Michael JohnsonUn agente de IA que ejecuta tareas en varias etapas debe mantener el objetivo, recuperar la información pertinente del contexto anterior y continuar trabajando después de un error. El 12 de octubre de 2026, Meta presentó los modelos Muse Wonder y Muse Wonder Full, diseñados por la empresa para estos escenarios. Muse Wonder está disponible para desarrolladores a través de Meta Model API y Muse Code; Muse Wonder Full, para suscriptores de Muse Code. Meta también afirma que más adelante Muse Wonder empezará a admitir las funciones de Muse, primero para suscriptores.
El lanzamiento destaca, ante todo, el paso de mostrar un asistente personal a ofrecer modelos para desarrolladores. Meta describe tareas que van desde comprender documentos e información financiera hasta programar en varias etapas. Los equipos que evalúan modelos de agentes pueden consultar la descripción de las pruebas y una ficha independiente del modelo con las condiciones de comparación y la evaluación de riesgos.
Qué entiende Meta por Active Memory y Active Focus
En la descripción de Meta, Active Memory es la capacidad de trasladar información relevante entre conversaciones y recuperarla cuando ayuda a la tarea actual. Active Focus se refiere al trabajo prolongado: el modelo prueba enfoques alternativos, resuelve obstáculos y solicita aclaraciones cuando las necesita. La empresa también afirma que el modelo consulta al usuario antes de realizar acciones importantes.
Estas características están pensadas para tareas cuya respuesta requiere varios pasos, como buscar información en documentos, planificar o modificar un proyecto de software. Meta vincula la evaluación del rendimiento sostenido con FocusBench y SWE-Marathon. La ficha especifica que SWE-Marathon evalúa proyectos grandes según la superación de pruebas, mientras que FocusBench comprueba cómo un agente supera obstáculos y se adapta a un entorno cambiante a través de una serie de interacciones.
Qué se sabe sobre las pruebas
Meta publicó la ficha del modelo Muse Wonder, con una lista de evaluaciones, la metodología y las condiciones de implementación. Según la ficha, los modelos aceptan texto, imágenes, vídeo y audio, y su ventana de contexto declarada durante la inferencia es de un millón de tokens. También se describen pruebas de escenarios con agentes, programación, trabajo con documentos y seguridad.
Las condiciones de comparación varían según la prueba. En las comparaciones internas controladas de programación, Meta utilizó un entorno de pruebas común; algunos otros resultados proceden de evaluadores externos o de informes de proveedores de modelos. Por ejemplo, los resultados de SWE-Marathon se basan en datos de Abundant AI: GPT‑6 Astra se evaluó mediante Codex y Claude Fable 5.1, mediante Claude Code. Por tanto, esa fila no constituye una comparación de todos los modelos en un mismo entorno.
Meta informa de que Muse Wonder Full obtuvo 92 indicadores en ExploitGym. La ficha aclara que, durante la evaluación, 21 indicadores correspondían a vulnerabilidades previstas, mientras que los 71 restantes se obtuvieron mediante vulnerabilidades no previstas. En la clasificación publicada solo se contabilizan los primeros. Es un ejemplo de cómo la metodología de evaluación cambia el significado de la cifra final.
Qué comprobar antes de la implementación
Para realizar un piloto práctico, los desarrolladores deberían empezar por las tareas habituales de su producto: proporcionar al agente un conjunto limitado de herramientas, definir un resultado verificable y medir la proporción de escenarios completados, el número de errores y la necesidad de intervención humana. También deberían comprobar por separado qué sucede ante datos contradictorios, fallos de herramientas e intentos de realizar acciones irreversibles.
La ficha del modelo de Meta recomienda evaluar el modelo para cada aplicación concreta y establecer medidas de protección adicionales, incluida la confirmación humana de las acciones irreversibles. También señala que la calidad depende de la configuración del servicio, las instrucciones, las herramientas y el entorno del agente. Por eso, la ventana de contexto declarada debe considerarse junto con los resultados en las tareas pertinentes.
A 13 de octubre de 2026, están confirmados el lanzamiento de ambos modelos, los canales de acceso indicados y los materiales sobre pruebas publicados por Meta. La disponibilidad a través de Muse para suscriptores es una fase futura, no un lanzamiento ya realizado para todos los usuarios. Para los desarrolladores, el lanzamiento ofrece una base para realizar un piloto propio; la decisión de implementarlo debería tomarse a partir de los resultados en las tareas y las comprobaciones de seguridad del sistema de destino.