Meta presenta Muse Wonder y Muse Wonder Full, sus primeros modelos frontera

Qué ha presentado Meta

El Superintelligence Lab de Meta ha publicado dos modelos, Muse Wonder y Muse Wonder Full, que la compañía describe como sus modelos más capaces hasta la fecha y como su primera incursión en la categoría de modelos frontera.

Se presentan orientados a tareas agénticas, es decir, a ejecutar acciones en nombre del usuario: gestionar un siniestro de seguro, interpretar un contrato de arrendamiento o construir una aplicación funcional. La compañía destaca dos componentes:

• Active Memory: mantiene contexto sobre el usuario entre conversaciones y recupera los detalles relevantes para completar una tarea.
• Active Focus: explora enfoques alternativos, trabaja alrededor de bloqueos y se adapta a información nueva, pidiendo aclaraciones cuando es necesario.

Ambos modelos están construidos sobre Muse Spark, el modelo ligero que Meta presentó antes este año.

Disponibilidad y precios

Modelo	Acceso	Precio
Muse Wonder	API de Meta Model y Muse Code	4 USD por millón de tokens de entrada, 20 USD por millón de salida
Muse Wonder Full	Solo suscriptores de Muse Code	No se sirve por API

El precio sitúa a Muse Wonder en un rango comparable al de otros modelos de gama alta del mercado, como GPT-6 Sol o Claude Opus 5.5 según la comparación publicada por TechCrunch.

Que Wonder Full no esté disponible por API es una decisión relevante: limita su uso a la propia herramienta de la compañía y evita que terceros construyan productos directamente sobre la variante más capaz. Es un patrón que Meta ya ha usado antes para mantener el control sobre su producto de mayor valor.

Meta también ha señalado que Muse Wonder alimentará el agente Muse, con despliegue progresivo empezando por suscriptores.

Qué dicen las evaluaciones

La compañía afirma en su model card que Wonder y Wonder Full obtienen puntuaciones comparables a las de Fable 5.1 y GPT-6 Astra en sus pruebas internas. Y señala que Muse Wonder supera a esos modelos en MemoryBench, una evaluación de memoria.

Las evaluaciones independientes matizan el resultado. En el Vals Index, Muse Wonder Full aparece en quinto lugar de 47 modelos con un 64,57 %, y Muse Wonder en décimo puesto con un 61,06 %. En la misma batería, Muse Wonder ocupa el primer puesto de 47 en CyberBench con un 80,36 %.

La conclusión razonable: son modelos competitivos en el grupo de cabeza, con resultados desiguales según la tarea evaluada. Como siempre con benchmarks, la cifra aislada dice menos que la metodología y el conjunto de pruebas.

Por qué importa

Tres cosas cambian con este lanzamiento:

1. Meta entra en la liga de modelos frontera. Hasta ahora su estrategia se apoyaba en modelos abiertos y en un modelo ligero propio. Con Muse Wonder pasa a competir directamente con OpenAI, Google y Anthropic en el segmento de mayor precio.
2. El foco está en agentes, no en chat. Las capacidades que la compañía destaca —memoria entre sesiones y persistencia ante bloqueos— son las que fallan en la práctica cuando se intenta delegar una tarea completa en un modelo.
3. La API deja de ser el canal principal para el modelo tope. Es una señal sobre cómo Meta valora el control del punto de contacto con el usuario final.

Qué no se sabe

• Si Wonder Full llegará a la API más adelante o permanecerá exclusivo de Muse Code.
• Cómo se comporta Active Memory en usos prolongados, donde el riesgo de arrastrar contexto irrelevante es mayor.
• Si Meta publicará pesos abiertos de alguna variante de la familia Wonder, algo que no se menciona en el anuncio.
• Los resultados de evaluaciones independientes sobre tareas agénticas de varios pasos, que son las que la compañía destaca en su comunicación.