Meta ha lanzado Muse Wonder y Muse Wonder Full, sus modelos más capaces hasta la fecha. Muse Wonder es un modelo de frontera de Meta creado para agentes de IA personales y profesionales. Ambos modelos están orientados a trabajo agéntico de larga duración: programación, tareas legales y financieras, y uso de computadora. Muse Wonder ya está disponible en Meta Model API y Muse Code. Muse Wonder Full está limitado a los planes de pago de Muse Code.
TL;DR
- Tamaño: contexto de 1M de tokens, entrada de texto, imagen, video y audio, salida de texto.
- Funciona en: solo la nube de Meta, vía la API o la CLI de Muse Code (macOS, Linux, Windows).
- Rendimiento: Muse Wonder Full lidera 6 de las 14 filas de la tabla de benchmarks de Meta. Queda por detrás de Claude Opus 5.5 en varias.
- Mejor: Muse Wonder obtiene 85.6 en MemoryBench, el mejor resultado entre los 5 modelos listados.
- Peor: Muse Wonder obtiene 50.0 en ProgramBench, frente a 70.5 de Claude Opus 5.5.
¿Qué es Muse Wonder?
Muse Wonder sigue a Muse Spark en la escalera de escalado de Meta. El equipo de Meta afirma que fue entrenado en su centro de datos Prometheus, con ganancias tanto en el preentrenamiento como en el aprendizaje por refuerzo. Meta atribuye a una base modelo más grande los mejores resultados en tareas desconocidas.
Dos comportamientos con nombre definen este lanzamiento:
- Active Memory: mantiene el contexto del usuario entre conversaciones y recupera los detalles que una tarea necesita.
- Active Focus: sigue trabajando en tareas difíciles, prueba alternativas y confirma antes de acciones importantes.
Para los desarrolladores, Muse Wonder planifica tareas largas y delega en sub-agentes. También opera navegadores y aplicaciones de escritorio y móviles.
¿Cómo rinde Muse Wonder en los benchmarks?
Todas las puntuaciones siguientes provienen de la tabla publicada por Meta al máximo nivel de esfuerzo de razonamiento. Varias filas usan fuentes de terceros como Artificial Analysis, Vals AI y Datacurve.
| Benchmark | Muse Wonder Full | Muse Wonder | Claude Fable 5.1 | GPT-6 Astra | Claude Opus 5.5 |
|---|---|---|---|---|---|
| Índice de Superinteligencia Personal (interno) | 59.1 | 54.3 | 49.9 | 54.5 | 55.2 |
| Harvey LAB-AA | 13.1 | 10.0 | 6.4 | 8.6 | 4.2 |
| Vals Finance Agent V2 | 59.1 | 56.6 | 58.9 | 53.5 | 58.6 |
| AutomationBench-AA | 45.4 | 39.1 | 32.1 | 41.6 | 41.2 |
| OSWorld V2.1 (parcial) | 78.4 | 72.6 | 80.7 | 75.8 | 81.8 |
| MemoryBench (interno) | 85.5 | 85.6 | 79.0 | 81.4 | 81.5 |
| Terminal-Bench 4.0-AA | 57.1 | 52.0 | 52.0 | 59.1 | 59.6 |
| DeepSWE 1.1 | 79.0 | 78.8 | 67.4 | 74.1 | 74.2 |
| SWE-Marathon | 57.5 (xhigh) | 53.1 | 45.6 | 42.5 | 46.3 |
| ProgramBench | 59.0 | 50.0 | 55.5 | 52.5 | 70.5 |
| AA Intelligence Index v4.3 | 56 | 52 | 53 | 53 | 58 |
Nota: PSI, MemoryBench y FocusBench son evaluaciones internas de Meta. La ficha del modelo indica que las ejecuciones de la competencia son de mejor esfuerzo y pueden no estar ajustadas. Los resultados de SWE-Marathon para los rivales usaron Codex y Claude Code, por lo que no es una comparación con un arnés común.
Muse Wonder vs Claude Opus 5.5, Claude Fable 5.1 y GPT-6 Astra
| Característica | Muse Wonder | Muse Wonder Full | Claude Opus 5.5 | Claude Fable 5.1 | GPT-6 Astra |
|---|---|---|---|---|---|
| Desarrollador | Meta | Meta | Anthropic | Anthropic | OpenAI |
| Parámetros | No divulgados | No divulgados | No divulgados | No divulgados | No divulgados |
| Contexto | 1M | 1M | 1M | 1M | 1.05M |
| Modalidades de entrada | Texto, imagen, video, audio | Texto, imagen, video, audio | Texto, imagen | Texto, imagen | Texto, imagen |
| Pesos abiertos | No | No | No | No | No |
| Precio de API (entrada / salida por 1M) | $4 / $20 | Solo suscripción | $4 / $20 | $10 / $50 | $10 / $50 |
| Acceso | Model API, Muse Code | Muse Code Power ($50) o Maximum ($200) | Claude API | Claude API | OpenAI API |
| DeepSWE 1.1 | 78.8 | 79.0 | 74.2 | 67.4 | 74.1 |
Cómo usar Muse Wonder: guía paso a paso para nuevos usuarios
Paso 1: Abre dev.meta.ai. Haz clic Start building para iniciar sesión. El comando de instalación de Muse Code está en la misma página.
Paso 2: Elige tu modelo. Muse Wonder cuesta $4 de entrada, $0.20 en caché y $20 de salida por millón de tokens. Muse Wonder Full requiere un plan de Muse Code: Power a $50 o Maximum a $200 al mes.
Paso 3: Inicia sesión con tu cuenta de Meta. Confirma tu nombre, acepta los términos de Model API y haz clic en Get started.
Paso 4. Añade la facturación y luego crea una clave de API. Las cuentas nuevas ven un banner de "No payment method", y Create API key permanece deshabilitado. Agrega una tarjeta en Billing, luego abre API keys y selecciona Create API key. Expórtala como MODEL_API_KEY, según el quickstart.
Paso 5. Pruébalo en el Playground. Abre Chat, elige muse-wonder-1.0y configura la temperatura, los tokens máximos y el esfuerzo de razonamiento.
Paso 6. Copia el código funcional. Haz clic en Get code para obtener un fragmento de curl o Python. Este llama al endpoint de Responses en https://api.meta.ai/v1/responses.
La API es compatible con OpenAI, por lo que el SDK de OpenAI funciona con una nueva URL base:
Copy Codeimport os
from openai import OpenAI
client = OpenAI(base_url="https://api.meta.ai/v1", api_key=os.environ["MODEL_API_KEY"])
resp = client.responses.create(model="muse-wonder-1.0", input="List 3 risks in this lease clause: ...")
print(resp.output_text)
Paso 7: O usa Muse Code en tu terminal. En Mac, instala con curl -fsSL https://dev.meta.ai/install.sh | bash. En Windows, usa irm https://dev.meta.ai/install.ps1 | iex. Ejecuta muse en la carpeta de tu proyecto, confía en el workspace e inicia sesión. El modelo predeterminado es muse-spark-1.2. Cámbialo con /models, o lánzalo con muse --model muse-wonder-1.0.
Conclusiones clave
- Muse Wonder se lanza a $4/$20 por millón de tokens con contexto de 1M.
- Muse Wonder Full lidera DeepSWE (79.0) y SWE-Marathon (57.5).
- Claude Opus 5.5 sigue liderando ProgramBench, OSWorld y Terminal-Bench.
- Wonder Full es solo de Muse Code, desde 50 dólares al mes.
- Aún no hay parámetros, pesos abiertos ni informe de seguridad completo.
Echa un vistazo al blog de investigación, ficha del modelo y documentación para desarrolladores. Todo el mérito es del investigador de este proyecto. Además, no dudes en seguirnos en Twitter y no olvides unirte a nuestro SubReddit de ML con más de 150k y suscribirte a nuestro boletín. ¡Espera! ¿estás en telegram? ahora también puedes unirte a nosotros en telegram.
La entrada Meta Lanza Muse Wonder y Muse Wonder Full: Benchmarks, Precios y Cómo Usarlo apareció primero en MarkTechPost.