Meta Muse Wonder: qué te da la API y qué se queda en Muse Code

1. Qué lanzó Meta: la ficha técnica

Muse Wonder es el siguiente paso después de Muse Spark, la línea cerrada que Meta Superintelligence Labs estrenó en abril de 2026. El post de lanzamiento dice que los dos modelos Wonder se entrenaron en Prometheus, su centro de datos de escala gigavatio (TechCrunch lo ubica en el centro de Ohio), y que parten de “modelos base más grandes y más fuertes” que Spark. Meta no publica el número de parámetros.

Las dos variantes se separan por canal, no por nivel de precio. Muse Wonder (muse-wonder-1.0) funciona en la Model API y en Muse Code. Muse Wonder Full aparece en el catálogo de Meta como muse-wonder-full-1.0, pero la documentación dice que solo está disponible en Muse Code con los planes Power Usage ($50/mes) y Maximum Usage ($200/mes), y que poner el reasoning effort en “max” en el modelo de la API no la selecciona.

2. Qué mejora frente a Muse Spark 1.3

Meta presenta Wonder como el siguiente peldaño de la misma escalera de escalado que Spark, y el contrato de la API lo confirma: Wonder y Spark aceptan las mismas peticiones en los mismos endpoints, así que mover un workload es cambiar el model ID. Lo interesante es cuánto subió la capacidad en unas seis semanas desde Spark 1.3.

En el Artificial Analysis Intelligence Index v4.3 (independiente), Muse Spark 1.3 saca 48, Muse Wonder 52 y Muse Wonder Full 56. Terminal-Bench 4.0 salta del 33% al 52% (Wonder) y al 57% (Full), y la tasa de alucinación de Full en AA-Omniscience baja del 33% al 23%. Eso se paga: el precio de lista pasa de $1.25 / $4.25 a $4 / $20, y Artificial Analysis midió un costo por tarea del índice de $4.52 para Wonder frente a $1.60 de Spark 1.3, unas 2,8 veces más.

Las tres diferencias reales

3. Benchmarks: la tabla de Meta y la visión independiente

La página del modelo compara las dos variantes de Wonder, con reasoning effort máximo, contra Claude Fable 5.1, GPT-6 Astra y Claude Opus 5.5. Las fuentes son mixtas: algunas filas vienen de terceros (Artificial Analysis, Datacurve, Vals AI) y otras de benchmarks internos de Meta. Me quedé con las filas que más importan a un desarrollador y quité Fable 5.1 por espacio.

El patrón es claro. Wonder lidera en código de largo horizonte y en trabajo de agentes profesionales, y queda por detrás de Opus 5.5 en el índice general, tareas de terminal, programación desde cero, salud y uso del ordenador. Fijate en lo cerca que está el modelo de la API de Full en DeepSWE (78,8 frente a 79,0) y en lo lejos que queda en el índice de Artificial Analysis (52 frente a 56).

Artificial Analysis también puntuó agentes de código completos. En su Coding Agents Index, Muse Code con Wonder Full saca 68, empatado con Claude Code sobre Sonnet 5.5 y por encima de Claude Code sobre Opus 5.5 (66); Wonder saca 63. El punto débil es el conocimiento: AA-Omniscience le da 25 a Wonder y 30 a Full, frente a 46 de Opus 5.5.

4. Quickstart sacado de la documentación de Meta

Según el quickstart de Meta, la Model API es compatible sin cambios con el SDK de OpenAI y el SDK de Anthropic: base URL https://api.meta.ai/v1, una clave bearer que exportás como MODEL_API_KEY y tres formatos de petición (Responses, Chat Completions, Messages). Meta recomienda la Responses API para trabajo agéntico y multi-turno porque puede mantener el razonamiento cifrado del modelo entre turnos.

Creá una clave en el dashboard de la Model API y exportala. Un detalle de la documentación: el SDK de OpenAI no lee MODEL_API_KEY por su cuenta, así que pasala de forma explícita.

curl -X POST "https://api.meta.ai/v1/responses" \
  -H "Authorization: Bearer $MODEL_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
  "model": "muse-wonder-1.0",
  "reasoning": {
    "effort": "high"
  },
  "input": "Plan the upgrade of a Flask app from SQLAlchemy 1.4 to 2.0: list the breaking changes to check and the order to make them in."
}'

# pip install openai
import os
from openai import OpenAI

client = OpenAI(
    base_url="https://api.meta.ai/v1",
    api_key=os.environ["MODEL_API_KEY"],  # el SDK no lee esta variable solo
)

response = client.responses.create(
    model="muse-wonder-1.0",
    reasoning={"effort": "high"},  # "minimal" ... "max"; "none" devuelve HTTP 400
    input="Plan the upgrade of a Flask app from SQLAlchemy 1.4 to 2.0: "
          "list the breaking changes to check and the order to make them in.",
)

print(response.output_text)

# Modo Standard, por 1M de tokens: $4 entrada, $0.20 cacheada, $20 salida
u = response.usage
cached = u.input_tokens_details.cached_tokens   # subconjunto de input_tokens
fresh = u.input_tokens - cached
cost = (fresh * 4.00 + cached * 0.20 + u.output_tokens * 20.00) / 1_000_000
print("tokens de razonamiento:", u.output_tokens_details.reasoning_tokens)
print(f"costo: USD {cost:.4f}")

export ANTHROPIC_BASE_URL="https://api.meta.ai"
export ANTHROPIC_AUTH_TOKEN="$MODEL_API_KEY"
export ANTHROPIC_MODEL="muse-wonder-1.0"
export ANTHROPIC_DEFAULT_OPUS_MODEL="muse-wonder-1.0"
export ANTHROPIC_DEFAULT_SONNET_MODEL="muse-spark-1.3"
export ANTHROPIC_DEFAULT_HAIKU_MODEL="muse-spark-1.3"
export CLAUDE_CODE_SUBAGENT_MODEL="muse-spark-1.3"
export ENABLE_TOOL_SEARCH="true"

5. Cuentas de costo y cuándo elegir Wonder

Con modelos de razonamiento, el precio de lista es solo la mitad de la historia, porque los tokens de razonamiento se cobran como salida. Esta es la cuenta para un turno de agente con 50K tokens de entrada y 2K de salida (razonamiento incluido), al precio de lista de cada proveedor.

Mi elección, según el workload

6. Límites honestos

Wonder es un lanzamiento fuerte con algunas aristas. Estas son las que pondría delante de un equipo antes de comprometerse.

Veredicto

Muse Wonder es el primer modelo de Meta que pondría en la misma lista corta que Claude Opus 5.5 y GPT-6 para trabajo serio con agentes. La versión de la API compite de verdad en código de largo horizonte y en tareas de agentes profesionales, cuesta lo mismo que Opus, es más rápida por token y entra en código con SDK de OpenAI o de Anthropic cambiando la base URL.

No es el líder absoluto: Opus 5.5 sigue arriba en el índice independiente y sabe más, GPT-6.1 Sol llega a la misma nota por mucho menos, y la variante que Meta más presume está encerrada en Muse Code. Mi plan: mandá esta semana un workload de largo horizonte a muse-wonder-1.0, registrá tokens y costo por tarea junto a tu modelo actual y dejá Spark 1.3 como el nivel barato de sub-agentes.