Meta Superintelligence Labs estrena una nueva familia de inteligencia artificial con memoria entre conversaciones, trabajo autónomo en tareas prolongadas y capacidades avanzadas de programación. Muse Wonder ya está disponible mediante API y costará 4 dólares por millón de tokens de entrada.
Meta ha presentado Muse Wonder y Muse Wonder Full, dos nuevos modelos de inteligencia artificial con los que busca competir directamente en la categoría de modelos de frontera. Desarrollados por Meta Superintelligence Labs, constituyen, según la compañía, su propuesta más capaz hasta la fecha y están orientados tanto a tareas profesionales complejas como al uso personal.
Muse Wonder ya puede utilizarse a través de Meta Model API, la plataforma que permite integrar los modelos en aplicaciones y servicios de terceros, y también desde Muse Code, Muse Wonder Full, por su parte, está disponible para los suscriptores de Muse Code, una distribución que diferencia los canales de acceso a cada versión.
La compañía no ha detallado en la información difundida todas las diferencias técnicas y de capacidad entre los dos modelos, sí los presenta conjuntamente como sus sistemas más avanzados y anticipa que Muse Wonder servirá de base a futuros modelos especializados disponibles en la aplicación Muse. Esto sitúa el lanzamiento como el comienzo de una nueva familia, más que como la presentación de dos productos aislados.
Con una oferta a través de API y una versión vinculada a Muse Code, Meta busca atender dos escenarios, desarrolladores que quieren incorporar las capacidades del modelo a sus propias herramientas y profesionales que necesitan un entorno de trabajo asistido por IA, especialmente en programación. Una de las principales novedades es Active Memory, una función descrita por Meta como la capacidad de recordar y mantener el contexto a lo largo de múltiples conversaciones, la compañía plantea esta característica como una forma de evitar que el usuario tenga que reconstruir constantemente la información relevante cuando retoma un proyecto o cambia de tarea.
Para los usos profesionales, la continuidad contextual puede ser importante cuando un trabajo se reparte entre distintas sesiones: por ejemplo, al desarrollar software, revisar documentación o retomar un encargo que exige tener presentes decisiones anteriores. En el ámbito personal, la misma idea apunta a asistentes capaces de conservar información útil a lo largo del tiempo, Meta no especifica en el anuncio recogido cómo se configura esta memoria, qué duración tiene ni qué controles concretos se ofrecen para administrarla.
We’re excited to introduce the Muse Wonder series with Muse Wonder and Muse Wonder Full, our most capable models yet. Both are frontier models, built to deliver state-of-the-art performance for personal and professional agentic tasks. Muse Wonder is available today via the Meta Model API and Muse Code. Muse Wonder Full is available today for Muse Code subscribers. Muse Wonder will also soon power experiences in our personal agent product, Muse, rolling out first to subscribers.
— AI at Meta (@AIatMeta) October 12, 2026
La segunda gran función es Active Focus, Meta la presenta como una capacidad para trabajar de forma autónoma en tareas complejas y sostenidas en el tiempo, manteniendo la atención sobre el resultado que se desea obtener. La propuesta encaja con la evolución de los modelos hacia sistemas agénticos, capaces de desarrollar un proceso y no únicamente de generar una respuesta puntual, el objetivo declarado es que Muse Wonder pueda llevar un registro de lo que importa y trabajar de manera diligente para cumplir las tareas solicitadas.
La generación de artefactos se incorpora a este enfoque. En lugar de entregar exclusivamente explicaciones o fragmentos de texto, el modelo podrá producir contenidos estructurados y funcionales, como aplicaciones web. El valor de esta característica dependerá de su capacidad para transformar una instrucción en un resultado operativo, aunque Meta no ha publicado en la información facilitada un catálogo exhaustivo de formatos o herramientas admitidas.
Meta sitúa la ingeniería de software como uno de los terrenos centrales de Muse Wonder y Muse Wonder Full, la compañía destaca su desempeño en tareas complejas de programación que se prolongan en el tiempo y cita evaluaciones como SWE-Marathon y DeepSWE 1.1, diseñadas para medir competencias relacionadas con ese tipo de trabajo.
La empresa también señala resultados destacados en ámbitos especializados, en el sector jurídico menciona Harvey LAB-AA, mientras que en finanzas utiliza Vals Finance Agent V2 como referencia para analizar las capacidades de sus modelos. Se trata de contextos en los que la precisión y la gestión de tareas complejas tienen especial importancia para valorar la utilidad de un sistema.
Otra capacidad subrayada por Meta es la resolución de tareas fuera de la distribución de entrenamiento, conocidas como out-of-distribution. Este tipo de pruebas intenta observar cómo se comporta un modelo ante problemas que no coinciden con los patrones habituales de los datos utilizados en su desarrollo. La compañía presenta estos resultados como evidencia de que sus modelos pueden desenvolverse en escenarios profesionales exigentes. No obstante, las cifras y comparaciones deben interpretarse como resultados de las evaluaciones recogidas en su anuncio, sin asumir que cualquier trabajo real vaya a reproducir el mismo rendimiento.
Aunque Meta sitúa sus nuevos modelos entre los sistemas más competitivos del mercado, reconoce que las propuestas de Anthropic y OpenAI mantienen ventajas en determinadas evaluaciones. Según los resultados difundidos, Claude Opus 5.5 continúa por delante en el índice de Artificial Analysis y en pruebas de programación como Terminal-Bench y ProgramBench.
GPT-6 Astra, por su parte, lidera en trabajo profesional y supera a Muse Wonder en programación desde terminal, de acuerdo con Terminal-Bench 4.0, y en el ámbito sanitario, según HealthBench Pro. Estas diferencias muestran que el rendimiento no puede resumirse en una única clasificación: distintos modelos presentan fortalezas en pruebas y tareas diferentes.
El principal avance que plantea Meta, por tanto, no consiste en haber superado de forma general a todos sus rivales, sino en haber acercado su nueva familia a una categoría en la que hasta ahora no situaba sus propios modelos. El comportamiento de Muse Wonder fuera de las pruebas anunciadas podrá analizarse con mayor profundidad a medida que más usuarios y desarrolladores lo utilicen.
Meta ha comunicado los precios de Muse Wonder a través de su API, el coste será de 4 dólares por cada millón de tokens de entrada y de 20 dólares por cada millón de tokens de salida. La compañía sitúa estas tarifas al nivel de las de GPT-5.6 Sol y Claude Opus 5.5, lo que deja claro que su nueva propuesta compite en el segmento de modelos avanzados de pago.
La distinción entre tokens de entrada y salida es relevante para quienes integran estos sistemas en productos y procesos empresariales, los primeros corresponden a la información enviada al modelo y los segundos al contenido generado como respuesta. El precio final dependerá del volumen de uso y de la proporción entre ambos tipos de procesamiento.
En la información disponible no figura una tarifa equivalente de Muse Wonder Full mediante API, por ahora, la compañía ha comunicado su acceso para suscriptores de Muse Code y el precio por tokens de Muse Wonder en Meta Model API. La seguridad ocupa también una parte importante de la presentación. Meta afirma haber incluido protecciones destinadas a reducir el riesgo de desalineamiento y describe Muse Wonder como su modelo más alineado hasta la fecha, para la compañía, esta cuestión constituye un componente central de su visión de una inteligencia artificial orientada a usos personales.
El lanzamiento simultáneo en Meta Model API y Muse Code, junto con los planes de crear modelos especializados para la aplicación Muse, señala además una estrategia con varios canales: herramientas para desarrolladores, soluciones para trabajo profesional y productos orientados a las personas.