Meta paso anos regalando su inteligencia artificial. Ahora mostro lo en serio que va con la venta de un modelo de frontera propio. La compania lanzo Muse Wonder y Muse Wonder Full, dos nuevos modelos de sus Superintelligence Labs que, segun la empresa, rinden a un nivel comparable al de los sistemas lideres de OpenAI y Anthropic. El consejero delegado, Mark Zuckerberg, describio Muse Wonder como una clase de modelos mucho mayor y mas avanzada que la familia Muse Spark anterior. El responsable de inteligencia artificial, Alexandr Wang, lo llamo el modelo mas grande y capaz de la compania hasta hoy.
Los nombres de sus funciones estrella revelan lo que Meta cree que faltaba. No mas ingenio en bruto, sino memoria y constancia. Dos cualidades muy humanas, por cierto, y muy parecidas a las que se celebran cuando una comunidad reconoce anos de servicio, como ocurrio en el homenaje neoyorquino a Leandro y Denise Rizzuto en el Dia de Colon, donde recordar y permanecer tambien fueron protagonistas.
Memoria activa: un agente que recuerda lo importante
La memoria activa es la respuesta de Meta a una frustracion que conoce cualquiera que use inteligencia artificial a diario. Le explicas tu proyecto, tus preferencias y tus limites. Al dia siguiente, el modelo te pide que se lo expliques otra vez. Meta afirma que Wonder conserva los detalles importantes entre conversaciones y los recupera cuando resultan relevantes para la tarea que tiene delante, en lugar de tratar cada charla como una primera cita.
La compania probo esa capacidad con una evaluacion interna llamada MemoryBench, que esconde datos dentro de conversaciones largas, anade distracciones y cambia algunos hechos a mitad de camino. Meta informa de que ambos modelos Wonder obtuvieron alrededor de 85,5 puntos, por encima de los demas modelos que probo. Como ocurre con todas las cifras de la semana de lanzamiento, conviene tomarlas como resultados reportados por la empresa a la espera de mas pruebas independientes. Aun asi, la direccion es la correcta. Un asistente que recuerda las condiciones del contrato que comentaste la semana pasada es, sencillamente, mas util que una mente brillante sin memoria.
Enfoque activo: construido para terminar el trabajo
La segunda funcion, el enfoque activo, ataca otra debilidad frecuente. Los modelos suelen atascarse ante el primer obstaculo: una llamada a una herramienta falla, un documento contradice una suposicion o un paso devuelve un error. Meta asegura que Wonder esta entrenado para probar otro camino, rodear el problema, recuperarse de los fallos y pedir aclaraciones cuando de verdad tiene dudas, en lugar de abandonar el objetivo. Para un usuario profesional, ese comportamiento marca la diferencia entre una demostracion bonita y un colaborador de verdad.
Wonder esta afinado en especial para la programacion con agentes. Segun Meta, puede planificar un trabajo de software, llamar herramientas en paralelo, repartir partes del trabajo entre subagentes mas pequenos y mantener un proyecto complejo en marcha hasta terminarlo. Ya esta disponible para desarrolladores a traves de la API de modelos de Meta y de Muse Code. Wonder Full, el modelo mayor, esta disponible para suscriptores de Muse Code y ambos modelos impulsaran pronto mas funciones de Muse, la aplicacion de agente personal de Meta, para suscriptores de pago. El precio de API comunicado para Wonder es de 4 dolares por millon de tokens de entrada y 20 dolares por millon de tokens de salida, con una ventana de contexto de un millon de tokens, espacio suficiente para documentos, codigos y archivos de investigacion muy largos en una sola sesion.
Lo que dicen – y lo que no dicen – las evaluaciones
Meta se apoyo en el evaluador independiente Artificial Analysis para sus cifras principales. En su indice de inteligencia, version 4.3, Muse Wonder Full obtuvo 56 puntos y Muse Wonder 52, frente a los 48 de Muse Spark 1.3. Un salto asi en una sola generacion es un resultado fuerte. Varios informes del lanzamiento destacaron tambien resultados competitivos en areas expertas como derecho, finanzas y salud, donde un modelo tiene que leer con cuidado y razonar, no solo conversar.
Un poco de proporcion ayuda a leerlo bien. Las configuraciones de evaluacion varian entre proveedores y las notas tempranas suelen asentarse cuando miles de usuarios reales empiezan a hacer preguntas reales y desordenadas. El veredicto justo hoy es mas estrecho y, aun asi, impresionante: Meta, que lanzo su modelo Spark en abril tras una inversion de 14.000 millones de dolares en Scale AI el ano pasado que trajo a Wang para liderar su impulso en inteligencia artificial, presenta ahora una familia que la puntuacion independiente coloca en la conversacion de frontera. Para los compradores, una cuarta opcion creible significa mejores precios y un progreso mas rapido.
Esa idea de elevar el liston compartiendo lo aprendido conecta con otro mensaje reciente que publicamos, la reflexion del Papa Leon XIV sobre compartir y que nada se pierda. En tecnologia, como en la vida comunitaria, el avance se multiplica cuando el conocimiento circula y no se guarda bajo llave.
Donde encaja Wonder en un dia de trabajo
Los ejemplos de la propia Meta son practicos, sin fuegos artificiales: avanzar con una reclamacion al seguro, entender un contrato de alquiler o poner orden en las finanzas personales. A esa lista se anade la rutina profesional diaria: revisar contratos, conciliar cuentas o resumir un informe de cien paginas antes de una reunion de manana. Son trabajos donde la memoria y el seguimiento valen mas que el ingenio. Un modelo que recuerda la estructura de tu cartera y sigue trabajando cuando una formula de una hoja de calculo se rompe te ahorra una hora, no un minuto.
Los creadores y profesionales de eventos tambien son un publico natural: hilos de planificacion largos, muchos proveedores y detalles que no se pueden perder. Un agente que lo recuerda todo durante semanas mejora de verdad la forma de hacer ese trabajo. Es el mismo espiritu de constancia que se reconoce en perfiles como el de Gloria T. Cressler y su compromiso filantropico en Nueva York, donde seguir presente, ano tras ano, es lo que convierte una intencion en resultados.
Conclusiones practicas
Los desarrolladores deberian probar Wonder en su trabajo de varios pasos mas dificil, no en su pregunta de chat mas facil. La promesa del modelo es la persistencia, asi que la prueba honesta es una tarea con obstaculos. Los equipos que evaluen la API deberian valorar tambien el contexto de un millon de tokens frente a sus documentos reales: los archivos legales y financieros largos son donde ese espacio se gana el sueldo.
Quienes conozcan Wonder a traves de la aplicacion Muse deberian empezar con una tarea recurrente – un informe semanal o una nota de investigacion permanente – y dejar que la memoria activa se construya alrededor de ella. La memoria se acumula. La segunda semana se sentira mas inteligente que la primera.
Segun la informacion de AFP sobre el lanzamiento, Meta suma 3.600 millones de usuarios diarios entre sus aplicaciones. Si solo una fraccion de ellos conoce a un agente capaz y con memoria dentro de productos que ya abre cada dia, el alcance de Wonder puede crecer muy rapido. El lanzamiento no resuelve la carrera de frontera. Hace algo casi tan valioso: la ensancha y ofrece a los usuarios un modelo construido alrededor de las dos cosas que la gente que trabaja pide de verdad: recuerda lo que te dije y termina lo que empezaste.
Sé el primero en comentar