Meta presenta Muse Wonder y Muse Wonder Full, sus primeros modelos de frontera, para competir con OpenAI y Anthropic

Meta presentó el 12 de octubre Muse Wonder y Muse Wonder Full, dos modelos de inteligencia artificial que la empresa describe como los más capaces que tuvo hasta ahora. Son los primeros de frontera de Meta Superintelligence Labs, el laboratorio que la compañía armó tras el tropiezo de Llama 4 el año pasado y que dirige Alexandr Wang, exdirector ejecutivo de Scale AI.

Según el anuncio de Meta, los modelos buscan rendir al más alto nivel en tareas de agentes, es decir, programas que ejecutan trabajos por su cuenta, tanto personales como profesionales: reclamos de seguros, contratos de alquiler, finanzas personales, derecho, salud y programación, desde juegos simples hasta aplicaciones de negocio.

Quién puede usarlos

Muse Wonder está disponible para desarrolladores a través de la APISigla en inglés de interfaz de programación de aplicaciones: conjunto de reglas que permite que un programa le pida datos o funciones a otro de manera estandarizada. de modelos de Meta y de Muse Code, su herramienta de programación con IA. Muse Wonder Full, la versión más potente, solo está para suscriptores de Muse Code y por ahora no se ofrece por API. Muse Wonder también pasará a impulsar Muse, la aplicación de agente personal de Meta, primero para suscriptores.

El anuncio de Meta no menciona precios. Según Xataka, que cita a TechCrunch, la API de Muse Wonder cuesta 4 dólares por millón de tokensUnidad mínima de texto que procesa un modelo de lenguaje, como una palabra, parte de una palabra o un signo. Se usa para medir cuánto lee y escribe un modelo y para cobrar su uso. de entrada y 20 por millón de salida, un nivel similar al de GPT-6 Sol, de OpenAI, y Claude Opus 5.5, de Anthropic. Un token es la unidad de texto que procesa un modelo.

Memoria y foco

Meta destaca dos funciones. Active Memory permite que el modelo lleve lo que le importa al usuario de una conversación a otra, durante días, semanas o meses, para no repetirse. Active Focus lo mantiene detrás de un objetivo cuando la tarea se complica: prueba otros caminos, se recupera de errores y pide aclaraciones o confirmación antes de acciones importantes. Wang dijo que la empresa quiere distinguirse con el agente personal, frente a rivales que se concentran en agentes de programación.

Los resultados en pruebas son, por ahora, afirmaciones de la empresa. Según Xataka, Meta sostiene que su versión más grande supera a Claude Fable 5.1, queda apenas debajo de Claude Opus 5.5 en el índice de inteligencia de Artificial Analysis y gana a GPT-6 Astra y a los dos modelos de Anthropic en algunas pruebas especializadas, como documentos legales y desarrollo de software. El anuncio de Meta no incluye puntajes y remite a un blog de investigación. Xataka subraya que hacen falta pruebas independientes.

Seguridad y lo que falta

Meta afirma que los modelos fueron entrenados para no compartir información privada sin permiso y para rechazar pedidos dañinos, como ayuda con armas biológicas o nucleares. El desarrollo sigue su Superintelligence Scaling Framework, su marco para escalar capacidades. La empresa dijo que publicará pronto un informe completo con más evaluaciones de seguridad. Según Xataka, Meta no indicó si los agentes que usan el modelo se comportaron de forma errática en las pruebas ni cómo abordó ese riesgo, y no detalló cómo construyó los modelos más allá de que el entrenamiento se hizo en su centro de datosInstalación que concentra servidores, almacenamiento y equipos de red para procesar y guardar datos de forma continua, con un consumo eléctrico alto y constante. Prometheus, en Ohio.

Bloomberg informó que las acciones de Meta subieron hasta 4,7% tras el anuncio. Wang dijo a ese medio que su equipo trabaja en modelos más grandes y en versiones más baratas y especializadas de Wonder. Según Wired, Meta también planea liberar modelos más grandes de pesos abiertosModelo de inteligencia artificial cuyos parámetros entrenados se publican para que cualquiera pueda descargarlos, modificarlos y ejecutarlos en su propia infraestructura., después del más pequeño Muse Glimmer.