El 12 de octubre, Meta anunció el lanzamiento de Muse Wonder y Muse Wonder Full, dos nuevos modelos de inteligencia artificial posicionados para desafiar directamente al GPT-6 Astra de OpenAI y al Claude Opus 5.5 de Anthropic. El anuncio marca un momento decisivo en la carrera por IA de frontiera: después de meses en los que la atención de la industria parecía dividida entre los tres grandes, Meta finalmente presentó un modelo cuyos números de benchmark compiten codo a codo con los líderes del mercado.
El Muse Wonder Full fue entrenado en el data center Prometheus de Meta, una instalación con capacidad de gigawatts diseñada específicamente para entrenar modelos de lenguaje de gran escala. Según la propia empresa, el modelo alcanzó resultados de estado del arte en evaluaciones de agentes personales y profesionales—el nicho central de la estrategia actual de Meta, que apuesta por los asistentes de IA como el próximo gran vector de adopción masiva.
El enfoque de Meta se distingue de sus competidores en dos conceptos clave que la propia compañía acuñó para describir el funcionamiento interno del modelo: Active Memory (Memoria Activa) y Active Focus (Enfoque Activo). La Memoria Activa está diseñada para mantener el contexto relevante entre conversaciones, recuperando automáticamente la información importante del usuario cuando es relevante para la tarea actual. El Enfoque Activo describe la capacidad del modelo de mantener esfuerzo sostenido hacia objetivos complejos—intentando enfoques alternativos, sortando bloqueos y adaptándose a nueva información durante tareas de larga duración. Estas dos funcionalidades son evaluadas a través del FocusBench y del SWE-Marathon, benchmarks específicos para tareas agénicas de horizonte prolongado.
En los benchmarks publicados por Meta, el Muse Wonder Full alcanzó una puntuación de 56 en el Artificial Analysis Intelligence Index, quedando solo dos puntos detrás del Claude Opus 5.5, que detenta el #1 con 58. En el SWE-Marathon, el modelo de Meta alcanzó 57,5% contra 46,3% del Opus 5.5 y 42,5% del GPT-6 Astra. En el DeepSWE 1.1, los números reportados fueron de aproximadamente 79% para el Muse Wonder Full frente a 74,2% para el Opus 5.5. Por otra parte, Claude lidera en el ProgramBench (70,5 contra 50,0) y en el Terminal-Bench (59,6 contra 52,0), sugiriendo que la ventaja depende del tipo de evaluación.
Un aspecto revelador de esta disputa es la cuestión del acceso. El Muse Wonder Full—la variante que alcanzó la puntuación más alta—no está disponible vía API pública. Es limitado a los suscriptores del Muse Code, el entorno de desarrollo integrado de Meta. Es decir, el modelo que ocupa el segundo lugar en el ranking general de inteligencia es exactamente el que el público más amplio de desarrolladores no puede acceder directamente. El Muse Wonder base, sí disponible en la Meta Model API, alcanzó 52 en el mismo índice, lo que aún lo coloca entre los mejores del mundo, pero muy por debajo del top 2.
Esto refleja una estrategia deliberada: Meta está priorizando la integración del modelo como motor de su propio ecosistema de productos (Muse Code, la aplicación Muse, futuras experiencias en realidad aumentada) antes de abrirlo como commodity vía API. En contraste, Anthropic mantiene el Opus 5.5 ampliamente disponible en el Anthropic API, mientras que OpenAI mantiene el GPT-6 Astra en su propio ecosistema. Cada empresa está jugando una versión ligeramente diferente del mismo juego.
En cuanto al precio, fuentes de la comunidad indican que el Muse Wonder sería cotizado a US$ 4 por millón de tokens de entrada y US$ 20 por millón de tokens de salida, lo que equivaldría exactamente al precio del Claude Opus 5.5. Sin embargo, ninguna página oficial de precios de Meta confirma estos números, y los propios reportes de la comunidad divergen en los detalles—uno de ellos listó cache a US$ 0,02 por millón, contra US$ 0,20 reportado en otro. La ausencia de una página de precios oficial levanta dudas sobre si la paridad de precios es real o mera especulación.
El contexto más amplio de esta carrera es que, en octubre de 2026, el mercado de IA de frontiera alcanzó un punto de saturación técnica sin precedentes. El Gemini 4 Argon de Google lidera el DeepSWE 1.1 con 77,9%, el Muse Spark 1.3 de Meta está en 75,4%, el GPT-6.1 Sol de OpenAI en 75,2%, y el Claude Opus 5.5 en 74,2%. El margen entre los cinco primeros modelos es de solo 3,7 puntos porcentuales—lo que significa que, en muchas tareas prácticas, la elección entre ellos depende más de precio, disponibilidad de API y ecosistema que de diferencia real de capacidad.
Lo que distingue el lanzamiento del Muse Wonder Full es el timing: llegó exactamente cuando la narrativa dominante ya comenzaba a estabilizarse en torno a un "Big Three" (OpenAI, Anthropic, Google) como únicos contendores reales para IA de frontiera. Al presentar un modelo que compite directamente en benchmarks, Meta intenta reinserir su nombre en esa conversación—y la apuesta es que su diferencial competitivo no está solo en números de benchmark, sino en la capacidad de convertir esos modelos en agentes útiles en el día a día del usuario.
La pregunta que permanece es si la diferencia de dos puntos en el Intelligence Index se traduce en experiencia real, o si los benchmarks de laboratorio ya alcanzaron el punto de rendimientos decrecientes—donde el próximo avance técnico cuesta billones y genera diferencias imperceptibles para el usuario común.
Fuentes: The Verge, Meta Research, Kie.ai
✓ Fuentes independientes cruzadas y verificadas antes de la publicación
