Muse Wonder Full no es el modelo de la API

Meta lanzó Muse Wonder y Muse Wonder Full el 12 de octubre de 2026, pero el modelo más capaz, Full, no está en la Meta Model API. Requiere una suscripción compatible de Muse Code. Eso cambia cómo interpreto el lanzamiento: los mejores resultados de Full justifican probar Full; una integración con la API necesita datos del modelo Wonder que realmente puede usar. [1] [2]

¿Se puede usar Muse Wonder Full por API?

No. Meta Developers indica expresamente que Full solo está disponible mediante suscripciones a Muse Code y que elegir max en Wonder no lo selecciona. El modelo de la API es muse-wonder-1.0. Full es una variante más capaz con otra vía de acceso, no otro nombre para el nivel máximo de razonamiento de Wonder. [2]

La distinción importa antes de comparar benchmarks. Si elijo un modelo para un agente que ya usa una API, la columna de Wonder es el punto de partida pertinente. Si busco un agente de terminal y estoy dispuesto a suscribirme, Full entra en la comparación junto con las herramientas y los límites de Muse Code.

La suscripción también está vinculada a la credencial de Muse Code creada durante la configuración inicial. La documentación de Meta dice que esa credencial solo sirve para Muse Code; las claves adicionales de la API se facturan aparte por consumo. Pagar el plan no convierte Full en un modelo que puedas usar desde cualquier cliente de API. [6]

Esta distinción resulta más útil que tratarlo como otra versión de la confusión del lanzamiento y los benchmarks de Muse Spark 1.3. En este caso, Meta documenta claramente la separación. Aun así, quien lee debe mantener cada nombre de modelo asociado a sus resultados.

¿Qué muestran realmente los benchmarks de Muse Wonder?

La diferencia entre Wonder y Full es pequeña en una prueba de programación y mayor en otra. Meta Developers publica resultados casi idénticos en DeepSWE 1.1, mientras que Full aventaja a Wonder en 4,4 puntos porcentuales en SWE-Marathon. Eso invita a estudiar cada tarea en lugar de dar por hecho que cualquier resultado de Full representa una gran mejora. [3]

La ventaja de Full es de 0,2 puntos porcentuales en DeepSWE y de 4,4 en SWE-Marathon. Sin estimaciones de incertidumbre ni ejecuciones repetidas, no usaría la primera diferencia para defender una ventaja significativa. La segunda sí me da una razón más concreta para probar Full en un proyecto considerable que requiera muchos pasos.

La ficha del modelo de Meta explica por qué hay que interpretar cada fila por separado. DeepSWE 1.1 contiene 113 tareas de 91 repositorios, evaluadas con pruebas funcionales y de regresión. Meta atribuye los resultados de Wonder y Full a Datacurve. SWE-Marathon evalúa proyectos de mayor alcance mediante sus pruebas ejecutables, y la ficha atribuye esos resultados a Abundant AI. [4]

La misma ficha indica que los resultados de los competidores en SWE-Marathon usan productos como Codex y Claude Code, por lo que la fila completa no es una comparación controlada con un mismo harness. El harness es el software que rodea al modelo: herramientas, instrucciones y bucle de ejecución. Eso no invalida los resultados, pero cambia la pregunta que responden. Comparan los sistemas evaluados, sin aislar la calidad del modelo. Es el mismo problema que explica cómo puntuaciones de benchmark parecidas pueden ocultar capacidades prácticas distintas. [4]

¿Cuánto cuesta la API de Muse Wonder?

Meta Developers fija las tarifas de Wonder en 4 dólares por millón de tokens de entrada sin caché, 0,20 por millón de entrada en caché y 20 por millón de salida. Wonder no tiene descuento del nivel colaborador (Contributor mode) en la API, y los precios publicados no añaden un recargo por contexto largo. Son tarifas de Wonder, no precios por token de Full. [5]

Una petición hipotética con 100.000 tokens de entrada sin caché y 10.000 de salida cuesta 0,60 dólares: 0,40 de entrada y 0,20 de salida. Si toda la entrada pudiera servirse desde la caché, esos mismos tokens costarían 0,22 dólares. Los ejemplos excluyen las herramientas facturadas aparte y las peticiones posteriores. Meta cobra 2,50 dólares por cada 1.000 consultas de búsqueda web, además del coste de los tokens. [5]

En un agente, el coste útil es el del intento completo. Las llamadas repetidas a herramientas envían más contexto, los enfoques fallidos consumen tokens y una corrección puede exigir otra ejecución. Una lista de precios me dice cuánto cuestan los tokens. No me dice cuántos necesitará Wonder para entregar un cambio que pueda aceptar.

Por eso no combinaría las tarifas de la API de Wonder con el mejor resultado de Full para presentarlo como una ganga. Sería unir el resultado de un modelo con el precio de otro. Tampoco dividiría el precio mensual de una suscripción entre un supuesto número de tareas: dependería del uso real y de los límites del plan. La diferencia entre precio por token y coste medido por tarea también importa en la comparación de GPT-6.1 Sol.

¿Active Memory sustituye a la gestión de contexto?

Meta AI Research describe Active Memory como la capacidad de conservar información relevante entre conversaciones, mientras que Active Focus consiste en seguir trabajando hacia un objetivo pese a los obstáculos y cambios. Son capacidades que merece la pena evaluar, pero esas descripciones no explican por sí solas cómo un agente concreto de API conservará el estado del proyecto. [7]

La integración aún debe responder una pregunta práctica: ¿qué información recibirá el modelo cuando se reanude el trabajo? Que un modelo pueda recuperar un requisito solo ayuda si el sistema lo guarda y proporciona la información adecuada. Yo lo probaría con un requisito modificado y una nota anterior que lo contradijera, y comprobaría cuál sigue el agente.

Por eso mantendría una gestión explícita del contexto para agentes de programación mientras pruebo Wonder. Una ventana grande y una función de memoria anunciada no hacen evidentes las instrucciones vigentes del repositorio, las decisiones aceptadas o el trabajo pendiente. Lo útil es que el agente retome la tarea con las restricciones correctas, no que solo recuerde una frase.

¿Qué haría que Full mereciera la suscripción?

Para mí, Full justificaría su lugar si terminara trabajos difíciles con menos correcciones que la alternativa disponible por API. La mayor diferencia en SWE-Marathon me da una razón para probarlo en tareas largas, pero mediría los resultados aceptados y el tiempo transcurrido antes de asignarle una función.

Empezaría con un cambio conocido del repositorio, mantendría el mismo commit inicial y las mismas pruebas de aceptación, y registraría tanto los intentos fallidos como los exitosos. Para Wonder por API, guardaría los cargos de tokens y herramientas. Para Full en Muse Code, registraría el consumo de la suscripción, las esperas y mis correcciones posteriores. Así conservaría la distinción entre el modelo al que llamo y el producto al que me suscribo.

Antes de introducir código privado en la prueba, también revisaría el nivel colaborador. La documentación de suscripciones de Meta dice que viene activado por defecto y permite entrenar con el contenido enviado a cambio de más uso. Se puede desactivar, y Full sigue disponible en los planes compatibles en ambos modos. Esa decisión forma parte de la configuración de la prueba porque cambia las condiciones de tratamiento del código. [6]

Mi primera pregunta ante cualquier resultado llamativo de Muse Wonder es, por tanto, el nombre exacto del modelo. Una vez aclarado, puedo elegir una prueba que corresponda al acceso que realmente tengo y averiguar cuánto cuesta terminar mi trabajo.