Los modelos de IA se parecen cada vez más a los coches expuestos en un salón: cifras estupendas, focos por todas partes y nadie te cuenta cuánto consumen en una carretera llena de baches. Meta Muse Wonder promete más capacidad para agentes y programación, pero una empresa debería juzgarlo con trabajo real, costes reales y datos propios.
TL;DR: El resumen sin rodeos
- Dos modelos: Meta presenta Muse Wonder y Muse Wonder Full para programación, agentes y tareas prolongadas.
- Precio conocido: Wonder cuesta 4 dólares por millón de tokens de entrada y 20 dólares por millón de salida.
- Acceso desigual: Wonder tiene API; Wonder Full queda dentro de dos planes de Muse Code.
- Prueba obligatoria: las evaluaciones de Meta no sustituyen una comparación con tareas, costes y controles propios.
En este artículo
Meta Muse Wonder es una familia de modelos pensada para programación compleja, uso de herramientas y agentes capaces de currar durante bastante tiempo sin perder el hilo. Meta anunció Muse Wonder y Muse Wonder Full el 12 de octubre de 2026 y los presenta como sus modelos más capaces para agentes personales y profesionales.
La propuesta tiene chicha. Según el anuncio técnico de Meta, Active Memory conserva y recupera contexto entre conversaciones. Active Focus ayuda al modelo a mantener el trabajo, probar alternativas y recuperarse cuando mete la pata.
Eso suena mucho más útil que otro chatbot que redacta correos con entusiasmo de becario. También suena exactamente a lo que hay que comprobar antes de meterlo en un proceso serio.
¿Cómo se puede acceder a Meta Muse Wonder?
Muse Wonder está disponible en Meta Model API y Muse Code, mientras que Muse Wonder Full solo se ofrece mediante Muse Code en los planes Power Usage y Maximum Usage. La disponibilidad concreta puede variar por región.
La documentación de modelos de Meta identifica la versión de API como muse-wonder-1.0. Admite entradas de texto, imagen, vídeo, audio y PDF, devuelve texto y ofrece una ventana de contexto de 1.048.576 tokens.
Wonder Full tiene una barrera bastante más clara: no existe acceso directo mediante Meta Model API. Los planes que lo incluyen cuestan 50 dólares al mes en Power Usage y 200 dólares al mes en Maximum Usage, según la tarifa publicada para Muse Code.
¿Está disponible en España? No lo daría por hecho. Meta advierte de diferencias regionales, pero las páginas consultadas no confirman nominalmente el acceso comercial en España ni en todos los países de la Unión Europea. Primero registro, después tarjeta. El orden evita disgustos.
¿Meta Muse Wonder supera de verdad a Muse Spark?
Meta afirma que la familia Wonder alcanza resultados de vanguardia en pruebas de agentes, memoria y programación. Eso demuestra rendimiento en esas evaluaciones, no superioridad universal en cualquier empresa.
La propia Meta separa los casos de uso. Recomienda Wonder cuando prima la capacidad en tareas complejas y prolongadas, mientras Muse Spark sigue orientado a cargas de gran volumen sensibles al coste o la latencia. Traducido: usar Wonder para todo puede ser como ir a comprar el pan en un camión de mudanzas.
Meta también afirma que Wonder Full encabeza DeepSWE y SWE-Marathon en ejecuciones independientes de terceros. Ojo con el matiz: en las fuentes revisadas no aparece una validación independiente que cubra calidad, latencia, fiabilidad y coste total en distintos procesos empresariales.
Cada modelo nuevo aparece acompañado por su correspondiente combate de gladiadores. A mí me interesa bastante menos quién gana una tabla y bastante más quién termina una tarea sin romper el repositorio ni multiplicar la factura.
¿Cuánto cuesta trabajar con Muse Wonder?
Muse Wonder cuesta 4 dólares por millón de tokens de entrada, 0,20 dólares por millón de entrada almacenada en caché y 20 dólares por millón de salida, según la información para desarrolladores de Meta.
El precio por token solo cuenta una parte de la película. Falta medir cuántos intentos necesita, cuánto tarda, cuántas correcciones humanas provoca y cuánto trabajo obliga a repetir cuando falla. Un modelo caro que resuelve a la primera puede salir barato. Uno barato que da vueltas como una Roomba atrapada debajo de una silla puede salir carísimo.
La comparación útil empieza con un lote pequeño de tareas reales. Retos que el equipo pueda ejecutar en media hora, sobre proyectos de la casa y con un resultado verificable. Si algún prototipo funciona, se desarrolla de verdad. Ahí la gente ve capacidad aplicada y la empresa obtiene una señal bastante más limpia que una demostración preparada.
Antes de delegar trabajo hay que fijar permisos, revisión y condiciones de parada. Lo explico con más detalle al hablar de los límites de los agentes de IA en empresas.
Cómo probar Muse Wonder sin montar un circo
Yo compararía Muse Wonder con el modelo actual usando las mismas tareas, datos y criterios. Si el equipo tiene acceso, adelante con la prueba. Eso sí: la primera ronda, sobre un proceso reversible y fácil de auditar.
Yo mediría cinco cosas: porcentaje de tareas completadas, tiempo total, coste, número de correcciones humanas y gravedad de los errores. Añadiría una condición de parada si el agente modifica archivos fuera del alcance acordado o intenta ejecutar acciones no autorizadas.
También probaría trabajo menos vistoso: recuperar decisiones anteriores, seguir instrucciones largas, corregir un fallo propio y mantener coherencia después de varias iteraciones. Active Memory y Active Focus viven o mueren ahí. Crear una demostración bonita es fácil. Aguantar el marrón del martes por la tarde ya es otra liga.
Copia esto y pégalo en Claude Code, Cursor o tu asistente de código favorito:
Comprueba mi acceso a Muse Wonder usando la documentación https://dev.meta.ai/docs/models y configura muse-wonder-1.0 sin exponer credenciales. Crea una prueba reversible sobre este proyecto: analizar un fallo, proponer el cambio y esperar mi aprobación antes de modificar archivos. Registra tiempo, tokens, coste estimado, errores y correcciones para compararlo con mi modelo actual.
Revisa cada paso. La instalación, la configuración y las pruebas pueden requerir permisos y conocimientos técnicos.
La privacidad puede decidir antes que el modelo
En las suscripciones de Muse Code, el modo Contributor está activado de forma predeterminada. Meta indica que ese modo permite utilizar prompts, código, archivos, contexto y respuestas para entrenar modelos futuros.
Se puede desactivar para pasar al modo Standard, pero hacerlo después de pegar documentación sensible tiene la misma elegancia que cerrar la puerta cuando ya han salido las gallinas. Antes de la primera prueba, hay que revisar esa configuración, las condiciones contractuales y qué datos puede tocar el agente.
Esta es mi lectura propia: la ventaja competitiva de Wonder no se decidirá solo por su inteligencia. En empresas, ganará o perderá por la combinación de acceso, controles, coste total y confianza. Una sola duda seria sobre los datos puede convertir una puntuación espectacular en un producto inutilizable.
Meta Muse Wonder merece una prueba, no un acto de fe
Meta ha publicado suficiente información para quitarle a Muse Wonder la etiqueta de humo: conocemos vías de acceso, modalidades, contexto y precios. Falta lo que de verdad manda, su rendimiento dentro de cada negocio.
Yo lo probaría con un reto pequeño, propio y medible. Si reduce tiempo y correcciones sin disparar el coste ni abrir un agujero de privacidad, adelante. Si solo gana en la tabla de Meta, que se quede allí.
Meta Muse Wonder no necesita más épica. Necesita currar.
