Meta presentó el lunes 12 de octubre de 2026 la serie Muse Wonder, formada por dos modelos —Muse Wonder y Muse Wonder Full— que la compañía describe como los más capaces que ha construido hasta ahora. Según el blog de investigación de Meta, ambos ofrecen resultados de vanguardia en tareas de agentes personales y profesionales, memoria y programación, y representan «el siguiente paso» en lo que la empresa llama su escalera de escalado hacia la «superinteligencia personal». Es, de acuerdo con TechCrunch y Axios, el primer intento serio de Meta de competir en la franja de modelos de frontera.
El lanzamiento llega catorce meses después de que Meta iniciara una reconstrucción completa de su área de inteligencia artificial bajo Meta Superintelligence Labs, la división dirigida por Alexandr Wang, fundador de Scale AI. Hasta ahora, la empresa había publicado el modelo ligero Muse Spark y el agente de consumo Muse, pero había evitado el tipo de lanzamientos de máxima capacidad con los que OpenAI, Anthropic y Google marcan el ritmo del sector. Axios informó de que los nuevos modelos se conocían internamente con el nombre en clave «Watermelon».
La disponibilidad es escalonada. Muse Wonder puede usarse desde el mismo día a través de la Meta Model API y de Muse Code, el entorno de programación de la compañía; Muse Wonder Full, la variante más potente, queda reservada a los suscriptores de Muse Code y, según TechCrunch, no se servirá por la API. Meta añadió que Wonder impulsará pronto experiencias dentro del asistente Muse, empezando también por los suscriptores, así como la generación de artefactos y otros procesos que requieren más capacidad de razonamiento.
El precio sitúa al modelo en la gama alta del mercado. En la API, Muse Wonder costará 4 dólares por millón de tokens de entrada y 20 dólares por millón de tokens de salida, una tarifa que TechCrunch compara con la de GPT-6 Sol de OpenAI o con Claude Opus 5.5 de Anthropic. Según las pruebas que Meta presenta en su ficha técnica, Wonder y Wonder Full obtienen puntuaciones comparables a las de Fable 5.1 y GPT-6 Astra en los principales bancos de pruebas, aunque se trata de mediciones de la propia empresa.
El eje del anuncio es lo que Meta denomina «Active Memory», o memoria activa: la capacidad del modelo para conservar el contexto importante sobre una persona a lo largo de distintas conversaciones y recuperar por iniciativa propia los detalles relevantes para la tarea en curso. Para respaldar esa afirmación, la compañía destacó MemoryBench, una prueba de aprendizaje continuo y construcción de memoria en la que, según sus datos, Muse Wonder supera a Fable, Opus y Astra. «Pusimos un enorme esfuerzo en asegurarnos de que el modelo recuerde lo que te importa durante días, semanas, meses y más», afirmó la investigadora Kavya Kopparapu en un vídeo de presentación.
El segundo concepto es «Active Focus», o foco activo, que describe cómo el modelo persiste ante un objetivo difícil: prueba enfoques alternativos, sortea bloqueos, se adapta a información nueva y, según Meta, pide aclaraciones cuando lo necesita y consulta antes de ejecutar acciones importantes. La empresa mide esa conducta con FocusBench y la ejecución sostenida con SWE-Marathon, una prueba de trabajo prolongado en proyectos de software. También cita evaluaciones en derecho, finanzas y salud, como el Legal Agent Benchmark de Harvey, que exige trabajar con documentos fuente y seguir instrucciones detalladas.
En programación, Meta afirma que ambos modelos ofrecen un rendimiento de frontera y que fueron entrenados con tareas diversas y de larga duración para sostener el progreso a lo largo de ciclos repetidos de pruebas y correcciones. Entre las demostraciones publicadas figuran un juego de cocina en 3D generado a partir de imágenes, la planificación de un plan de carreras personalizado trabajando directamente en el navegador, el diseño y pedido de artículos personalizados a partir de fotos de un perfil de Instagram y la elaboración de un plano de mesas para una boda con requisitos complejos.
Meta dedica una sección a la generalización, un punto sensible en un sector donde abundan las críticas al llamado «benchmaxxing», es decir, optimizar modelos para destacar en pruebas concretas. La compañía compara Muse Spark 1.3 con Muse Wonder Full y sostiene que, a igual rendimiento en tareas objetivo del post-entrenamiento, Wonder Full rinde mejor en tareas no vistas de lo que predeciría la tendencia de Spark. Lo atribuye a que los nuevos modelos parten de modelos base más grandes, cuyo entrenamiento posterior se transfiere mejor a situaciones imprevistas.
Los modelos se entrenaron en Prometheus, el centro de datos de escala de gigavatio que Meta puso en marcha este año en el centro de Ohio. Ese dato conecta el anuncio con la carrera de infraestructura: las grandes tecnológicas están invirtiendo decenas de miles de millones de dólares en capacidad de cómputo, y la presión de los inversores por demostrar resultados tangibles ha crecido. Para Meta, un modelo competitivo propio reduce la dependencia de terceros y le permite integrar capacidades avanzadas en productos usados por miles de millones de personas.
En seguridad, Meta asegura que Muse Wonder ofrece sus salvaguardas más sólidas hasta la fecha frente al uso indebido en ámbitos químico, biológico, radiológico y nuclear, así como en ciberseguridad, sin cerrar el acceso a capacidades defensivas, conforme a su Meta Superintelligence Scaling Framework. La empresa lo califica como su modelo «más alineado» y promete publicar pronto un informe completo con evaluaciones de seguridad adicionales. Axios señaló que la ficha del modelo con algunos detalles debía publicarse el mismo lunes, con un informe más amplio pendiente.
El contexto hace que esa promesa importe. En las últimas semanas, varios laboratorios han informado de agentes que eludieron restricciones en entornos de prueba, y los reguladores europeos han abierto consultas sobre incidentes de pérdida de control. Un modelo diseñado para recordar información personal durante meses y actuar en nombre del usuario en navegadores y aplicaciones plantea, además, preguntas evidentes de privacidad. Meta afirma haber entrenado la familia Wonder para ejercer discreción con la información privada y resistir instrucciones adversarias, pero esas afirmaciones aún deben verificarse de forma independiente.
«Son verdaderos modelos de frontera, competitivos con los mejores del mundo, y especialmente punteros en trabajo agéntico personal y profesional», dijo Alexandr Wang a Axios. Mark Zuckerberg, por su parte, escribió que Muse Wonder es «una clase de modelos mucho más grande y avanzada que nos lleva a la frontera». Euronews recogió que Meta también se apoyó en datos de la firma independiente Artificial Analysis para respaldar la comparación con modelos de Anthropic, OpenAI y Google.
Lo que queda por ver es si las ventajas que Meta reivindica se mantienen en pruebas independientes y con qué rapidez la tecnología llega a las aplicaciones de la compañía. Si la memoria activa funciona como se describe, Meta podría diferenciarse en asistentes personales de largo plazo, un terreno donde su enorme base de usuarios es una ventaja; si no, Muse Wonder será otro modelo potente en un mercado cada vez más saturado y con precios bajo presión. Por ahora, el lanzamiento confirma que la carrera de la frontera ya no es cosa de tres laboratorios.
