Meta lanza Muse Wonder: agentes de IA con memoria

Meta presentó Muse Wonder y Muse Wonder Full, dos modelos diseñados para agentes que trabajan durante periodos prolongados, y ya los puso a disposición de desarrolladores a través de Meta Model API y Muse Code. El dato que cambia la conversación no es el anuncio sino el puntaje: en el índice de la firma independiente Artificial Analysis, Muse Wonder Full alcanza 56 puntos, a dos del líder Claude Opus 5.5 (58) y empatado con Claude Sonnet 5.5, según el recuento de Notebookcheck. Por primera vez, Meta no aparece corriendo desde atrás en la frontera de los agentes.

Qué es Muse Wonder y por qué Meta lo llama su modelo más capaz

La familia Wonder se apoya en Muse Spark, el modelo que Meta presentó en abril y que actualizó en julio (1.1) y septiembre (1.3), según el repaso de Crypto Briefing. El agente personal Muse, lanzado en septiembre, corre sobre Muse Spark y opera en una máquina virtual propia, con navegador y acceso a aplicaciones conectadas. Ese agente superó los 5 millones de descargas, según Mashable.

Wonder llega para elevar el componente que razona dentro de esa arquitectura. Muse Wonder está disponible hoy para desarrolladores vía API y Muse Code; Muse Wonder Full, la variante de mayor capacidad, queda restringida a los suscriptores de Muse Code. Meta prevé incorporar Wonder a Muse, empezando por los usuarios de pago.

Dos detalles técnicos que importan para evaluar el modelo: ambos tienen una ventana de contexto de 1 millón de tokens, según Decrypt, citado por Notebookcheck, y fueron entrenados en Prometheus, la infraestructura de centros de datos a escala de gigavatios de Meta.

Active Memory y Active Focus: qué cambian en un agente

Meta agrupa las nuevas capacidades bajo dos conceptos propios. Active Memory permite conservar información relevante entre conversaciones distintas y recuperarla cuando vuelve a hacer falta. Active Focus está orientado a sostener la ejecución cuando aparecen obstáculos: probar alternativas, modificar el plan a medida que cambia la información y pedir aclaraciones cuando el modelo las necesita.

Ese es justamente el cuello de botella que frena el despliegue empresarial de agentes. Según el AI Index 2026 de Stanford HAI, los sistemas avanzados rinden bien en tareas cortas, pero los expertos humanos recuperan una ventaja significativa cuando el horizonte se extiende a 32 horas, según recoge Analytics Insight. Un agente que pierde el hilo a mitad de camino obliga a una persona a reconstruir el contexto, y la ganancia de productividad se evapora.

La autonomía, además, mantiene puntos de control. Meta asegura que el modelo pide confirmación antes de completar determinadas actuaciones importantes. Es una decisión de diseño con consecuencias prácticas: un error en un agente que puede actuar sobre sistemas reales no se parece a una respuesta incorrecta dentro de un chat.

Los benchmarks: dónde queda Meta frente a OpenAI y Anthropic

Meta publicó sus propios números: Muse Wonder Full obtiene 59,1 en su índice interno Personal Superintelligence Index, por delante de Claude Opus 5.5 (55,2) y GPT-6 Astra (54,5), según Notebookcheck. La compañía no publicó cómo se calcula ese índice y reconoció que su comparación de programación SWE-Marathon no fue controlada y que su modelo corrió a máximo esfuerzo.

La medición independiente es más modesta. En el índice de Artificial Analysis, Muse Wonder Full queda en 56 y el Muse Wonder estándar, el que cualquier desarrollador puede comprar hoy, en 52: un punto por debajo de GPT-6 Astra y Claude Fable 5.1, según Notebookcheck.

Meta también evaluó los modelos en derecho, finanzas y salud, además de programación, con pruebas que exigen trabajar sobre documentación y entregar productos de trabajo. Entre ellas figura el Harvey's Legal Agent Benchmark, orientado a tareas jurídicas realizadas a partir de fuentes documentales e instrucciones detalladas. La advertencia vale para cualquier founder que lea estos números: los benchmarks miden escenarios concretos, las metodologías varían entre proveedores y un mejor promedio no implica superioridad en todos los tipos de trabajo.

Cuánto cuesta usar Muse Wonder

Muse Wonder cuesta US$4 por millón de tokens de entrada y US$20 por millón de salida a través de la API, según Decrypt. Es el mismo precio que Claude Opus 5.5, mientras que OpenAI cobra US$10 y US$50 por GPT-6 Astra, según el mismo medio. En Muse, CNBC reportó que los nuevos modelos estarán disponibles para quienes paguen US$20 o US$100 al mes.

El acceso geográfico también condiciona la estrategia. La app Muse sigue limitada a Norteamérica: lanzó en Estados Unidos en septiembre y llegó a Canadá a mediados de ese mes, y Meta no anunció fecha para Europa, según Notebookcheck. Para un equipo en España o LATAM, eso significa que el agente de consumo todavía no está sobre la mesa; lo que sí está disponible es la API.

Privacidad y control: lo que Meta todavía no publica

Un agente con acceso a correo, calendario, documentos y credenciales amplía la superficie de riesgo, y al mismo tiempo recibe instrucciones que pueden venir de páginas web y servicios externos. Meta afirma haber entrenado Wonder para evitar la divulgación de información privada sin autorización y resistir instrucciones adversarias, dentro del Meta Superintelligence Scaling Framework. Pero todavía no publicó el informe completo de seguridad específico de Wonder y dijo que ofrecerá evaluaciones adicionales más adelante.

El contexto del sector no ayuda a bajar la guardia. Una encuesta de OutSystems a 1.900 líderes de TI, recogida por TechTimes, encontró que el 96% de las empresas ya corre agentes en producción, pero solo el 12% dice poder gobernarlos. La brecha entre desplegar y controlar es hoy el problema central de los agentes autónomos.

Qué significa esto para tu startup

La pregunta ya no es si los agentes funcionan en una demo, sino si sostienen un proceso real sin supervisión constante. Estos son los movimientos que conviene hacer ahora:

• Empieza por flujos de varios pasos, no por el chatbot. El diferencial de Wonder está en tareas largas: revisar un contrato, procesar una reclamación, mantener requisitos mientras se edita un repositorio. Prueba la API con un caso que hoy consuma horas de una persona y mide cuántos pasos completa sin intervención.
• Calcula el costo por workflow, no por token. Un agente hace varias llamadas al modelo, recupera documentos y verifica resultados. Con US$4 de entrada y US$20 de salida por millón de tokens, un proceso de diez pasos puede costar mucho más que una consulta simple. Modela ese número antes de prometer ahorros.
• No construyas tu producto sobre Muse Wonder Full. La variante más potente está encerrada en Muse Code y no tiene API abierta. Si tu roadmap depende de ella, quedas atado a un proveedor y a un producto que puede cambiar de precio o de acceso sin aviso.
• Define permisos granulares y aprobaciones humanas antes de conectar datos sensibles. Si el agente va a tocar facturación, contratos o datos de clientes, necesitas trazabilidad de cada acción y un punto de confirmación humana en las operaciones irreversibles.
• Mide con tus propios casos, no con el ranking. El índice interno de Meta y el de Artificial Analysis no coinciden. Arma un set de evaluación con tus documentos y tus flujos, y decide con eso.

El timing importa porque el mercado se está moviendo rápido. Según McKinsey, el 62% de las organizaciones ya experimenta con agentes de IA, pero solo el 23% escaló alguno, según recoge Analytics Insight. Y Gartner proyecta que el 40% de las aplicaciones empresariales incorporará agentes específicos para tareas a fines de 2026, desde menos del 5% en 2025, según TechTimes. La ventana para aprender a gobernar agentes se está cerrando antes de que la mayoría sepa cómo hacerlo.

Conclusión

Muse Wonder es la señal más clara de que Meta dejó de ser un actor secundario en la carrera de los agentes: precios alineados con Anthropic, resultados competitivos en benchmarks independientes y una arquitectura pensada para tareas que duran días, no minutos. Para un founder, el valor inmediato no está en el titular sino en tres decisiones concretas: probar la API en un flujo largo y medir el costo real por workflow, evitar depender de la variante sin API abierta, y construir gobernanza y permisos antes de darle a un agente acceso a sistemas que hoy controla una persona. La inteligencia ya está disponible; la previsibilidad operativa todavía es tu trabajo.

Fuentes

• La Ecuación Digital: Meta lanza Muse Wonder para impulsar sus agentes de IA (fuente original)
• Mashable: Meta launches Muse Wonder, catching OpenAI and Anthropic at the frontier
• Crypto Briefing: Meta launches Muse Wonder in push toward frontier personal AI agents
• Notebookcheck: Meta Muse Wonder: Developers get it now, the Muse app skips Europe
• Analytics Insight: Agentic AI Market Outlook 2026-2035
• TechTimes: Gemini Enterprise Agent Platform Leads Enterprise AI Governance