Meta ya tiene un modelo en la parte alta de las clasificaciones independientes, pero no lo vas a poder descargar. Muse Wonder y Muse Wonder Full, presentados el 12 de octubre de 2026, son modelos cerrados: el primero se usa por API y el segundo solo dentro de la suscripción Muse Code. El único modelo de la familia Muse con pesos abiertos sigue siendo Muse Glimmer.
Lo cuenta Meta en el anuncio oficial de Muse Wonder en su blog de investigación, donde los define como sus modelos más capaces para tareas agénticas personales y profesionales. La noticia tiene dos lecturas: Meta vuelve a competir arriba y, a la vez, se aleja un poco más del discurso abierto que construyó con Llama.
¿Dónde queda Muse Wonder frente a sus rivales?
En el Artificial Analysis Intelligence Index, una de las referencias independientes más seguidas, Muse Wonder Full marca 56 puntos y ocupa el cuarto puesto. Muse Wonder se queda en 52, en el décimo puesto y empatado con otros tres modelos.
Por encima de Wonder Full solo está Claude Opus 5.5, que lidera con 58; Claude Sonnet 5.5 empata con él a 56. Por debajo quedan Claude Fable 5.1 y GPT-6 Astra, ambos con 53 en su configuración máxima, según la clasificación de modelos de Artificial Analysis.
Hay un matiz importante. Para llegar a esos 56 puntos, Wonder Full consumió unos 140 millones de tokens de salida, frente a una mediana de 88 millones. Dicho de otra forma: piensa mucho y en voz alta, y eso se paga en tiempo y en dinero cuando lo usas de verdad.
En cuanto a los benchmarks propios, Meta habla de resultados punteros en pruebas de agentes, memoria y programación, como el benchmark legal de Harvey (LAB), FocusBench o SWE-Marathon, pero su post no incluye cifras en el texto. TechCrunch recoge que, según Meta, Wonder supera a Fable, Opus y Astra en MemoryBench. Son datos de la propia empresa y Meta reconoce que el informe de seguridad completo llegará «pronto».
Qué son Active Memory y Active Focus
Meta vende Wonder por dos funciones con nombre propio. Active Memory conserva contexto importante sobre el usuario entre conversaciones y recupera los detalles relevantes para la tarea en curso. La investigadora Kavya Kopparapu lo resumió en el vídeo de lanzamiento: el equipo se esforzó para que el modelo «recuerde lo que es importante para ti».
Active Focus es otra cosa y conviene describirlo bien. Según Meta, define cómo el modelo sigue trabajando hacia un objetivo difícil: prueba enfoques alternativos, sortea bloqueos y se adapta a información nueva. También pide aclaraciones cuando las necesita y consulta antes de dar pasos importantes. No es un modo de concentración para el usuario, sino una forma de persistencia del agente con frenos incorporados.
Las dos piezas apuntan al mismo sitio: el asistente que Meta quiere desplegar en Muse, su producto de consumo, donde Wonder llegará primero a los suscriptores. La empresa lo presenta como «un gran salto hacia la superinteligencia personal».
¿Cuánto cuesta usar Wonder y Wonder Full?
Por API, Muse Wonder cuesta 4 dólares por millón de tokens de entrada (≈ 3,48 euros) y 20 dólares por millón de salida (≈ 17,40 euros), con la entrada en caché a 0,20 dólares (≈ 0,17 euros). Es la misma tarifa que Claude Opus 5.5. Artificial Analysis calcula un coste medio de 4,52 dólares por tarea de su índice (≈ 3,93 euros).
Wonder Full no tiene API. Solo se usa dentro de Muse Code, que tiene cuatro planes según la página de ayuda de Muse Code:
- Everyday Usage: 5 dólares al mes (≈ 4,35 euros).
- High Usage: 15 dólares al mes (≈ 13,05 euros).
- Power Usage: 50 dólares al mes (≈ 43,50 euros), el primero que incluye Wonder Full.
- Maximum Usage: 200 dólares al mes (≈ 174 euros).
Las conversiones son orientativas; Meta indica que los beneficios y la disponibilidad varían por región y se muestran antes de suscribirse.
El detalle que más importa: el modo Contributor
Las suscripciones de Muse Code llegan con el modo Contributor activado por defecto. A cambio de más uso, Meta puede entrenar sus modelos con tus prompts, tu código, tus archivos, el contexto y las respuestas que recibes.
Se puede desactivar en cualquier momento y, según Meta, desde entonces «tu contenido futuro» no se usa para entrenar. La documentación no aclara qué ocurre con lo enviado antes de desactivarlo. Las cuentas con retención cero de datos no pueden usar este modo. En la API de Wonder, el contenido estándar no se usa para entrenar.
Para un desarrollador que trabaja con código de cliente, esto no es un detalle de letra pequeña: es la primera decisión que tiene que tomar al darse de alta. Y el diseño de la oferta, con más uso si cedes datos, empuja en una dirección muy concreta.
¿Por qué Meta ya no abre sus mejores modelos?
Porque su estrategia ha cambiado desde Llama. Glimmer, analizado por Artificial Analysis el 10 de agosto de 2026, es un modelo de 30.000 millones de parámetros bajo licencia Apache 2.0, el primero de Meta con esa licencia, según Artificial Analysis. Lo más capaz se queda en casa.
No es un giro que llegue de la nada. Zuckerberg ya reconoció en septiembre que Meta calculó mal con Llama 4 y que los laboratorios que retienen modelos le parecen «bastante peligrosos», una frase que hoy suena distinta. Y el viejo debate sobre si Llama era realmente código abierto queda casi resuelto por la vía práctica: la frontera de Meta ya ni siquiera aspira a ser abierta.
Los modelos se entrenaron en Prometheus, el centro de datos de Meta en Ohio, y son el primer lanzamiento frontera desde que Alexandr Wang reorganizó la IA de la compañía en agosto de 2025.
Mi lectura: Wonder es un regreso creíble a la élite, con un cuarto puesto en una clasificación independiente. Pero el producto que lo acompaña dice más que el benchmark. Wonder Full solo en suscripción, datos de entrenamiento activados por defecto y pesos cerrados describen una empresa que ha decidido competir como OpenAI y Anthropic, no como alternativa a ellas.
La pregunta que queda abierta es si los desarrolladores que llegaron a Meta por Llama aceptarán ese cambio de trato. Con un precio idéntico al de Opus 5.5 y un rendimiento algo inferior en el índice, Wonder tendrá que ganarse a los usuarios con memoria y agentes, no con apertura.