Todo sobre Muse Wonder

Muse Wonder en breve

Muse Wonder es un modelo de lenguaje de Meta, lanzado el 12 de octubre de 2026. Es un lanzamiento muy reciente. Es un modelo cerrado: se accede a él por API, a través de Meta o de uno de los 9 proveedores recogidos en models.dev. Dispone de un modo de razonamiento: puede «pensar» antes de responder, lo que ayuda en problemas de varios pasos pero consume más tokens y, por tanto, más dinero.

Lo clasificamos entre los modelos punteros (24 modelos de esta categoría en el sitio).

Rendimiento medido

Epoch AI publica 2 resultados de Muse Wonder en las pruebas de nuestra cesta: demasiado pocos para calcular un índice de capacidad fiable.

• OTIS Mock AIME (problemas de matemáticas de competición): 99,4 % — el mejor modelo seguido, GPT-5.5 Pro, alcanza 100 %
• FrontierMath (matemáticas de investigación muy difíciles): 82,1 % — el mejor modelo seguido, GPT-6 Astra, alcanza 93,7 %

Lo que sabe hacer

Su ventana de contexto alcanza 1.048.576 tokens, unas 1573 páginas de texto a 500 palabras por página: suficiente para cargar un libro entero o una base de código mediana. Una respuesta puede llegar a 131.072 tokens.

Acepta como entrada: texto, imagen, vídeo, PDF y audio.

Sabe llamar a herramientas (funciones, API) y devolver una salida estructurada en JSON, lo que lo convierte en una posible base para un agente de IA.

¿Cuánto cuesta Muse Wonder?

Muse Wonder cuesta 4 US$ por millón de tokens de entrada y 20 US$ por millón de tokens de salida (tarifa del fabricante, consulta del 22 de octubre de 2026).

Para hacerse una idea: leer 20 000 tokens (unas treinta páginas) y redactar 2000 cuesta alrededor de 0,12 US$; mil veces esa tarea, 120 US$.

Son 1,4 veces el precio de salida mediano de los modelos punteros (14,5 US$).

Los tokens leídos desde la caché cuestan 0,20 US$ por millón: útil para un agente que reenvía a menudo el mismo contexto.

Para estimar su propio presupuesto, use la calculadora de coste de un agente.

¿Para qué usos?

Por su categoría, Muse Wonder está pensado sobre todo para las tareas difíciles en las que la calidad importa más que el coste: razonamiento profundo, código complejo, análisis largos.

Su enorme ventana de contexto lo hace interesante para analizar grandes volúmenes de documentos en una sola petición.

Antes de adoptarlo, pruébelo con sus propios ejemplos: los benchmarks miden tareas estándar, no su oficio.

Modelos comparables

En la misma categoría, los modelos más cercanos a Muse Wonder son:

• Claude Opus 5.5 (Anthropic, índice 95,9)
• GPT-5.6 Sol (OpenAI, índice 87,3)
• Claude Opus 5 (Anthropic, índice 92,7)
• GPT-5.4 (OpenAI, índice 87,2)