aquí presupuestando una IA de soporte en lugar de un experimento de API? Sáltate las cuentas de tokens. El agente de IA para helpdesk de eesel lee el centro de ayuda y los tickets pasados que ya tienes, y factura $0.40 por ticket sin tarifa de plataforma.
Se conecta con el helpdesk que ya uses, incluidos Zendesk, Freshdesk y Gorgias, así que nadie en el equipo tiene que aprender una herramienta nueva para sacarle valor.
Las fuentes de conocimiento se conectan de la misma manera. Un centro de ayuda alojado en Confluence se convierte en una fuente desde el primer día, no en un proyecto de migración.
Antes de responder a nadie, simula sobre tus propios tickets históricos, así que la tasa de resolución y el costo aparecen primero frente a tu tráfico real. Ese es el paso que convirtió una prueba de 88% y 12% en algo que valía la pena implementar. Una app de conductores de la economía de plataformas en Zendesk hizo una prueba de 7 días, y Gridwise resolvió el 73% de las solicitudes de nivel 1 en el primer mes.
Gratis para probar, y las cifras aterrizan sobre tu propia cola antes de comprometerte con nada. Si prefieres comparar herramientas primero, los resúmenes por donde empezar son mejor software de helpdesk con IA y mejor agente de IA, mientras que el costo del servicio al cliente con IA hace bien las cuentas por resolución.
El veredicto sobre el precio de Muse Spark 1.1
$1.25 y $4.25 son reales, están verificados, y no son las cifras que van a determinar tu factura. Planifica según $0.78 combinado y $0.29 por tarea. Da por hecho que el descuento del caché ya está trabajando a tu favor, y trata reasoning_effort como el dial de precios que en realidad es. La tarifa plana en todo el millón de tokens es una ventaja real frente a OpenAI y Google, la falta de un nivel de lotes es una brecha real, y la barrera de solo EE. UU. es la restricción con la que te topas antes de que nada más importe.
Para una carga de trabajo de soporte, mantén el enfoque claro. El precio del token es una variable dentro del costo por ticket resuelto. No es la variable más grande.
Si esa es tu verdadera pregunta, hay lecturas más profundas para cada parte: automatización de tickets de soporte para el resultado, triage de tickets para el mecanismo, y luego tasa de resolución para medir si algo de esto funcionó.
Y cuando finanzas te pida que justifiques el gasto, la comparación que realmente van a querer ver es costo de IA frente a agente humano.
Preguntas frecuentes
¿Cuánto cuesta Meta Muse Spark 1.1?
¿Muse Spark 1.1 es más barato que Claude o GPT-5.6?
¿Cuál es el precio de Meta Muse Spark 1.1 para la entrada en caché?
¿Meta Muse Spark tiene un nivel gratuito?
¿Hay límites de tasa en la API de Modelos de Meta?
¿Existe un descuento por lotes (batch) para Muse Spark 1.1?
¿Puedo usar Muse Spark 1.1 fuera de Estados Unidos?
¿Cuánto cuesta Meta One?
Article by
Rama Adi Nugraha
Rama is a software engineer at eesel AI with two years of experience writing about B2B SaaS, AI tools, and customer support technology. Based in Bali, Indonesia, he brings a developer's perspective to product comparisons — cutting through marketing copy to what the integrations and APIs actually do.
