Meta ha lanzado dos nuevos modelos de IA —Muse Wonder y Muse Wonder Full—, que presenta como sus sistemas más capaces hasta la fecha y describe como un paso hacia la «superinteligencia personal». La empresa afirma que los modelos incorporan dos funciones nuevas, llamadas Memoria Activa y Enfoque Activo, diseñadas para ayudar a los agentes a conservar el contexto pertinente entre conversaciones y mantener el rumbo al resolver problemas difíciles.
El anuncio llega junto con mediciones independientes de referencia de Artificial Analysis, que informó que Wonder Full obtuvo una puntuación más alta que Wonder estándar en su Índice de Inteligencia, aunque ambos modelos quedaron por detrás de los mejores en el mismo conjunto de evaluación. Al mismo tiempo, al menos un evaluador independiente cuestionó las afirmaciones de Meta sobre el rendimiento.
Conclusiones clave
Meta describe Active Memory como la capacidad de conservar información pertinente entre conversaciones y Active Focus como un mecanismo para mantener el progreso en tareas complejas.
Artificial Analysis otorgó 56 puntos a Wonder Full y 52 a Wonder (ambos con el máximo nivel de razonamiento), mientras que Claude Opus 5.5 obtuvo 58 en el mismo índice.
Los datos de Artificial Analysis sitúan a Wonder Full por encima de Claude Fable 5.1 y GPT-6 Astra (ambos con 53 puntos), pero aún por debajo de Opus 5.5.
El precio de Wonder de Meta es de 4 dólares por millón de tokens de entrada; Wonder Full está limitado a los planes de pago de Muse Code de uso «intensivo» y «máximo».
El director ejecutivo de Abacus.AI, Bindu Reddy, cuestionó cómo Meta presentó las pruebas comparativas. Afirmó que Muse Wonder estaba «muy lejos» de los modelos rivales y prometió publicar resultados más detallados.
«Active Memory» y «Active Focus» de Meta
En una publicación de Meta Research, la empresa afirmó que la familia Muse Wonder incorpora dos capacidades diseñadas para mejorar el funcionamiento de los agentes de IA con el paso del tiempo.
Según Meta, Active Memory está diseñada para conservar y reutilizar información que siga siendo pertinente entre conversaciones distintas, en lugar de tratar cada intercambio como algo completamente aislado. El objetivo es que las interacciones resulten más coherentes y conscientes del contexto, sobre todo en tareas en las que importan las decisiones previas o las preferencias del usuario.
Meta también describió Active Focus como una forma de que el agente mantenga el impulso en tareas difíciles. En lugar de limitarse a responder en una sola pasada, Meta presenta esta función como un medio para sostener el progreso cuando los problemas son complejos, lo que podría reducir el riesgo de perder el rumbo a mitad de una tarea.
Cómo sitúan las pruebas independientes a Wonder Full y Wonder
La plataforma de evaluación independiente Artificial Analysis publicó las puntuaciones del Intelligence Index para ambos modelos. Informó de una puntuación de 56 para Wonder Full y de 52 para la versión estándar de Wonder; ambos se evaluaron con el máximo nivel de razonamiento.
El índice de Artificial Analysis también mostró la posición relativa de Wonder frente a otros modelos evaluados. La plataforma situó ambos modelos de Meta por encima de Claude Fable 5.1 y GPT-6 Astra, que, según indicó, obtuvieron 53 puntos cada uno. Sin embargo, Claude Opus 5.5 quedó por delante, con una puntuación de 58.
Para los inversores y quienes siguen la adopción de modelos, la implicación práctica es que los nuevos lanzamientos de Meta parecen ser una mejora incremental, aunque competitiva, más que claramente dominante; al menos según el único conjunto de pruebas comparativas que Artificial Analysis decidió publicar. Los lectores también deben tener en cuenta que los resultados pueden variar según el diseño de la evaluación, el formato de las instrucciones y la configuración del nivel de razonamiento.
Surge una disputa sobre cómo interpretar las afirmaciones de Meta
La postura de Meta no quedó sin respuesta. Bindu Reddy, director ejecutivo de Abacus.AI y responsable de sus propias evaluaciones de modelos, criticó en X el relato sobre el rendimiento. Escribió que Muse Wonder estaba «muy lejos del nivel de Fable o Astra» y dijo que pronto compartiría resultados de pruebas comparativas más detallados, lo que apunta a un desacuerdo sobre el rendimiento relativo o sobre la forma en que se presentaron las pruebas.
Aunque Reddy no proporcionó puntuaciones comparativas en el fragmento de su publicación citado en la cobertura, su réplica pone de relieve un problema recurrente en el panorama de la IA: los anuncios de modelos suelen ir acompañados de afirmaciones contundentes, pero el escrutinio independiente puede dar lugar a interpretaciones sustancialmente distintas según los métodos de evaluación. La siguiente prueba para los lectores será comprobar si las evaluaciones posteriores de terceros coinciden con las cifras publicadas por Artificial Analysis o respaldan las inquietudes de Reddy.
Precios y acceso: Wonder tiene un precio más accesible; Full está limitado a ciertos planes
Meta también reveló cómo se fijarán los precios de los modelos y cómo se venderán. Según la información publicada, Muse Wonder cuesta 4 dólares por millón de tokens de entrada. Se describe que esa cifra iguala el precio de los tokens de entrada de Claude Opus 5.5 y es inferior al de GPT-6 Astra y Claude Fable 5.1, cuyos precios, según se informa, son de 10 y 50 dólares, respectivamente.
El acceso a Wonder Full es más limitado. Solo está disponible para suscriptores de los planes de uso de Muse Code, descritos como 50 dólares al mes para el «uso intensivo» y 200 dólares al mes para el «uso máximo». Esta estructura por niveles es importante para los desarrolladores que evalúan si pueden probar realmente la versión «Full» dentro de los límites de un presupuesto normal, especialmente los equipos que desarrollan flujos de trabajo con agentes y que quizá requieran llamadas repetidas.
Para los usuarios que comparan el valor de los modelos más allá de las puntuaciones brutas de las pruebas comparativas, estos detalles comerciales suelen ser tan importantes como las cifras de rendimiento. Un modelo que obtiene una puntuación más alta, pero cuesta más —o está limitado a determinados planes— puede seguir siendo menos práctico para muchas aplicaciones.
Qué conviene seguir de ahora en adelante
Más allá de las pruebas iniciales, la pregunta clave será si Active Memory y Active Focus se traducen en un comportamiento más fiable de los agentes en situaciones reales de uso y si otras evaluaciones independientes coinciden con las puntuaciones del Intelligence Index de Artificial Analysis o con las críticas de Abacus.AI. A medida que aparezcan más resultados de pruebas y experiencias prácticas, el mercado tendrá una visión más clara de la posición real de Muse Wonder y Muse Wonder Full frente a los sistemas rivales más potentes.
Este artículo se publicó originalmente como «Meta lanza los modelos de IA Muse Wonder, presionando a sus principales rivales», en Crypto Breaking News, tu fuente de confianza sobre noticias de criptomonedas, Bitcoin y novedades de la cadena de bloques.