Muse Wonder

Artículo original ↗ Discusión en Hacker News ↗

El nuevo modelo de lenguaje Muse Wonder de Meta está siendo recibido como un sistema casi de frontera, con puntuaciones de benchmarks aparentemente justo detrás de Opus 5.5 de Anthropic y por delante de varios otros modelos de primer nivel. Los comentaristas debaten si esto indica que las capacidades de IA se están commoditizando rápidamente —favoreciendo a gigantes tecnológicos con mucho capital, cómputo y datos— al tiempo que cuestionan el sobreajuste a benchmarks, la fiabilidad de los agentes en el mundo real y el pobre historial de privacidad de Meta. Muchos celebran una competencia más fuerte frente a OpenAI y Anthropic, pero persisten reservas sobre los precios de Meta, el acceso opaco a la variante de mayor gama “Wonder Full” y la concentración más amplia de poder entre un puñado de laboratorios de IA.

Rendimiento del modelo y estado de frontera

  • Muse Wonder / Wonder Full se presentan como casi de frontera; Meta afirma que Wonder Full queda apenas por detrás de Opus 5.5 en benchmarks estilo Arena.
  • Los comentaristas reportan un rendimiento real mixto: algunos ven Wonder aproximadamente al nivel de Sol 6.1, otros dicen que se siente más cerca de Luna / Haiku / Sonnet según la tarea.
  • La visión parece más débil: las pruebas de HTML a partir de imágenes sitúan a Wonder entre Haiku y Sonnet, muy por detrás de Opus 5.5.
  • Las reseñas de programación están divididas: algunos consideran que Muse Spark ya es un gran modelo para usar a diario; otros dicen que Wonder todavía queda por detrás de Astra / Opus 5.5 / Fable en flujos de trabajo de desarrollo complejos y puede quedarse atascado en bucles.

Benchmarks frente a la realidad

  • Muchos asumen que todos los grandes laboratorios hacen “benchmaxx” entrenando con datos de benchmarks; algunos señalan que Meta lo comenta explícitamente en su publicación.
  • Los rankings de Arena para Wonder fluctuaron (brevemente #2, luego más abajo), lo que refuerza el escepticismo sobre las cifras destacadas.
  • Varios usuarios subrayan que los benchmarks se están desviando de la utilidad cotidiana (planificar viajes, fiabilidad de agentes, fiabilidad de harness de programación).

Precios, subsidios y acceso

  • El precio de la API de Wonder ($4 de entrada / $20 de salida por millón de tokens) es comparable al de competidores de primer nivel y superior al de algunos rivales.
  • Suscripciones de Muse Code: los niveles de Spark 1.3 se perciben como extremadamente subsidiados (órdenes de magnitud de valor), pero Wonder al principio consumía cuotas muy rápido; más tarde se describió como un bug.
  • Algunos se quejan de que los planes básicos/de entrada son demasiado limitados; otros elogian paquetes generosos de terceros (p. ej., OpenCode Go) que usan modelos más baratos.
  • Wonder Full está restringido a las suscripciones de nivel superior propias de Meta/harness; no se da un precio general de API.

Pesos abiertos, datos y commoditización

  • Los comentaristas dudan de que se publiquen los pesos de Wonder; hay frustración porque promesas anteriores de pesos abiertos (para Spark) siguen sin cumplirse.
  • Debate sobre si los LLM se están commoditizando:
    • Un lado: si suficiente dinero + cómputo pueden comprar capacidades de frontera, los modelos se vuelven commodities y solo unos pocos países/gigantes los poseerán.
    • El otro lado: incluso si los modelos se commoditizan, los fosos defensivos podrían venir de los datos, la infraestructura, la distribución o los ecosistemas.

Estrategia de Meta y competencia

  • Algunos ven que el enorme CapEx de Meta en IA, las acquihires y el uso del tráfico de contribuidores (decenas de trillones de tokens) por fin están dando frutos, colocándola junto a OpenAI y Anthropic en la frontera.
  • Otros sostienen que es más fácil seguir a los líderes que liderar; el liderazgo de frontera rota rápidamente (OpenAI, Anthropic, Google, xAI, DeepSeek, ahora Meta).
  • Hay debate sobre si esto muestra “gran ejecución” o simplemente cómputo bruto más apalancamiento de plataforma.

Experiencia del producto y agentes

  • Muse (agente de consumo) es elogiado como un lanzamiento importante y una rampa de entrada más fácil para “normies” vía Facebook/Instagram/WhatsApp, pero:
    • Algunos reportan poca fiabilidad en tareas del mundo real (planificación de viajes/restaurantes, información local actualizada).
    • El sandbox y las cuotas de Muse Code son criticados (bugs en algunos sistemas operativos, alto consumo de tokens, límites de uso confusos).
  • Hay confusión sobre la nomenclatura de los niveles del modelo (Spark, Wonder, Wonder Full) y qué versiones impulsan el asistente frente al producto de código o la API.

Confianza, privacidad y marca

  • Fuerte desconfianza hacia el historial de privacidad de Meta; algunos se niegan a usar Muse “tanto como” confiarían en él con datos íntimos (es decir, en absoluto).
  • Un usuario informó inicialmente haber visto cuentas de otras personas en la interfaz de inicio de sesión; más tarde se atribuyó a una interacción con un bloqueador de contenido, pero el episodio reforzó las preocupaciones sobre seguimiento y fingerprinting.
  • Flujos de cancelación rotos y compartición de datos entre productos (p. ej., mostrar amigos como “ya en Muse”) se citan como señales de que la privacidad del usuario tiene baja prioridad interna.

Seguridad, gobernanza y “superinteligencia”

  • Discusión acalorada sobre el término “superinteligencia”:
    • Algunos se oponen a su rebranding político; otros señalan que Meta lo usó antes como branding del laboratorio.
  • Debate más amplio sobre la auto-mejora recursiva:
    • A favor de RSI: escalado rápido de capacidades hasta ahora, mucho capital persiguiendo AGI, muchas evaluaciones medibles.
    • Escépticos: verificación y alineación son difíciles, los benchmarks se pueden manipular, las ganancias de inteligencia pueden ralentizarse y RSI puede optimizar habilidades medibles mientras descuida la seguridad.
  • Las opiniones difieren sobre si varios laboratorios de frontera en competencia son más seguros (controles mutuos) o más peligrosos (dinámicas de carrera, riesgos de cartel).