Meta anunció el 12 de octubre los modelos de inteligencia artificial Muse Wonder y Muse Wonder Full, y describió la serie como la más grande y potente de su historia. Los modelos están destinados a ejecutar agentes capaces de realizar múltiples tareas cotidianas y profesionales de varios pasos, en lugar de limitarse a producir respuestas textuales breves.
Meta comenzó a ofrecer Muse Wonder a los desarrolladores a través de Meta Model API y la plataforma de programación Muse Code, mientras que Muse Wonder Full está disponible para los suscriptores de Muse Code. La empresa también planea integrar el modelo en su asistente personal Muse, que lanzó en Estados Unidos durante septiembre para realizar tareas como enviar correos electrónicos y reservar viajes, con un despliegue que comenzará por los suscriptores del servicio.
Memoria que se extiende entre conversaciones y continuidad del trabajo al encontrar obstáculos
El modelo se centra en dos funciones que Meta denomina Active Memory y Active Focus. La primera permite conservar información importante entre varias conversaciones y recuperar detalles relacionados con la tarea, incluidos hábitos, preferencias y parte de lo mencionado en conversaciones anteriores. La segunda busca mantener al modelo concentrado en el objetivo al ejecutar un trabajo complejo, probando métodos alternativos, recuperándose de los errores y solicitando la confirmación del usuario antes de realizar operaciones importantes.
Meta afirma que Muse Wonder se construyó sobre la base de Muse Spark, anunciado en abril, con una ampliación del alcance del entrenamiento previo y del aprendizaje por refuerzo. El modelo se entrenó en el centro de datos Prometheus, con una capacidad de nivel de gigavatios. La empresa señala que mostró un rendimiento mejor de lo esperado en tareas poco habituales en comparación con las tendencias de Muse Spark 1.3.
De contratos y reclamaciones a aplicaciones de varios pasos
Meta amplió los conocimientos del modelo en los ámbitos jurídico, financiero y sanitario, y presenta usos como el procesamiento de reclamaciones de seguros, la lectura de contratos de alquiler y la gestión del presupuesto familiar. También mostró ejemplos de planificación de un programa de carrera a través de un navegador y varias aplicaciones, diseño de productos basándose en imágenes de Instagram y posterior solicitud de estos, preparación de un plano de asientos para una boda conforme a condiciones complejas y creación de un juego tridimensional jugable a partir de una imagen.
Los modelos admiten entradas de texto, imágenes, vídeo y audio, con salida textual y un contexto de hasta un millón de tokens. En el futuro, la aplicación Muse utilizará el modelo para crear resultados más complejos y desarrollar modelos especializados disponibles para todos los usuarios, pero Meta no especificó cuándo se integrará ni proporcionó detalles sobre los planes que lo incluirán.
Resultados sólidos en algunas pruebas y límites que aún deben verificarse
Según las comparaciones de Meta, Muse Wonder Full obtuvo una puntuación de 13.1 en la prueba Harvey LAB-AA para tareas jurídicas, frente a 8.6 de GPT-6 Astra y 4.2 de Claude Opus 5.5. También obtuvo 79.0 en DeepSWE 1.1, que mide la programación a largo plazo, por delante de Claude Opus 5.5, con 74.2, y GPT-6 Astra, con 74.1.
Sin embargo, el modelo no lideró todas las pruebas; Claude Opus 5.5 obtuvo la puntuación más alta en HealthBench Pro, Terminal-Bench 4.0-AA, ProgramBench y el índice general de Artificial Analysis. Además, algunas de las comparaciones incluidas en el material se basan en evaluaciones publicadas por Meta, mientras que el informe completo de las pruebas de seguridad aún está pendiente de publicación.
La seguridad antes de ampliar las tareas sensibles
Meta afirmó que su evaluación conforme al marco Meta Superintelligence Scaling Framework clasificó los riesgos de ciberseguridad y pérdida de control, antes de las medidas de mitigación, en un nivel medio o inferior. En los ámbitos químico y biológico, no descartó alcanzar el umbral de riesgo alto, por lo que añadió entrenamiento de seguridad y clasificadores a nivel del sistema, y afirma que la evaluación final quedó en un nivel medio o inferior en todos los ámbitos.
¿Qué cambia en la práctica? Muse Wonder presenta la idea de un agente que recuerda el contexto y continúa ejecutando la tarea mediante varias herramientas y aplicaciones, lo que podría reducir la necesidad de dividir el trabajo manualmente. Sin embargo, el beneficio real dependerá de cuándo esté disponible en Muse, del alcance de los planes compatibles y de los resultados de las evaluaciones independientes, especialmente con la llegada del modelo a ámbitos jurídicos, financieros y sanitarios sensibles.