El nuevo modelo de Meta, Muse Wonder Full, se establece en el nivel superior de la IA

El nuevo modelo Frontier de Meta, Muse Wonder Full, entra en el nivel superior de la IA

Puntos clave

• Los dos nuevos modelos de Meta, Muse Wonder y Muse Wonder Full, cierran la brecha con los modelos líderes de la competencia.
• Los mayores beneficios se encuentran en el código agente y la resolución autónoma de problemas.
• Ambas versiones cuestan casi tres veces más por llamada de API que su predecesora, Muse Spark 1.3.

Meta lanzó su modelo frontier Muse Wonder en dos variantes, y ambos se encuentran entre los mejores modelos de IA disponibles.

Muse Wonder Full obtiene 56 puntos en el Índice de Inteligencia Artificial de Análisis v4.3, mientras que Muse Wonder alcanza 52 puntos. Su predecesor, Muse Spark 1.3, obtuvo 48 puntos, lo que representa un salto significativo en comparación con un modelo de nivel medio.

Los mayores logros se muestran en las evaluaciones agentic, pruebas que miden qué tan bien un modelo de IA puede manejar tareas complejas por sí mismo. En Terminal-Bench 4.0, el rendimiento aumentó de 33 a 57 por ciento. Muse Wonder Full ocupa los tres primeros lugares en seis de diez puntos de referencia en general, un resultado sólido para Meta, que parece haberse recuperado después de una temporada más débil con sus modelos Llama abiertos.

Meta destaca dos nuevas funciones. “Memoria Activa” permite que el modelo recuerde información clave entre conversaciones y la utilice cuando sea necesario. “Enfoque Activo” es la capacidad del modelo de concentrarse en tareas difíciles, probar enfoques alternativos y hacer preguntas complementarias cuando algo no está claro. Ambas son esenciales para la propuesta de Meta de un agente de IA personal que puede acceder a calendarios, mensajes y documentos.

Ambos modelos soportan una ventana de contexto de un millón de tokens y aceptan texto, imágenes, video y audio como entrada. Muse Wonder está disponible a través de la API de Meta y Muse Code, mientras que Muse Wonder Full está actualmente limitado a los usuarios de Muse Code. Próximamente, Muse Wonder también apoyará la aplicación Muse, comenzando con los suscriptores pagados. Con el tiempo, Meta planea desarrollar modelos especializados a partir de esto para todos los usuarios.

El código saltó bruscamente, pero el conocimiento factual se queda atrás

Ambos modelos muestran grandes mejoras en el código. Muse Wonder Full alcanza 68 puntos en el Índice de Agentes de Codificación, empatando con Claude Code y Sonnet 5.5. Muse Wonder obtiene 63 puntos, en aumento respecto a los 54 de su predecesor.

El conocimiento factual sigue siendo una debilidad. En el test de conocimiento AA-Omniscience, Muse Wonder Full solo obtiene 30 puntos, y Muse Wonder obtiene 25 puntos. Esto está muy por detrás de Claude Opus 5.5 (46), GPT-6 Astra (43) y Gemini 4 Argon (42), lo que sugiere que la serie Wonder se basa en un modelo base más pequeño que sus competidores. Las bajas tasas de alucinación ayudan a compensar esta diferencia. Muse Wonder Full reduce su tasa de alucinación de 33 a 23 por ciento en comparación con su predecesor, la segunda menor entre todos los modelos que obtienen al menos 45 puntos en índice. Solo Gemini 4 Argon (15 por ciento) alucina menos a menudo.

Meta aborda una crítica común en su artículo de blog, según la cual los modelos Muse están ajustados para pruebas de referencia, pero no son eficaces en uso real. La empresa afirma que Muse Wonder Full funciona mejor de lo esperado en tareas desconocidas que no formaron parte de la optimización del entrenamiento, y atribuye esto a un modelo base más sólido.

En el Índice de Vals AI, Muse Wonder Full (Max) aparece en quinto lugar y supera a todos los modelos de OpenAI, según Vals AI. Solo los modelos actuales de Anthropic obtienen mejores resultados. Muse Wonder se posiciona en décimo lugar.

Las mayores mejoras provienen de la programación y las matemáticas. En ProofBench, un banco de pruebas privado para pruebas matemáticas, Muse Wonder Full resuelve 94 de 100 problemas, en comparación con 58 en su predecesor. Esto lo coloca a solo cinco o seis puntos por detrás de los modelos más avanzados (99 a 100). En Terminal-Bench 4, Muse Wonder Full duplicó su puntaje mientras utilizaba 30 por ciento menos tokens de salida. El rendimiento en tareas financieras y legales permaneció en los niveles del predecesor, con una caída de hasta dos puntos.

Un rendimiento mejorado tiene un precio elevado

Según el análisis artificial, Muse Wonder cuesta $4.52 por tarea en el Índice de Inteligencia, casi tres veces más que Muse Spark 1.3 ($1.60). El precio de los tokens también ha aumentado: $4 por millón de tokens de entrada y $20 por salida, en comparación con $1.25 y $4.25 del modelo anterior. Muse Wonder utiliza además 28 por ciento más tokens de entrada por tarea, y estos representan el 76 por ciento del costo total.

Eso coloca Muse Wonder por debajo de Claude Fable 5.1 ($7.63) y Claude Opus 5.5 ($5.98) en cuanto a precios, pero por encima de GPT-6 Astra ($3.26), Gemini 4 Argon ($1.99) y GPT-6.1 Sol ($0.72). Aún no hay precios por token disponibles para Muse Wonder Full. Ambos modelos utilizan aproximadamente un 10 por ciento menos de tokens de salida que su predecesor.

La meta afirma que entrenó los modelos en su centro de datos Prometheus interno a escala gigawatt. Más detalles se encuentran en la tarjeta del modelo.

Noticias sobre IA Sin Efecto Mágico – Seleccionadas por Humanos

Suscríbase a THE DECODER para leer sin anuncios, un boletín semanal sobre IA, nuestro informe exclusivo “AI Radar” seis veces al año, acceso completo al archivo y acceso a nuestra sección de comentarios.