Meta ha presentado Muse Wonder y Muse Wonder Full, dos nuevos modelos de inteligencia artificial con los que quiere dar un salto en tareas de programación y en el trabajo de agentes capaces de completar encargos de varios pasos. La compañía los describe como sus modelos más avanzados hasta la fecha y aspira a que impulsen Muse, su asistente personal. La presentación los coloca en la carrera de ChatGPT y Claude, aunque todavía es pronto para hablar de un relevo: el lanzamiento inicial se dirige sobre todo a desarrolladores y sus comparativas proceden, en buena parte, de pruebas elegidas o recopiladas por Meta.
El anuncio llega el 12 de octubre y marca la siguiente etapa de la reorganización de la estrategia de IA de la compañía. Muse Wonder se puede utilizar ya desde la API de Meta Model y Muse Code; la variante Muse Wonder Full está disponible para suscriptores de Muse Code. Meta planea llevar Wonder a su asistente Muse más adelante, primero para suscriptores.
Dos modelos para agentes y tareas complejas
Meta presenta Muse Wonder como una familia de modelos pensada para algo más que responder preguntas en un chat. Su objetivo son los llamados agentes de IA: sistemas que pueden organizar una tarea, consultar herramientas o aplicaciones, conservar información útil y continuar trabajando hasta completar un encargo. La empresa pone como ejemplos la preparación de una reclamación a una aseguradora, la revisión de un contrato de alquiler, el análisis de información financiera y la creación de aplicaciones.
La diferencia más visible entre las dos versiones está en su disponibilidad. Muse Wonder es el modelo ofrecido a través de la API y Muse Code. Muse Wonder Full es la variante de mayor capacidad que Meta ofrece ahora a los suscriptores de Muse Code. La compañía no ha anunciado en el comunicado un calendario para que el público general use directamente Wonder Full; sí afirma que la tecnología de Wonder llegará a Muse y que empezará por suscriptores.
Memoria activa y capacidad para perseverar
La presentación gira alrededor de dos funciones que Meta denomina Active Memory y Active Focus. La primera permite recuperar datos relevantes de conversaciones anteriores cuando vuelven a ser útiles. La segunda busca que el modelo siga intentando resolver un objetivo difícil, pruebe otros métodos si se atasca, se adapte a nueva información y pida aclaraciones cuando sea necesario. Meta también dice que el sistema debe consultar al usuario antes de realizar acciones importantes.
En su ficha técnica, Meta indica que los modelos reciben texto, imágenes, vídeo y audio, aunque generan respuestas en texto. También declara una ventana de contexto de un millón de tokens en inferencia y entrenamiento multilingüe con representación de numerosos idiomas. Una ventana de contexto amplia ayuda a procesar grandes volúmenes de información de una vez, pero por sí sola no garantiza que el modelo recuerde todo correctamente ni que mantenga la precisión en cualquier idioma.
Las demostraciones oficiales incluyen la generación de un pequeño juego en 3D a partir de imágenes, la planificación de actividades y la elaboración de documentos personalizados. Son ejemplos preparados por la propia compañía, útiles para enseñar el tipo de uso que persigue, pero no equivalen a una evaluación independiente de la experiencia cotidiana.
Qué dicen —y qué no— las comparativas con Claude y GPT
Meta afirma que Muse Wonder y Wonder Full alcanzan resultados de vanguardia en pruebas de agentes personales y profesionales, memoria y programación. En su ficha compara sus sistemas con GPT-6 Astra y Claude Fable 5.1 y Claude Opus 5.5, entre otros, y señala que los resultados se obtuvieron con el máximo nivel de razonamiento configurado para cada modelo.
La letra pequeña importa. El documento de Meta combina resultados de fuentes externas, puntuaciones comunicadas por los propios proveedores y pruebas internas. La empresa reconoce que algunas comparaciones con modelos de terceros son de “mejor esfuerzo”: los prompts, las herramientas o el entorno de ejecución pueden no estar ajustados de forma óptima para los modelos rivales. En otras pruebas de programación conserva el agente o el entorno usado por cada proveedor, por lo que no siempre se trata de una competición idéntica con idénticas condiciones.
Por eso, que un modelo encabece una prueba concreta no demuestra que haya superado a ChatGPT o Claude en todos los usos. La batería presentada por Meta sí aporta indicios de progreso en programación de larga duración, conocimiento especializado y memoria, pero habrá que esperar a evaluaciones independientes y a la integración efectiva en Muse para medir su utilidad, rapidez y fiabilidad en el día a día. El titular de que vaya a “destronar” a sus rivales es, de momento, una hipótesis sobre la competición, no un resultado demostrado.
Seguridad, privacidad y límites reconocidos
Meta dice que ha entrenado la familia para no revelar información privada sin permiso, rechazar peticiones dañinas y reforzar las defensas frente a usos maliciosos. Es una cuestión central para un agente que, según el diseño descrito, podría trabajar con mensajes, calendarios y documentos. La ficha técnica recomienda añadir protecciones adecuadas al uso concreto y mantener supervisión humana cuando el sistema pueda ejecutar acciones con consecuencias reales.
El mismo documento reconoce que las respuestas pueden ser inexactas o sesgadas, que siguen existiendo errores en razonamientos de varios pasos y que el razonamiento visual y espacial —en particular con tareas tridimensionales— es una limitación conocida. Meta también advierte que el rendimiento puede variar según el idioma, la configuración y las herramientas empleadas, y que sus pruebas no cubren todos los escenarios.
En su evaluación de riesgos, la compañía señala que, antes de aplicar mitigaciones, no descarta que Wonder Full pudiera alcanzar el umbral de riesgo alto en el ámbito químico y biológico. Afirma haber añadido entrenamiento de seguridad y clasificadores a nivel de sistema, y que con esas medidas su evaluación residual queda en un nivel moderado o inferior en las categorías analizadas. Es una valoración de Meta y no sustituye la publicación completa de evaluaciones externas; la empresa promete ofrecer más resultados de seguridad.
Un regreso a la primera línea, todavía por validar
Muse Wonder importa tanto por lo que hace como por la estrategia que representa. Meta quiere pasar de ofrecer un chatbot a construir asistentes que mantengan el contexto y actúen en varias etapas, apoyándose en sus aplicaciones y servicios. La diferencia con los grandes modelos de propósito general se verá cuando Wonder llegue a más usuarios y pueda probarse fuera de las demostraciones y los benchmarks de lanzamiento.
La compañía ha dado un paso relevante al presentar modelos que, según sus propias mediciones, compiten con los sistemas más avanzados en tareas concretas. Pero ni el acceso todavía limitado ni los resultados de una batería publicada por su fabricante bastan para declarar ganadores. La prueba decisiva será si Muse Wonder resulta fiable, útil y seguro cuando tenga que resolver encargos reales para usuarios corrientes.
Fuentes y documentación
- Comunicado oficial de Meta: presentación de Muse Wonder y Muse Wonder Full.
- Artículo técnico de Meta AI Research con demostraciones y descripción de capacidades.
- Ficha del modelo: metodología de evaluación, seguridad y limitaciones (PDF).
- Reuters: contexto del lanzamiento y competencia con Anthropic y OpenAI.
- Wired: análisis del regreso de Meta a los modelos de frontera.
- La noticia de Hipertextual que sirve como punto de partida.
