Meta lanza los modelos Muse Wonder mientras su apuesta por la IA de pago coincide con una previsión de gasto de 200.000 millones de dólares

Dos nuevos modelos ponen a prueba el gasto de Meta en IA

Meta lanzó Muse Wonder y Muse Wonder Full el 12 de octubre de 2026 y afirmó que volvía a situarse entre los líderes de la inteligencia artificial, al tiempo que reservaba sus nuevas capacidades más potentes para el acceso de pago. El lanzamiento conecta tres aspectos de su estrategia: asistentes personales más capaces, ingresos por suscripciones y desarrolladores, y una expansión informática que podría encarecerse sustancialmente.

La empresa prevé gastos de capital de entre 130.000 y 145.000 millones de dólares en 2026, incluidos los pagos de principal de los arrendamientos financieros. La firma de servicios financieros Cantor Fitzgerald pronostica que el gasto podría alcanzar los 200.000 millones de dólares en 2027. Esa cifra mayor es una previsión externa, no un presupuesto anunciado por Meta. Representaría un aumento de alrededor del 38% respecto del límite superior de las previsiones de este año, o de aproximadamente el 54% respecto del límite inferior.

Los modelos llegan tras el decepcionante lanzamiento de Llama 4 en 2025 y unos 14 meses de reorganización de las operaciones de IA de Meta. Están dirigidos a la programación avanzada y a tareas relacionadas con documentos jurídicos, información financiera y datos de salud. Meta también quiere que impulsen agentes: software capaz de utilizar herramientas y realizar acciones, en lugar de limitarse a responder preguntas.

Hay indicios de un mejor rendimiento, pero no de una victoria contundente en todos los frentes. Los resultados de desarrollo de software publicados por Meta sitúan ambos modelos por encima de Claude Opus 5.5 de Anthropic en una prueba de referencia. Un índice independiente de Artificial Analysis coloca a Muse Wonder Full por debajo de ese competidor. La prueba inmediata para el negocio es si esas capacidades convencen a las personas de seguir usando los productos de Meta y pagar por ellos.

¿Qué está disponible ahora y qué llegará más adelante?

Muse Wonder está disponible para desarrolladores a través de Meta Model API y del asistente de programación Muse Code. Muse Wonder Full, la versión más capaz, está limitada a las suscripciones de Muse Code. Ninguno de los modelos está disponible para descarga pública ni para que los usuarios lo ejecuten en sus propios servidores.

El asistente personal Muse es un producto independiente. Su aplicación es gratuita y ofrece planes de pago con más uso. Meta planea incorporar Wonder primero a ese asistente para los suscriptores, pero no ha anunciado una fecha concreta de lanzamiento ni un calendario para ampliar el acceso.

La secuencia importa porque el lanzamiento de un modelo no equivale a que una actualización llegue a todos los consumidores. Los principales acontecimientos son:

• 2025: Llama 4 no cumplió las expectativas, lo que llevó a cambios en la organización de IA de Meta y en sus contrataciones.
• Septiembre de 2026: Meta presentó Muse Spark y el agente personal Muse. Spark fue el primer modelo de la división Meta Superintelligence Labs, reorganizada.
• Finales de septiembre de 2026: Amazon bloqueó la posibilidad de que Muse hiciera compras en nombre de los usuarios.
• 12 de octubre de 2026: Muse Wonder y Muse Wonder Full quedaron disponibles a través de los productos para desarrolladores anunciados.
• Próximos pasos: Wonder llegará a los suscriptores de Muse, mientras que se prevén modelos más especializados y un informe de seguridad más completo, todavía sin fechas publicadas.

Los nuevos modelos se basan en Muse Spark. La gama en expansión de Meta también incluye Muse Image, aunque el lanzamiento de Wonder se centra en los agentes y la programación, no en la generación de imágenes.

La memoria y la persistencia son las principales características del producto

Meta describe dos capacidades centrales: Active Memory y Active Focus. Active Memory conserva información pertinente de interacciones anteriores y la recupera para tareas posteriores. El director de IA, Alexandr Wang, afirma que esa información puede abarcar días, semanas o meses, lo que permite al asistente mantener preferencias y requisitos entre conversaciones.

Active Focus aborda lo que ocurre cuando una tarea no sale según lo previsto. Meta afirma que los modelos pueden recuperarse de errores, cambiar de estrategia si falla una herramienta, pedir aclaraciones y solicitar confirmación antes de realizar acciones importantes. El objetivo es reducir las situaciones en las que un agente se da por vencido o insiste una y otra vez en un método que no funciona.

Wang, que dirige las operaciones de IA de Meta, explicó el objetivo de diseño en relación con los obstáculos que surgen en las tareas cotidianas:

«Cuando se realizan tareas en el mundo real, aparecen obstáculos, imprevistos y contratiempos», dijo Wang. «Intentamos específicamente entrenar al modelo para que pruebe otros métodos en lugar de quedarse bloqueado y para que consulte al usuario en cualquier momento».

Meta señala como posibles aplicaciones las reclamaciones de seguros, la interpretación de contratos de alquiler, las finanzas personales y la programación avanzada. Muse ya está orientado a actividades como hacer la compra, reservar viajes y hacer reservas para cenar. Estos ejemplos describen usos previstos, no demuestran que los modelos completen cada tarea con precisión o seguridad.

Según los informes, ambos modelos aceptan imágenes, video y audio, y tienen una ventana de contexto de un millón de tokens. Los tokens son las unidades en las que un modelo divide la información para procesarla. La ventana de contexto mide cuánta información puede tener en cuenta a la vez; la memoria persistente es una capacidad distinta que permite conservar información seleccionada entre interacciones.

Los resultados de las pruebas son competitivos, pero no concluyentes

En SWE-Marathon, una prueba de referencia que incluye tareas sustanciales de desarrollo de software, los resultados publicados por Meta otorgan un 79% a Muse Wonder Full, un 78,8% a Muse Wonder y un 74,2% a Claude Opus 5.5. Estas cifras sitúan a Full 4,8 puntos porcentuales por delante del modelo de Anthropic y a Wonder estándar 4,6 puntos por delante.

La diferencia entre los propios modelos de Meta en esa prueba es de apenas 0,2 puntos porcentuales. Esto sugiere que los compradores deberían examinar las tareas que realmente necesitan realizar, en lugar de suponer que la versión más grande ofrece una ventaja considerable en todos los casos. Los resultados son las comparaciones publicadas por Meta, no una garantía de rendimiento en los proyectos de software de una organización.

El índice de inteligencia de Artificial Analysis ofrece una perspectiva diferente. Muse Wonder Full obtiene 56 puntos y Wonder estándar, 52. Claude Opus 5.5 encabeza la comparación con 58, mientras que GPT-6 Astra, de OpenAI, obtiene 53. Según las descripciones de la clasificación, Full está empatado en el segundo puesto y Wonder en el séptimo; una de ellas señala que Claude Sonnet 5.5 comparte la puntuación de Full.

Una fuente llama Muse Wonderful al modelo más grande de Meta, pero las otras fuentes que informan del lanzamiento lo identifican como Muse Wonder Full y le atribuyen la misma puntuación de 56. La discrepancia en el nombre no debe confundirse con pruebas de que se haya lanzado un tercer modelo.

Meta también cita comparaciones con Claude Fable 5.1 y GPT-6 Astra. Su posición frente a Gemini 4 Argon, de Google, es menos clara: un índice publicado le asigna a Gemini 53 puntos, mientras que otra fuente dice que la comparación general todavía no está clara. Las distintas pruebas miden capacidades diferentes, por lo que un buen resultado en programación no demuestra superioridad en análisis jurídico, tareas financieras o asistencia personal.

Las suscripciones y los cargos por API son costos distintos

Los planes de suscripción para consumidores de Muse cuestan 20 o 100 dólares al mes. Los planes de Muse Code cuestan 50 o 200 dólares al mes y dan acceso a Wonder Full. Esos precios de suscripción deben distinguirse de las tarifas de la API de Wonder, que cobran a los desarrolladores según la cantidad de información procesada.

El precio publicado de la API es de 4 dólares por cada millón de tokens de entrada y 20 dólares por cada millón de tokens de salida. La entrada es la información que se envía al modelo; la salida es lo que este genera. Con esas tarifas, una carga de trabajo que utilice un millón de tokens de entrada y un millón de tokens de salida costaría 24 dólares, antes de aplicar posibles descuentos u otros cargos. Ese ejemplo es un cálculo a partir de las tarifas publicadas, no el precio de una suscripción.

La entrada almacenada en caché puede tener un precio reducido, aunque no se indica una tarifa específica. El almacenamiento en caché permite reutilizar material procesado anteriormente, en lugar de tratarlo como una entrada completamente nueva. En un agente que consulta repetidamente documentos extensos, esa diferencia puede afectar los costos.

Wang afirma que la API de Meta tendrá un precio claramente inferior al de los principales modelos de OpenAI y Anthropic. La comparación de precios publicada es más limitada: se describe que las tarifas de Wonder igualan las de Claude Opus 5.5 y equivalen a aproximadamente el 40% del precio de GPT-6 Astra. Esto respalda la afirmación de que es más barato que el modelo de OpenAI, pero no que el modelo de Anthropic mencionado, según las tarifas citadas.

Los informes también difieren sobre la disponibilidad. Algunos describen el acceso a la API como algo previsto, mientras que las fuentes más específicas sobre el lanzamiento dicen que Wonder estándar ya está disponible a través de la API. No se ha anunciado acceso a la API para Wonder Full. Aunque se ha descrito que la versión más potente está dirigida a ventas directas a empresas, su canal de lanzamiento concreto es Muse Code.

Un modelo más capaz sigue necesitando acceso a los sitios web

Según datos de Sensor Tower, Muse registró casi nueve millones de descargas en todo el mundo tras su lanzamiento en septiembre. Sin embargo, las descargas miden el interés inicial, no el uso sostenido. El crecimiento de las descargas se ha ralentizado y, según los informes, su retención a los 14 días es inferior a la de ChatGPT. No se han publicado porcentajes exactos de retención.

Algunos obstáculos están fuera del alcance del modelo de Meta. Brent Thill, analista de Jefferies, dijo que los sitios web que bloquean a los agentes estaban perjudicando la experiencia de usuario. La decisión de Amazon de bloquear las compras de Muse a finales de septiembre ilustra el problema: un asistente puede entender una solicitud de compra y, aun así, no poder completarla.

Active Focus puede ayudar cuando falla una herramienta o falta información. Pero eso no demuestra que un agente tenga permiso para eludir las restricciones de un sitio web. La asistencia personal eficaz depende de la cooperación de servicios externos, además de la capacidad de razonamiento, la memoria y la persistencia.

El precio también complica la posibilidad de utilizar los modelos más potentes en todas partes. Las cifras de la plataforma OpenRouter muestran que los diez modelos descritos como de alta calidad representaron el 14% del uso en el tercer trimestre de 2026, frente al 55% del primer trimestre de 2025. En esa plataforma, se trata de una caída de 41 puntos porcentuales, no de una medición de todo el mercado de la IA.

La tendencia sugiere que los modelos más baratos están adquiriendo un papel mayor en las tareas rutinarias. Meta está desarrollando versiones especializadas que buscan conservar gran parte de las capacidades de Wonder y funcionar con mayor eficiencia, lo que podría ayudar a la empresa a atender a más consumidores sin utilizar su modelo más grande para cada solicitud.

La privacidad depende tanto de los permisos como de la configuración del producto

Los agentes que operan con mensajes, calendarios y documentos necesitan acceso a información sensible. Meta afirma que Wonder está entrenado para evitar compartir datos privados sin permiso y para rechazar ayuda con conductas dañinas. Según los informes, los modelos también piden confirmación antes de realizar acciones importantes.

Algunos usuarios se han quejado en redes sociales de que Muse accedió a mensajes personales sin autorización. Meta rechaza esas quejas. Wang afirma que la empresa está vigilando los incidentes relacionados con los agentes y explicando los permisos a los usuarios, incluso en casos en los que alguien pudo haber autorizado comunicaciones antes, durante una conversación, y luego haberlo olvidado.

Ese desacuerdo deja sin resolver las quejas concretas en la información publicada. La memoria persistente y la capacidad de actuar en distintos servicios hacen especialmente importantes unos controles claros de permisos: recordar información no equivale a tener permiso para usarla o compartirla.

El tratamiento de los datos también varía según la modalidad de acceso. Según los informes, las suscripciones de Muse Code tienen Contributor como modo predeterminado, lo que permite utilizar el material enviado para mejorar modelos futuros. Los suscriptores pueden desactivar esa opción. Según los informes, la API estándar de Model no utiliza las solicitudes para entrenar modelos. Estas son condiciones de los productos según la información publicada y no deben considerarse acuerdos de privacidad idénticos.

Para las empresas, esta distinción es independiente de la calidad en las pruebas de referencia. Un asistente de programación puede funcionar bien y, aun así, requerir una revisión para determinar si se puede enviar código de propiedad exclusiva, documentos de clientes o información personal con la configuración seleccionada.

Las afirmaciones sobre seguridad esperan una evaluación más completa

Meta afirma que Wonder ofrece hasta ahora sus medidas de protección más sólidas contra el uso malicioso en el ámbito cibernético. Actualmente, esas protecciones se asocian con el modelo de pago y no se presentan como disponibles en todas las experiencias gratuitas de Muse. La declaración no demuestra que los productos de pago no tengan protecciones; distingue las medidas que, según Meta, ofrece el nuevo modelo.

La empresa afirma que el desarrollo sigue su Marco de Escalamiento de Superinteligencia de Meta y que próximamente publicará un informe de seguridad más completo. No ha dado una fecha de publicación. Sin ese informe, la evaluación detallada que respalda las nuevas afirmaciones sobre seguridad sigue incompleta en la información pública.

El director ejecutivo, Mark Zuckerberg, sostiene que la IA puede controlarse mediante medidas de protección y un desarrollo responsable. Ha rechazado los llamados a que toda la industria ralentice la investigación, aunque reconoce que Meta ha ralentizado parte de su desarrollo interno para abordar la seguridad de sus productos.

Zuckerberg describió su postura sobre el control y la autonomía:

«Mi opinión se acerca mucho más a la idea de que la IA es una tecnología que puede controlarse mediante medidas de protección y desarrollarse de forma responsable, que a la idea de que desarrollará conciencia propia y actuará por su cuenta», dijo.

No dio una estimación de la probabilidad de que se produzcan daños catastróficos. Su postura atribuye a cada laboratorio la responsabilidad de gestionar la seguridad mientras continúa el desarrollo. Por eso, la evaluación que se publicará es una pieza pendiente importante, sobre todo en el caso de modelos diseñados para actuar y no solo responder.

La expansión informática va más allá de Meta

Los modelos Wonder se entrenaron en el centro de datos Prometheus de Meta. El lanzamiento se produce tras inversiones en infraestructura, contratación de personal y una reorganización bajo la dirección de Wang. Meta invirtió unos 14.000 millones de dólares en Scale AI e incorporó a Wang a su equipo directivo como parte de ese esfuerzo.

Una fuente describe Wonder, cuyo nombre en clave interno era Watermelon, como un modelo que utiliza aproximadamente un orden de magnitud más de recursos informáticos que Muse Spark. Se trata de una comparación publicada, no de un desglose de los costos de entrenamiento ni de los requisitos de hardware. Es coherente con el argumento de Meta de que alcanzar los primeros puestos exigió mucha más capacidad informática.

Zuckerberg afirma que la próxima etapa del desarrollo de modelos ya está en marcha y que el ritmo se acelerará. Meta trabaja tanto en modelos más grandes como en versiones especializadas más eficientes, con el objetivo de aumentar las capacidades y reducir los costos operativos al mismo tiempo.

Las perspectivas de gasto podrían generar demanda para los fabricantes de servidores vinculados a la cadena de suministro de IA de Meta, entre ellos Hon Hai, también conocida como Foxconn, Quanta, Wistron, Wiwynn e Inventec. La expectativa de que se beneficien depende de que continúen las compras de infraestructura. No se han anunciado nuevos valores de contratos, asignaciones a proveedores ni calendarios de entrega relacionados con Wonder.

Los gastos de capital también abarcan más que el presupuesto de entrenamiento de un solo modelo. Las previsiones de Meta de entre 130.000 y 145.000 millones de dólares incluyen los pagos de principal de los arrendamientos financieros, mientras que el pronóstico de 200.000 millones de Cantor Fitzgerald corresponde al año siguiente. Ninguna de las dos cifras debe interpretarse como el costo de desarrollar únicamente Muse Wonder.

Los inversionistas reaccionan antes de que se demuestren los ingresos

Las acciones de Meta cerraron la sesión del lanzamiento a 742,96 dólares, con una subida del 3,38%. Otras fuentes redondean el alza al 3,4% o a cerca del 3%. La cotización ya había empezado a subir antes del anuncio de Zuckerberg por la tarde, por lo que no se puede atribuir todo el movimiento diario únicamente al lanzamiento del modelo.

Las cifras bursátiles generales abarcan períodos distintos: una fuente indica un alza del 13% en lo que va de año y del 31% desde principios de septiembre, mientras que otra informa de una subida de casi el 10% desde el lanzamiento de Muse, más avanzado ese mes. Esas cifras no son directamente comparables sin igualar las fechas de inicio.

Justin Post, analista de valores de Bank of America, ha sostenido que la inversión en Meta Superintelligence Labs se está traduciendo en un mejor rendimiento de los modelos y en innovación de productos. El nuevo lanzamiento aporta más indicios a favor de esa opinión, pero aún no demuestra cuántos ingresos generarán los modelos.

Las preguntas comerciales son concretas. Meta no ha revelado cuántos usuarios de Muse pagarán por Wonder, cuántos desarrolladores elegirán su API ni cómo se compararán esos ingresos con el costo de operar agentes con memoria persistente. Tampoco se han anunciado fechas para ampliar la disponibilidad a los consumidores, ofrecer acceso a la API de Full o publicar el informe de seguridad. El lanzamiento fortalece la posición competitiva de Meta, pero deja abiertas esas decisiones comerciales y de implementación.

Puntos clave

• Meta lanzó Muse Wonder y Muse Wonder Full el 12 de octubre de 2026, primero con acceso para desarrolladores; el lanzamiento para los consumidores de Muse todavía está pendiente.
• La prueba de referencia de programación favorece a los modelos de Meta, mientras que Artificial Analysis sitúa a Wonder Full por debajo de Claude Opus 5.5.
• La API de Wonder cuesta 4 dólares por cada millón de tokens de entrada y 20 dólares por cada millón de tokens de salida. Full requiere una suscripción a Muse Code.
• Ninguno de los modelos está disponible para descarga pública ni para ejecutarse en los servidores de los usuarios.
• La memoria, los permisos, las restricciones de los sitios web y las condiciones de entrenamiento publicadas siguen planteando retos prácticos para el despliegue de agentes.
• Las previsiones de gasto de Meta para 2026 son de entre 130.000 y 145.000 millones de dólares. La cifra de 200.000 millones para 2027 es un pronóstico de Cantor Fitzgerald.
• No se han publicado una evaluación de seguridad más completa ni las fechas para ampliar la disponibilidad.