Meta lanza Muse Wonder, sus nuevos modelos de IA avanzada
Meta presentó el lunes Muse Wonder y Muse Wonder Full, dos modelos de inteligencia artificial que, según sus propias pruebas, compiten con sistemas avanzados de OpenAI y Anthropic. La compañía los diseñó para resolver tareas complejas, programar software y sostener procesos de trabajo durante periodos prolongados. Wonder ya está disponible mediante la API de Meta y Muse Code; Wonder Full está reservado para suscriptores de Muse Code.
Meta busca recuperar terreno en la carrera de la IA
Los nuevos modelos representan el primer lanzamiento de frontera de Meta, es decir, un sistema que la empresa coloca entre los más capaces del mercado. Llegan después de Muse Spark y del replanteamiento de la estrategia de inteligencia artificial de Meta, que incluyó la creación de Meta Superintelligence Labs, contrataciones y una fuerte inversión en infraestructura.
Meta sostiene que Muse Wonder Full supera a Claude Fable 5.1 y GPT-6 Astra en el Índice de Inteligencia de Artificial Analysis, aunque queda por debajo de Claude Opus 5.5. También afirma que sus modelos obtienen resultados superiores en algunas pruebas especializadas, como las relacionadas con documentos jurídicos y desarrollo de software. Wired advierte que las pruebas comparativas no siempre reflejan el desempeño en situaciones reales, por lo que estos resultados deben tomarse como una señal, no como una garantía.
Memoria y concentración para tareas largas
Una de las principales novedades es Active Memory, una función que permite al modelo conservar y recuperar información relevante del usuario cuando la necesita. Meta asegura que Muse Wonder obtuvo mejores resultados que Fable, Opus y Astra en MemoryBench, una prueba que evalúa la capacidad de aprender y construir memoria de manera continua.
La segunda función es Active Focus. Su propósito es mantener al modelo concentrado en un objetivo durante trabajos extensos, probar alternativas y consultar al usuario antes de ejecutar acciones importantes. En programación, Meta afirma que Wonder y Wonder Full pueden seguir requisitos, cambios de código, pruebas y revisiones continuas, desde aplicaciones pequeñas hasta proyectos complejos.
Los modelos también fueron entrenados para trabajar con información jurídica, financiera y de salud, de acuerdo con Meta. La empresa dice que incorporó defensas para rechazar solicitudes dañinas, proteger información privada y resistir instrucciones manipuladoras, además de medidas específicas frente a abusos relacionados con ciberseguridad y riesgos químicos, biológicos, radiológicos y nucleares. Sin embargo, Meta no detalló si observó comportamientos incorrectos de estos agentes durante sus pruebas ni cómo mitigó cada caso.
Disponibilidad, acceso y costo
Muse Wonder puede utilizarse mediante la Meta Model API y Muse Code. TechCrunch reporta un precio de 4 dólares por cada millón de tokens de entrada y 20 dólares por cada millón de tokens de salida; los tokens son unidades de texto que el sistema recibe y genera. El costo es comparable, según esa fuente, al de GPT-6 Sol y Opus 5.5.
Muse Wonder Full no estará disponible mediante la API y solo se ofrecerá a suscriptores de Muse Code. Meta también planea usar los modelos para impulsar su agente Muse, primero para suscriptores, y llevarlos posteriormente a su aplicación. La compañía no ha informado una fecha específica ni los detalles de ese despliegue.
El lanzamiento ocurre en un momento en que Meta intenta volver a competir con Anthropic, OpenAI y Google. La empresa aún no ha explicado cómo fueron construidos o entrenados los modelos. Tampoco ha compartido detalles suficientes para determinar cómo se comportan frente a Gemini 4 Argon, cuyo desempeño todavía no está claro, según The Verge.
Qué significa para tu empresa
Para un negocio, la noticia importa menos por la competencia entre marcas y más por la evolución de los asistentes capaces de trabajar con instrucciones largas. Un modelo que conserva contexto, revisa cambios y pide autorización antes de ejecutar acciones puede ser útil para procesos como análisis documental, preparación de reportes o apoyo al desarrollo de software. Pero conviene evaluar esas tareas con información controlada antes de conectarlas a sistemas importantes.
La memoria también merece atención especial. Antes de probar una herramienta de este tipo, una empresa debería definir qué información puede conservar, durante cuánto tiempo y quién puede consultarla. La práctica más prudente es comenzar con un caso acotado, establecer revisiones humanas y medir errores, costos de uso y calidad de los resultados; las comparaciones de laboratorio no sustituyen una evaluación con los procesos reales del negocio.
También conviene vigilar el esquema de acceso. Wonder tiene un precio publicado para su API, mientras que Wonder Full requiere una suscripción a Muse Code y no se ofrece por API. Esa diferencia puede afectar la forma de integrarlo y el control que una empresa tenga sobre sus flujos de trabajo. Meta todavía no ha comunicado todos los detalles de la llegada de Wonder a la aplicación Muse ni las condiciones de sus funciones para usuarios.
Preguntas frecuentes
¿Muse Wonder ya está disponible para empresas?
Sí. Meta lo ofrece mediante su API y Muse Code. Muse Wonder Full está limitado a suscriptores de Muse Code y no se sirve mediante la API.
¿Es mejor que ChatGPT, Claude o Gemini?
Meta afirma que compite con modelos avanzados y que supera a algunos en pruebas específicas. Las fuentes también señalan que los benchmarks no siempre reflejan el uso real y que todavía no está claro cómo se compara con Gemini 4 Argon.
¿Qué riesgo principal debe revisar una empresa?
La autonomía y la memoria del modelo pueden provocar que conserve información sensible o ejecute acciones equivocadas si recibe instrucciones ambiguas. Por eso conviene limitar permisos, proteger los datos y mantener revisiones humanas antes de acciones relevantes.