Muse Wonder, de Meta, acaba de obtener la puntuación más alta en calidad general en una prueba mensual sobre cómo la IA aborda tareas jurídicas reales, superando a los modelos rivales de OpenAI en un mercado donde los bufetes están decidiendo en qué IA confiar los casos de sus clientes.
Conclusiones clave
Muse Wonder obtuvo la puntuación más alta en calidad general en los resultados de noviembre de Legora para tareas jurídicas
Lideró en cuatro tipos de tareas: análisis y respuesta, extracción, redacción y edición
GPT-6.2 Astra de OpenAI lideró las tareas de comparación y revisión con un costo por caso un 20 % inferior al promedio
GPT-6.2 Sol de OpenAI ofreció una calidad superior a la media con un costo por caso un 78% inferior al promedio
Meta publicó en X que el trabajo legal es «una prueba difícil para la IA» y calificó el resultado como «un desempeño sólido en los tipos de tareas complejas para las que las empresas necesitan ayuda».
La clasificación proviene de Legora, una plataforma de IA legal utilizada por bufetes de abogados. Cada mes publica los resultados de su evaluación BAR, que compara el rendimiento de los modelos de IA en tareas legales del mundo real dentro de su producto.
En qué destacó Meta y en qué destacó OpenAI
Modelo | Empresa | Áreas en las que destacó | Costo por caso Muse Wonder | Meta | Mayor calidad general, además de análisis y respuestas, extracción, redacción y edición | No se informó en los resultados compartidos por Meta GPT-6.2 Astra | OpenAI | Tareas de comparación y revisión, con una calidad general un 4% superior al promedio de noviembre | 20% por debajo del promedio GPT-6.2 Sol | OpenAI | Calidad superior al promedio | 78% por debajo del promedio
Fuente: resultados de noviembre de Legora, compartidos por Meta.
La diferencia es lo verdaderamente importante. El modelo de Meta ganó en calidad, mientras que los dos modelos de OpenAI se presentaron como opciones de mejor relación calidad-precio. Para un bufete que revisa miles de contratos, un modelo casi igual de bueno por una fracción del precio puede conseguir el negocio aunque no encabece la clasificación.
Los resultados que compartió Meta no indicaron cuánto cuesta Muse Wonder por caso. Eso deja sin responder la pregunta más importante para los compradores: cuánto vale la pena pagar por una calidad adicional.
También lee: Muse Wonder de Meta obtiene una puntuación de 79 y queda dos puntos por detrás de Claude, de Anthropic
Por qué el trabajo legal es una prueba difícil
El trabajo legal no perdona los pequeños errores. Un modelo debe extraer los datos correctos de documentos extensos, responder preguntas sin inventar nada, redactar textos sólidos y editar sin cambiar el significado de una cláusula. Muse Wonder lideró en los cuatro tipos de tareas, por eso Meta está usando el resultado para argumentar que su IA está lista para el trabajo empresarial de alto nivel.
Esto también añade un matiz a las puntuaciones anteriores. Fathom informó previamente que Muse Wonder quedó dos puntos por detrás de Claude, de Anthropic, en la puntuación general. Una victoria en tareas legales específicas y de alto riesgo sugiere que la diferencia entre los mejores modelos ahora depende en gran medida del trabajo que se realice.
Cómo está impulsando Meta Muse en el trabajo
El resultado legal corona un mes ajetreado para la familia Muse. El 6 de noviembre, Meta incorporó a Muse y Meta AI modelos especializados entrenados con Muse Wonder y afirmó que ofrecen a los usuarios algunas de las «capacidades de vanguardia» de Muse Wonder para «tareas complejas en el trabajo y en la vida cotidiana». Entre ellas están Active Memory y Active Focus, que, según Meta, ayudan a los modelos a mantener el rumbo hacia los objetivos del usuario a medida que avanzan las tareas.
El 9 de noviembre, Meta presentó Muse Ember, su modelo más pequeño y eficiente, creado para «la ejecución de razonamiento complejo y las tareas cotidianas de agentes». Tiene una ventana de contexto de 1 millón de tokens, lo que significa que puede mantener a la vista una enorme cantidad de material a la vez. Ese mismo día, Meta incorporó Muse Ember, Muse Wonder y Muse Spark 1.3 a Google Cloud para que las empresas puedan utilizarlos allí.
Qué conviene observar a continuación
Legora publica sus resultados cada mes, así que las cifras de diciembre mostrarán si Muse Wonder mantiene el primer puesto o si OpenAI reduce la brecha de calidad sin dejar de ser más barato.
Presta atención a si Meta comparte los precios por tarea. Los bufetes y los equipos jurídicos corporativos compran teniendo en cuenta tanto el costo como la precisión, y una ventaja en calidad solo se traduce en contratos si el precio es razonable.
El cambio más importante es que los creadores de IA ahora compiten en tareas específicas, no solo en el chat general. El trabajo legal es uno de los primeros campos en los que se evalúan los resultados tarea por tarea, y es probable que los triunfos en ese ámbito influyan en qué modelos contratarán los bufetes en 2027.
Lee a continuación: Meta se alía con su rival Google para llevar sus 3 modelos de IA Muse a la nube