Meta ha dado un paso significativo en el desarrollo de inteligencia artificial con la presentación de Muse Wonder y Muse Wonder Full, sus primeros modelos frontier diseñados para ofrecer un rendimiento superior en tareas complejas. Según informó Meta en un comunicado oficial, estos modelos superan en capacidad y resultados a su predecesor Muse Spark, especialmente en áreas como la codificación y la retención de información.
Características y rendimiento de Muse Wonder
Los modelos Muse Wonder y Muse Wonder Full son más grandes y potentes que Muse Spark, con mejores puntuaciones en benchmarks comparables a Fable 5.1 y GPT-6 Astra, dos referentes en la industria. De acuerdo con el informe publicado por Meta, estos modelos tienen un enfoque especial en la memoria activa, una capacidad que permite retener y sintetizar información proporcionada por el usuario durante períodos prolongados, lo que mejora la interacción y utilidad de los asistentes personales basados en IA.
Acceso y costos de los nuevos modelos
Meta ha anunciado que Muse Wonder estará disponible a través de su API de modelos, con un costo de 4 dólares por millón de tokens de entrada y 20 dólares por millón de tokens de salida, situándose en un rango de precios similar a otros modelos avanzados como GPT-6 Sol y Opus 5.5. Por otro lado, Muse Wonder Full estará reservado exclusivamente para suscriptores de Muse Code y no estará accesible mediante la API.
Contexto del desarrollo y futuro de la IA en Meta
Estos lanzamientos representan la primera gran actualización de modelos frontier desde la reestructuración de los esfuerzos de IA de Meta en agosto del año pasado, liderada por Alexandr Wang, fundador de Scale AI. Los modelos fueron entrenados en el centro de datos Prometheus en Ohio, que comenzó a operar a principios de este año. Meta enfatiza que estos avances son parte de su visión para desarrollar superinteligencias personales capaces de asistir a los usuarios de manera continua y eficiente.
Importancia de la memoria activa en IA
La memoria activa, evaluada mediante el benchmark MemoryBench, es un aspecto clave que diferencia a Muse Wonder de otros modelos. Según explicó la investigadora Kavya Kopparapu, Meta ha invertido esfuerzos significativos para asegurar que el modelo recuerde información relevante durante días, semanas o meses, mejorando la experiencia del usuario y la capacidad de personalización.
