muse-wonder-1.0. Full es el modelo más avanzado de la serie y, por ahora, solo entra por Muse Code, con suscripción. Esta página es sobre Wonder.
Meta le pone nombre a dos piezas de ese comportamiento. Active Memory lleva lo que importa entre conversaciones y trae de vuelta el detalle justo en el momento de la tarea. Active Focus sigue en el objetivo cuando la tarea se traba: prueba otro camino, se recupera de un error, pide una aclaración y confirma antes de una acción importante.
Artificial Analysis registra esa entrada multimodal en la variante de esfuerzo máximo. Meta no publicó la cantidad de parámetros.
Cuándo usar Muse Wonder y cuándo usar Opus 5.5
La diferencia está en el tipo de acción. Meta ubica a Wonder en coding de repositorio, uso de computadora y tareas en las que el agente tiene que recordar el contexto y recuperarse de un error. Opus 5.5 sigue adelante cuando el trabajo pide juicio abierto, terminal o un programa escrito desde cero.Qué midió Meta
Los números de abajo salen de la tabla de Meta en esfuerzo máximo. Muse Wonder Full marca más alto en casi todas las filas, y no es el modelo de esta página.Coding que cruza el repositorio
En DeepSWE 1.1, coding de horizonte largo, Wonder marcó 78,8%. Claude Opus 5.5 quedó en 74,2% y GPT-6 Astra en 74,1%. En SWE-Marathon, ingeniería de horizonte muy largo, fueron 53,1%, contra 46,3% de Opus 5.5 y 42,5% de Astra. En la terminal y en el programa escrito desde cero, el orden se invierte. En Terminal-Bench 4.0, Wonder quedó en 52,0%, detrás de Opus 5.5 (59,6%) y de Astra (59,1%). En ProgramBench quedó en 50,0%, bien detrás de Opus 5.5 (70,5%).Memoria, herramientas y pantalla
En MemoryBench, Wonder marcó 85,6, por delante de Opus 5.5 (81,5) y de Astra (81,4). En JobBench, uso profesional de herramientas, quedó en 70,5%, detrás de Opus 5.5 (75,4%) y por delante de Astra (66,1%). En OSWorld 2.1, uso de computadora en la medida parcial, Wonder quedó en 72,6%. Opus 5.5 marcó 81,8% y Astra 75,8%. En la medida binaria de la misma prueba, Wonder y Astra empataron en 34,3%. En dominio, la tabla de Meta es mixta. En Finance Agent v2, 56,6%, cerca de Opus 5.5 (58,6%) y por encima de Astra (53,5%). En Harvey LAB, trabajo jurídico con documentos, 10,0%, por encima de Opus 5.5 (4,2%) y de Astra (8,6%): la franja entera sigue baja. En HealthBench Pro, 60,5%, detrás de Opus 5.5 (65,6%) y de Astra (65,3%).Qué muestran los benchmarks independientes
En la medición propia de Artificial Analysis, la variante de esfuerzo máximo marcó 52 en el Intelligence Index, en el puesto 9 entre 216 modelos de la misma clase. La mediana de la franja de precio es 27. En esa corrida el modelo generó texto a 104,1 tokens por segundo, por encima de una mediana de 83,6, y tardó 19,73 segundos hasta el primer token, contra una mediana de 5,87 segundos. Ese tiempo incluye el razonamiento. El costo promedio fue de 4,52 dólares por tarea del índice, con precio de lista de 4 dólares de entrada y 20 dólares de salida por millón de tokens.
En BenchLM, el agregado parcial es 70,44 de 100, en el puesto 16 entre 891 modelos. La cobertura todavía es parcial (21 benchmarks), así que la nota es conservadora.
La tabla la publicó Meta para el esfuerzo máximo. El Intelligence Index, la velocidad, la latencia y el costo por tarea son de Artificial Analysis sobre esa misma variante. El agregado de BenchLM usa cobertura parcial. Los resultados dependen del harness, de las tools y del esfuerzo. Validá en tu flujo antes de cambiar una configuración en producción.
Dónde no lidera
- En programa escrito desde cero, Opus 5.5 abre una diferencia grande (70,5% contra 50,0% en ProgramBench).
- En coding de terminal y en uso de computadora, Opus 5.5 y GPT-6 Astra siguen adelante.
- El tiempo hasta el primer token sube mientras el modelo razona. Para una clasificación corta, otro modelo responde antes.
- En Artificial Analysis, la variante máxima escribe más que la mediana de la franja: 130 millones de tokens de salida en el índice, contra 85 millones. Pedí respuestas cortas cuando el formato importe.
- Muse Wonder Full marca más alto en la tabla de Meta. No es el modelo de la API.
Dónde genera más valor
Un cambio que cruza varios archivos
El ajuste no entra en un solo archivo. Wonder recorre el repositorio, edita en paralelo y revisa el resultado antes de cerrar. Resultado esperado: el cambio pedido, verificado, sin un archivo de más fuera del alcance.Una tarea que se traba a mitad de camino
El plan se rompe en una tool, en una fuente o en un paso que no cierra. El modelo prueba otro camino, dice dónde paró y solo sigue en una acción importante después de confirmar. Resultado esperado: la tarea termina, o se detiene con el bloqueo escrito, sin una acción silenciosa.Un proceso que vive en la pantalla
El dato está en un sistema, en un PDF y en una planilla, y alguien tiene que operar los tres. Wonder ve la pantalla, junta las fuentes y devuelve lo que revisó. Resultado esperado: cada número apunta a la pantalla o al archivo de donde salió.Cómo aplicarlo en Tess
1
Elegí una tarea con pantalla, código o varias tools
Preferí un cambio de repositorio, un proceso con varias tools y una revisión contra la pantalla. Para clasificación corta en volumen, otro modelo responde antes.
2
Cerrá qué cuenta como listo
Decí el resultado, los archivos que pueden cambiar y la prueba que demuestra que terminó. Decí qué queda fuera del alcance.
3
Definí tools y aprobaciones
Habilitá solo las herramientas necesarias. Exigí confirmación antes de enviar, publicar, pagar o cambiar datos.
4
Pedí una recuperación explícita
Indicá al agente que pruebe otro camino cuando una etapa falle y que pare, con el motivo, si el segundo intento también falla.
5
Muestreá antes de soltarlo
Corré un caso entero, revisá qué cambió y recién después repetí el flujo.
Tres playbooks para empezar
1. Cambio de repositorio con verificación
Entrada: el repositorio, el comportamiento esperado y los tests que ya existen.Tools: lectura y edición de archivos, ejecución de los tests del proyecto.
2. Un proceso que puede fallar a mitad de camino
Entrada: el objetivo, las fuentes y la acción que exige confirmación.Tools: las integraciones del proceso, solo lectura hasta la confirmación.
3. Revisión entre la pantalla y un archivo
Entrada: el PDF o la planilla y el sistema donde aparece el mismo dato.Tools: lectura de archivos y la pantalla del sistema.
Limitaciones y buenas prácticas
- Muse Wonder Full no es este modelo. En la tabla de Meta va adelante, y el acceso hoy es por la suscripción de Muse Code.
- Un contexto de 1M tokens no reemplaza la selección de información. Enviá solo el contenido relevante.
- El precio de lista en la API de Meta es de 4 dólares de entrada y 20 dólares de salida por millón de tokens. La lectura de caché cuesta 0,20 dólares.
- Meta describe salvaguardas fuertes contra el uso químico, biológico, radiológico, nuclear y contra el abuso cibernético, y dice que el trabajo defensivo de seguridad sigue siendo posible. Un informe completo de seguridad todavía estaba por salir en el lanzamiento.
- Revisá una muestra antes de publicar, enviar o automatizar decisiones.
- Mantené aprobación humana para decisiones financieras, jurídicas, clínicas o de alto impacto.