Meta lanza Muse Wonder y Wonder Full: el índice de inteligencia sube de 48 a 56

Meta ha lanzado Muse Wonder y Muse Wonder Full. En el Artificial Analysis Intelligence Index v4.3, con el máximo reasoning effort, los modelos obtienen 52 y 56 puntos. Muse Spark 1.3, que salió hace solo seis semanas, tenía 48. Wonder está disponible a través de la API propia de Meta y en Muse Code, mientras que Wonder Full, por ahora, solo para los usuarios de Muse Code. La compañía presenta ambos modelos como opciones para agentes personales y profesionales.

Dónde mejora el modelo

Muse Wonder Full mejora en los diez tests del índice y gana ocho puntos. Las tareas agénticas son las que más suben. Terminal-Bench 4.0 pasa del 33% al 57%, GDPval-AA v2.1 de 1681 a 1857 Elo y AA-Briefcase de 1581 a 1729 Elo. En seis de los diez tests, Full está entre los tres primeros. Es la primera en CritPt (33%) y GDP.pdf (33%), pero con una ventaja estrecha: los competidores más cercanos obtienen entre el 31% y el 32%. En GDPval-AA es segunda, y su resultado cae dentro de los intervalos de confianza de Claude Opus 5.5 (1866) y Claude Sonnet 5.5 (1838). Ocupa el tercer puesto en AA-Briefcase, AutomationBench-AA (71%) y SciCode (63%).

Muse Wonder gana cuatro puntos. Su Terminal-Bench 4.0 sube del 33% al 52% y su AutomationBench-AA, del 58% al 68%. En el Artificial Analysis Coding Agents Index, Full dentro de Muse Code obtiene 68 puntos, igual que Claude Code con Sonnet 5.5, mientras que Claude Code con Opus 5.5 logra 66. Wonder alcanza 63, frente a los 54 de Muse Code con Spark 1.3.

Precio: pocos tokens, pero la entrada es cara

Los modelos gastan menos tokens de salida que su predecesora: unos 54 mil por tarea del índice frente a 60 mil, es decir, un 10% menos. Es menos que Gemini 4 Argon (62 mil) y Claude Fable 5.1 (78 mil), pero más que GPT-6.1 Sol (38 mil) y GPT-6 Astra (27 mil). Además, Full consume un 16% menos de tokens de entrada que Wonder: 6,44 millones frente a 7,69 millones. Es a la vez más inteligente y más económica.

El problema está en la tarifa. El precio pasa de $1,25 / $0,15 / $4,25 en Spark 1.3 a $4 por millón de tokens de entrada, $0,20 por los almacenados en caché y $20 por los de salida. Junto con un mayor apetito por contexto de entrada, un 28% más que Spark 1.3, esto da $4,52 por tarea del índice, 2,8 veces más que los $1,60 anteriores. La entrada representa $3,43, o el 76% del coste: $1,92 por escritura en caché, $1,44 por aciertos de caché y $0,07 por entrada sin caché. A la salida le corresponden $1,08.

• Contexto: 1 millón de tokens, igual que Spark 1.3
• Modalidades de entrada: texto, imagen, vídeo y audio; salida solo en texto
• Precio de Wonder: $4 entrada / $0,20 caché / $20 salida por 1 millón de tokens
• Wonder Full no se vende por tokens, por lo que no hay precio por tarea
• Coste de una tarea del índice: más barata que Claude Fable 5.1 ($7,63), Opus 5.5 ($5,98) y Sonnet 5.5 ($5,46)
• Pero más cara que GPT-6 Astra ($3,26), Gemini 4 Argon ($1,99) y GPT-6.1 Sol ($0,72)

Conocimiento y alucinaciones

El punto débil de ambos modelos sigue siendo el mismo: el conocimiento factual. En AA-Omniscience, Full obtiene 30 y Wonder 25, al nivel de Spark 1.3. Claude Opus 5.5 registra 46, GPT-6 Astra 43, Gemini 4 Argon 42 y Claude Sonnet 5.5 32. El bajo nivel de alucinaciones suaviza el panorama. En Full baja del 33% al 23%, el segundo mejor resultado entre los modelos con un índice de 45 o más, por detrás de Gemini 4 Argon (15%). Wonder, con un 27%, es tercera. Con más frecuencia el modelo no sabe la respuesta que se la inventa.

A quién y cuándo le conviene

Wonder merece una prueba donde importan los escenarios agénticos: tareas de terminal, automatización de flujos de trabajo, documentos y cálculos científicos. Antes de migrar desde Spark 1.3 hay que recalcular el presupuesto.

En ciclos agénticos largos, la entrada se come tres cuartas partes del coste, así que la proporción de aciertos de caché determina directamente la factura. Si la tarea depende de conocimiento de referencia, conviene mirar Opus 5.5 o GPT-6 Astra.

Si lo principal es el precio por tarea, GPT-6.1 Sol y Gemini 4 Argon son claramente más baratos. Full solo está disponible por ahora dentro de Muse Code y sin precio por token, así que no se puede integrar en un pipeline propio.

Conviene tener en cuenta esta limitación al planificar.