La próxima batalla de los asistentes de IA no se limita a contestar mejor una pregunta. También consiste en recordar lo importante y terminar un encargo con varios pasos. Meta presentó Muse Wonder y Muse Wonder Full el 12 de octubre, con esa idea como centro de su nueva familia de modelos.
Hay una distinción práctica en el anuncio de Meta: Wonder ya se ofrece mediante Meta Model API y Muse Code, y Wonder Full está disponible para suscriptores de Muse Code. Su llegada a la aplicación Muse se anuncia para más adelante, primero para suscriptores. No significa que todos los usuarios de Instagram o WhatsApp tengan hoy el nuevo modelo activado.
Memoria que se utiliza, no solo conversaciones almacenadas
Meta llama Active Memory a la capacidad de recuperar contexto relevante de conversaciones anteriores. La diferencia que pretende establecer es sencilla: guardar un dato no sirve de mucho si el asistente no lo encuentra cuando vuelve a necesitarlo.
Un ejemplo cotidiano ayuda a entender el objetivo. Para preparar una actividad, un asistente puede necesitar recordar preferencias, compromisos y decisiones previas. La promesa de esta memoria es reducir lo que hay que explicar de nuevo. Su utilidad real dependerá de que recupere el dato correcto y de que se pueda controlar qué conserva.
Qué significa que una IA tenga más «foco»
La segunda pieza es Active Focus. En su explicación técnica, Meta describe un modelo que prueba otros caminos cuando encuentra obstáculos, adapta su plan y consulta al usuario antes de acciones importantes. Lo evalúa con tareas prolongadas, entre ellas proyectos de software.
Es una diferencia relevante para quien usa IA trabajando. Resolver una petición breve y mantener un proyecto coherente durante muchos cambios son problemas distintos. En el segundo importan detalles poco vistosos: no olvidar una condición, comprobar una modificación, detectar que una estrategia falla y saber cuándo pedir ayuda.
Por eso, una prueba útil para estos agentes debería mirar el trabajo completo. No basta con que el primer borrador impresione. Interesa comprobar qué ocurre cuando se cambia un requisito o aparece un error, y cuánto seguimiento humano hace falta para llegar al resultado.
Qué muestran las demostraciones de Muse Wonder
Entre los ejemplos oficiales hay un juego de cocina en 3D construido a partir de imágenes, planificación de una carrera y organización de mesas para una boda con restricciones. Son demostraciones seleccionadas por Meta para enseñar programación, uso de herramientas y manejo de contexto.
Estas escenas permiten entender el tipo de trabajo que busca cubrir el producto. No son pruebas independientes de PLANA ni demuestran que cualquier encargo semejante vaya a salir bien a la primera. Tampoco conocemos, a partir de una demo, el número total de intentos o el coste de repetir el resultado.
Disponibilidad y preguntas que importan antes de conectarlo
Para desarrolladores, la vía anunciada es la API de Meta y Muse Code. Para quien solo quiere usar un asistente desde una aplicación, el calendario es diferente: el despliegue de Wonder en Muse sigue anunciado como próximo. Conviene comprobar la cuenta, el plan y el selector disponible antes de contratar por una función concreta.
La memoria persistente también cambia el criterio de evaluación. Si un agente puede manejar mensajes, calendarios o documentos privados, importa tanto su capacidad como el alcance del acceso que recibe. El anuncio afirma que el modelo se ha entrenado para tratar ese contexto con discreción y resistir usos indebidos; Meta indica que publicará más evaluaciones de seguridad.
La lectura práctica es observar si la nueva familia reduce de verdad el trabajo de supervisión. Recordar más y actuar durante más tiempo puede ser útil, pero el avance que notará el usuario será entregar una tarea con requisitos claros y recibir un resultado que pueda revisar y utilizar.
Material de presentación: Meta. Anuncio del 12 de octubre, revisado el 14 de octubre de 2026.