Meta lanza Muse Wonder: sus modelos de IA más potentes

Meta vuelve a la primera línea de la IA con Muse Wonder

Meta lanzó este lunes Muse Wonder y Muse Wonder Full, los dos primeros modelos de Meta Superintelligence Labs y, según la compañía, su propuesta más capaz hasta la fecha. El mercado lo leyó como una señal: según Bloomberg, las acciones de Meta subieron hasta un 4,7% tras el anuncio.

La apuesta es alta. Meta se quedó atrás en la carrera de la IA después del fiasco de Llama 4 el año pasado, y Mark Zuckerberg respondió con una reestructuración profunda: creó Meta Superintelligence Labs y fichó a Alexandr Wang, exdirector ejecutivo de Scale AI, para liderarlo. Muse Wonder es la primera prueba real de si ese movimiento funcionó.

Zuckerberg ya dijo que la compañía empezó a desarrollar la próxima generación de modelos y que el ritmo de iteración será probablemente mucho más rápido, según el repaso de KuCoin. Traducción para quien construye con IA: la ventana de ventaja competitiva de cualquier modelo se acorta cada vez más.

Qué diferencia hay entre Muse Wonder y Muse Wonder Full

Son dos productos con canales distintos, y eso define quién puede usarlos:

• Muse Wonder será el cerebro de Muse, la app de agentes personales de Meta, para suscriptores de los planes mensuales de 20 y 100 dólares. También llega a desarrolladores a través de la API de modelos de Meta.
• Muse Wonder Full es la versión más potente y queda limitada a los suscriptores de Muse Code, la herramienta de programación de Meta. De momento no se ofrece por API.

Los planes de Muse Code que dan acceso a Wonder Full cuestan 50 y 200 dólares al mes, según detalla Enter.co: el de 200 es nuevo y ofrece un límite de uso 80 veces superior al del plan Everyday Usage, con ventanas de reinicio de cinco horas y semanales. Un límite mayor no equivale a uso ilimitado.

En lo técnico, Cointribune reporta que ambos modelos manejan una ventana de contexto de un millón de tokens, suficiente para procesar volúmenes muy grandes de texto en una sola tarea.

Cuánto cuesta usar Muse Wonder por API

4 dólares por millón de tokens de entrada y 20 dólares por millón de tokens de salida. Según TechCrunch, ese precio lo sitúa aproximadamente al nivel de GPT-6 Sol o Claude Opus 5.5.

El comparable importa: Cointribune reporta que GPT-6 Astra de OpenAI cuesta 10 dólares por millón de tokens de entrada y 50 por millón de salida. Es decir, Meta entra con una tarifa de salida cinco veces menor que la de uno de sus rivales directos.

Hay una letra chica que conviene leer antes de subir código. Según Enter.co, en la API el modo Standard no utiliza el contenido para entrenar los modelos de Meta. En cambio, las suscripciones de Muse Code activan Contributor por defecto: ese modo permite usar prompts, código, archivos y respuestas para entrenar modelos futuros a cambio de más uso. Se puede desactivar, y el cambio aplica al contenido enviado desde ese momento.

Qué dicen los benchmarks y qué no

Meta afirma que la versión más grande supera a Claude Fable 5.1 de Anthropic y se sitúa justo por debajo de Claude Opus 5.5 en el Artificial Analysis Intelligence Index. En sus propias pruebas, los números son llamativos:

• En el Personal Superintelligence Index de Meta, Wonder Full saca 59,1 puntos, frente a 55,2 de Claude Opus 5.5 y 54,5 de GPT-6 Astra, según Cointribune.
• En SWE-Marathon, que mide trabajo prolongado en programación, Wonder Full logra 57,5 contra 46,3 y 42,5 de sus rivales.
• En el Legal Agent Benchmark, para tareas legales profesionales, llega a 13,1 frente a 8,6 de Astra y 4,2 de Opus 5.5.
• En MemoryBench, ronda los 85,5 puntos, por encima de los 81,4 de Astra.

La lectura independiente es más matizada. Artificial Analysis asigna 56 puntos a Wonder Full y 52 a Wonder, según Cointribune: un salto notable si se considera que Muse Spark 1.3 había sacado 48 apenas seis semanas antes. Pero Anthropic mantiene la delantera en esa evaluación, y el propio índice señala una debilidad en conocimiento general: Wonder Full saca 30 en AA-Omniscience, contra 43 de GPT-6 Astra y 46 de Claude Opus 5.5.

Zonamovilidad añade el detalle que suele perderse en los titulares: Claude Opus 5.5 sigue por delante en pruebas de programación como Terminal-Bench y ProgramBench, mientras que GPT-6 Astra lidera en trabajo profesional y en el ámbito sanitario. Ningún modelo gana en todo.

Y hay un punto que no se puede saltear: todas las cifras de Meta provienen de sus propias evaluaciones. Hasta que haya pruebas independientes a escala, son promesas de parte.

Active Memory y Active Focus: la apuesta por el agente personal

Wang declaró a Bloomberg que el resto de la industria se ha centrado en los agentes de programación, mientras que Meta quiere que el caso de uso del agente personal destaque de verdad. De ahí salen dos funciones:

• Active Memory: permite al modelo retener lo que le importa a un usuario durante días, semanas y meses, para que la persona no tenga que repetirse.
• Active Focus: mantiene al modelo enfocado en un objetivo durante tareas largas y complejas, evitando errores acumulativos que encarecen la factura.

El problema real que atacan es concreto. Wang explicó a CNBC que tareas cotidianas como reservar una cena chocan con restricciones de sitios web, información faltante y otros obstáculos; Meta entrenó al modelo para buscar caminos alternativos en lugar de quedarse bloqueado. Ambos modelos se entrenaron en Prometheus, el centro de datos de Meta en Ohio.

Los límites que ya se ven en el mundo real

El cuello de botella de los agentes no es solo el modelo. Muse, la app que Muse Wonder va a potenciar, acumula cerca de 9 millones de descargas globales desde su lanzamiento, según datos de Sensor Tower citados por The Wall Street Journal. Pero el ritmo de descargas se desaceleró y su retención a 14 días es menor que la de ChatGPT.

Parte del problema está fuera de Meta. A fines de septiembre, Amazon bloqueó a Muse para que no completara compras en su sitio en nombre de los usuarios, y varios sitios más restringieron acciones de agentes, según el repaso de KuCoin. El analista de Jefferies Brent Thill señaló que esa tendencia perjudica la experiencia de usuario.

También cambió cómo se compran los modelos. Según The Information, citando datos de OpenRouter, solo el 14% del uso de modelos generado en la plataforma en el tercer trimestre del año vino de los diez modelos de mayor calidad, frente al 55% del primer trimestre del año anterior. A medida que los modelos baratos mejoran, las empresas reservan los más caros para unas pocas tareas muy complejas.

Qué significa esto para tu startup

La buena noticia para un founder hispanohablante es que la competencia entre modelos de frontera empuja los precios hacia abajo y las capacidades hacia arriba. La mala es que elegir modelo se volvió una decisión de producto, no de fanatismo.

• Mide costo por tarea completada, no precio por token. Wonder entra a 4 y 20 dólares por millón de tokens, contra 10 y 50 de GPT-6 Astra según Cointribune. Pero un modelo barato que falla tres veces sale más caro que uno que acierta a la primera. Corre un proyecto no confidencial, fija un presupuesto y compara el costo total de terminar el trabajo.
• Revisa la política de datos antes de conectar tu código. Si usas Muse Code, Contributor viene activado por defecto y permite entrenar modelos futuros con tus prompts y archivos. Desactívalo o usa la API en modo Standard si trabajas con información sensible de clientes.
• Diseña para cambiar de modelo. Muse Spark 1.3 pasó de 48 a 56 puntos en Artificial Analysis en seis semanas, según Cointribune. Con ese ritmo, atar tu producto a un solo proveedor es un riesgo de arquitectura. Abstrae la capa de modelo y prueba alternativas cada trimestre.
• No subestimes el bloqueo de agentes. Si tu producto depende de que un agente navegue sitios de terceros, Amazon y otros ya demostraron que pueden cerrar la puerta. Ten un plan B por API o por integración directa.

El contexto de adopción ayuda a calibrar expectativas. Según McKinsey, el 88% de las empresas ya usa IA en al menos una función del negocio, pero solo alrededor de un tercio logró escalarla de forma transversal. En España, el 61% de las empresas ya utiliza IA y el 81% reporta aumentos de productividad, aunque solo el 17% alcanzó una fase realmente transformadora, según el estudio de Strand Partners. El mercado total tampoco se detiene: Mordor Intelligence lo valora en 434.420 millones de dólares en 2026 y proyecta 2,5 billones para 2031.

Conclusión

Muse Wonder es la primera evidencia de que la reestructuración de Meta en IA puede dar resultados, pero también es un recordatorio de que el liderazgo en modelos dura poco. Para un founder, la conclusión práctica es simple: la ventaja no está en usar el modelo más potente, sino en elegir el más eficiente para cada tarea, proteger tus datos y no depender de un único proveedor.

Fuentes

• Xataka (fuente original)
• KuCoin
• Cointribune
• iThinkDiff
• Zonamovilidad
• Enter.co
• AEC Consultoras
• Mordor Intelligence