Muse Wonder de Meta: un modelo agente que recuerda y no abandona

Se abre el telón: dos modelos, una apuesta

El 12 de octubre de 2026, Meta jugó por primera vez el primer puesto de la carrera de la IA: Muse Wonder y su hermano mayor Muse Wonder Full fueron presentados. El organismo de medición independiente ArtificialAnalysis anuncia el modelo grande con 56 puntos, 4.º lugar, y el pequeño con 52. Para una empresa rezagada hace un año, es una subida de los rangos medios al piso noble: el modelo anterior Spark 1.3 quedaba en 48. Meta dice que la nueva familia está diseñada para el trabajo de agente en la vida diaria y en la oficina: seguir una reclamación de seguro, leer un alquiler, montar una app que funcione.

Detrás del lanzamiento hay catorce meses de reconstrucción. TechCrunch cuenta que el equipo de IA se rehízo desde cero el año pasado y que los modelos se entrenaron en el centro de datos Prometheus, en Ohio, a escala de gigavatios. Meta, antaño conocida por sus modelos abiertos, llegó esta vez con una familia cerrada y ambiciosa. El discurso de la empresa ve en grande: un peldaño más en la escalera de escala y un salto hacia la superinteligencia personal. Me parece un discurso inflado, pero las cifras merecen debate.

Dos virtudes: memoria y perseverancia

El primer número de la familia es la memoria. Meta la llama memoria activa: el modelo guarda lo que importa para ti durante días, semanas y meses, y lo recuerda en el momento justo. Una imagen: en vez de un centro de llamadas donde cuentas tu pena en cada llamada, el tendero del barrio que te conoce. En la medición MemoryBench compartida por la empresa, Wonder deja atrás a Fable, Opus y Astra. La investigadora Kopparapu sostiene la misma nota: trabajaron duro por un modelo que recuerda lo que importa a días, semanas y meses de distancia.

El segundo número es la tenacidad, llamada foco activo: cuando el trabajo se endurece, el modelo no se rinde, prueba otra vía, pregunta donde se atasca y te consulta antes de todo paso importante. Piensa en los dos males de los agentes actuales: uno suelta la tarea a mitad de camino, el otro va por libre y hace un trabajo jamás pedido. Meta dice arreglar ambos de una vez. Si es verdad, es grande; pero el si importa, y ya llegaré.

Lo que hace en la vida diaria

Las demos del lanzamiento dan cuerpo a la promesa. Un viajero recibe una pista de mal de altura sacada de su agenda y sus correos. En el ejemplo del seguro, una factura de urgencias, una foto de la tarjeta del asegurado y un texto de reclamación entran al expediente; el modelo prepara el número a llamar y las palabras a decir, y luego lo convierte en borrador de correo si se pide. Plan de mesas de boda, pedido de camiseta desde una foto del gato Coco, jueguito llamado Muse Kitchen: la lista se alarga. El cuadro es claro: el modelo apunta sus ojos a la cocina y a la calle más que a la oficina.

Las cifras y las miradas independientes

Vamos a las cifras. Según la tabla independiente compilada por The Decoder, Wonder Full figura entre los tres primeros en 6 de 10 pruebas. Modelo pequeño con 52, grande con 56. Lado a lado con los rivales: Opus 5.5 y Astra delante, Fable 5.1 distanciado, Argon aparte en eficiencia. El verdadero salto se ve contra el modelo anterior: Spark 1.3 con 48 puntos se quedaba en 33 % en Terminal-Bench 4.0; Wonder Full sube a 57 % en la misma prueba usando 30 % menos tokens de salida. Más listo y más ahorrador a la vez.

El lado del software brilla más. En el índice de agentes de software, el modelo grande iguala con 68 puntos a la herramienta rival movida por Sonnet 5.5; el pequeño con 63 supera con holgura la versión anterior con 54. La prueba de demostraciones ProofBench trepa de 58 a 94; los líderes se mantienen en 99-100. Wired escribe que la familia Wonder vence a Opus 5.5 y Astra en algunas pruebas de software y derecho. En suma, Meta dice que también cuenta en software.

La otra cara de la moneda es el saber. En la prueba de cultura general Omniscience, el modelo grande se detiene en 30 y el pequeño en 25; Opus 5.5 con 46 y Astra con 43 quedan muy delante. The Decoder saca esta lectura: la familia Wonder descansaría sobre una base más pequeña que sus rivales. La buena noticia viene de la tasa de alucinaciones: caída de 33 % a 23 %, segunda más baja entre los modelos más allá de 45 puntos, con Argon al mando con 15 %. En seguridad, Wired nota el entrenamiento de Meta en rechazar salidas peligrosas y el hecho de que la empresa retrasó la salida por prudencia.

El lado de derecho y finanzas es el terreno donde Meta de verdad quiere jugar. En la prueba de agente legal Harvey, Wonder Full con 13,1 puntos duplica a Fable 5.1 con 6,4. Los ejemplos de la empresa son todos trabajo de conocimiento: alquileres, tablas de cifras, datos de salud. Me parece lógico: los modelos Meta entrarán en Facebook, Instagram y las gafas, donde los usuarios plantean sus males del día, no software. El modelo sabe menos pero inventa menos; un sistema que calla en vez de inventar en la duda vale más en el día a día.

¿Qué dicen las pruebas independientes? El ingeniero Matt Johnston pasó el modelo pequeño por sus propias pruebas en directo. Resultados mixtos: lo vistoso del lanzamiento difiere del rendimiento real. Dos juegos con 88 y 83; en uno, los enemigos tocados no reciben daño, se dejan golpear con granadas, y el personaje a veces atraviesa paredes. Una funda de teléfono lista para impresora 3D salió limpia. La nota de Johnston es neta: el día del espectáculo difiere del día real.

El diario del desarrollador fal es más práctico: tras ver la promo de Wang en X, instaló el modelo en la terminal, lo pilotó por voz y pasó un sitio a tema oscuro. También probó la generación de imágenes de la casa: un retrato fundido de dos fotos salió bello, pero las letras sobre el portátil salieron rotas, pequeños defectos incluidos. El gráfico de empresa que señala fal es audaz: en la prueba de ingeniería de software, Full aparece por encima de Opus 5.5 y Astra. El canal corto Curve Wars da el resumen en 74 segundos: 9 pruebas de 14 con Opus, precios empatados, cifras de casa a pleno esfuerzo, y ningún juicio independiente por ahora.

Precio, acceso y pregunta abierta

El lado del precio también se debate. Tokens de entrada a 4 $ el millón, salida a 20 $. Cerca del triple del modelo anterior: Spark 1.3 se mantenía en 1,25 $ y 4,25 $. El costo por tarea trepó de 1,60 $ a 4,52 $; el 76 % del costo viene de los tokens de entrada, y el modelo usa 28 % más tokens de entrada por tarea. Frente a los rivales: 7,63 $ en Fable 5.1, 5,98 $ en Opus 5.5, 3,26 $ en Astra, 1,99 $ en Argon, 0,72 $ en Sol. Costoso pero no el más costoso; The Decoder lo juzga bien colocado entre sus pares de precio.

El acceso queda por ahora con los desarrolladores. El modelo pequeño está abierto vía el servicio de modelos de la empresa y Muse Code; el grande solo para suscriptores de Muse Code. Pronto llegará a la app Muse, primero los miembros de pago. Los planes se mantienen en 50 $ y 200 $; Johnston dice que el plan de 50 $ quemó 5 horas de derechos en 15 minutos bajo pruebas paralelas. La puerta queda abierta a los curiosos, pero el grifo corre con contador.

Mashable anunció la salida como la entrada de Meta en el grupo de cabeza por primera vez; el sitio nota que la familia llegó solo seis semanas después del Spark de abril. La velocidad del rezagado se ve aquí: el paso Scale AI de 14,3B $, un equipo nuevo, un centro de datos nuevo. El plan de la empresa también es neto: primero los suscriptores, luego modelos derivados para cada uno. El discurso de superinteligencia personal es grande, pero la dirección es buena: bajar el modelo hacia el asistente de cada bolsillo.

Guardemos sin embargo la prudencia a mano. Cada cifra brillante sobre la mesa es medición de casa; más allá de la puntuación de índice del organismo independiente ArtificialAnalysis, muchos puestos aún esperan juicio. Como dice Curve Wars, los jueces aún no puntuaron. A la crítica de modelos inflados en tareas de entrenamiento, la empresa responde que también aguanta en tareas desconocidas. El retraso en la prueba de saberes será el primer lugar para testar esa respuesta.

A mis ojos, el verdadero examen no es el espectáculo sino la vida de todos los días: la persona que hace cola por el seguro, que descifra una cláusula de alquiler, que sienta una boda. Un agente que recuerda y se niega a rendirse marcará la diferencia esos días. Tres cosas a seguir en las próximas semanas: la llegada de notas independientes, la apertura de la app a los miembros y la respuesta de los precios. Meta dijo pronto durante años; esta vez dice aquí. La brecha no se probará con cifras; se verá en la cocina.