Meta revela Muse Wonder, un modelo de frontera mucho mayor, y revela la apuesta de más de $100.000 millones que hay detrás
Zuckerberg y Wang detallan el nuevo modelo, su lanzamiento enfocado primero en opciones de pago y la economía de un programa de IA a escala de gigavatios en un podcast conducido por John Collison, de Stripe, el 13 de octubre de 2026
Meta Platforms lanza Muse Wonder, el primer modelo de Meta Superintelligence Labs construido sobre un preentrenamiento nuevo y significativamente más grande. El CEO Mark Zuckerberg y el director de Inteligencia Artificial, Alexandr Wang, analizaron el modelo, el costo de su desarrollo y el plan comercial en una extensa conversación con el cofundador de Stripe, John Collison. Las revelaciones más útiles no fueron las afirmaciones sobre benchmarks —que provienen de la propia Meta—, sino la economía del programa y la admisión de cuán poca visibilidad tenía la empresa cuando comprometió el capital. Collison también señaló que Stripe está adquiriendo OpenRouter, donde se distribuyen los modelos de Meta, y que Stripe colaboró en la integración comercial de Muse. Los inversores deben leer sus preguntas teniendo presente esa relación.
Muse Wonder: un modelo base más grande, comercializado primero para usuarios de pago
Wang describió a Muse Wonder como "una nueva clase de modelo que está en la frontera". Se presenta en dos versiones: Muse Wonder y una gama superior denominada Muse Wonder Full. La línea anterior, Muse Spark, se construyó sobre un preentrenamiento completado a finales del año pasado. Wonder se sustenta en un preentrenamiento independiente y "significativamente más grande", en el que Meta ha estado trabajando en su fase de postentrenamiento durante algún tiempo. Sus nombres en clave internos fueron Avocado para Spark y Watermelon para Wonder. Zuckerberg comentó que la empresa se ha "quedado sin frutas" y necesitará una nueva convención de nombres.
Wang afirmó que Wonder alcanza un nivel de vanguardia según las evaluaciones propias de Meta sobre tareas de agentes personales y profesionales. También aseguró haber obtenido resultados líderes en DeepSWE y SWE-Marathon, un desempeño sólido en Terminal-Bench y calificaciones sobresalientes en diversas evaluaciones de los sectores financiero y legal. Meta destacó tres prioridades de diseño. La primera es lo que denomina memoria activa, integrada en el propio modelo en lugar de depender de un sistema externo. Wang señaló que la memoria ha sido el punto más débil en los primeros productos de agentes, y destacó el enfoque de compactación a largo y corto plazo utilizado en OpenClaw. "Nuestras evaluaciones lo demuestran, pero es algo de lo que estamos muy orgullosos", indicó, aunque reconoció que "aún hay mucho margen de mejora". La segunda es el foco activo, o la persistencia en tareas largas y ambiguas. La tercera es la experiencia especializada en áreas como finanzas, derecho, salud e impuestos, lo que, según Wang, debería hacer que el agente se sienta "como un equipo de expertos a tu disposición".
El despliegue comercial es prudente. Debido a que Wonder es más grande y su servicio resulta más costoso, Zuckerberg explicó que se lanzará "principalmente en suscripciones de pago" dentro de la aplicación Muse, mientras que Muse Spark seguirá siendo gratuito con lo que calificó como una generosa asignación de tokens gratuitos. Wonder también estará disponible a través de la API de Meta y OpenRouter. Los suscriptores de Muse Code recibirán Wonder Full. Zuckerberg expresó que Meta espera "no dentro de mucho tiempo" ofrecer un modelo tan bueno como Wonder con el formato de Spark, que es la versión capaz de dar servicio a cientos de millones de usuarios. Hasta entonces, el mejor modelo de Meta no llega a su base de usuarios gratuitos y la compañía aún trabaja en cómo operarlo a escala. Zuckerberg añadió que las mejoras de Wonder en programación informática solo importarán a una minoría de usuarios de Muse.
Cómo asegura Meta que está evitando la manipulación de benchmarks
Al ser consultado sobre la ley de Goodhart y la optimización extrema para benchmarks (benchmaxing), Wang respondió que Meta orienta cada vez más su entrenamiento hacia evaluaciones internas. Los benchmarks externos, apuntó, "no son un mal punto de partida", pero sirven principalmente para "buscar indicios de actividad". Fue contundente respecto a su procedencia: confiar en ellos significa "delegar todo el pensamiento sobre el producto en aquel estudiante de doctorado que casualmente creó un benchmark viral".
Un artículo de investigación de Meta cuantifica lo que denomina "olor a modelo grande" (big model smell), definido como la brecha entre el rendimiento de un modelo en tareas que se asemejan a su aprendizaje por refuerzo (RL) y datos de postentrenamiento, y su desempeño en tareas fuera de su distribución (out-of-distribution). Wang señaló que esa brecha se reduce drásticamente de la línea Spark a la línea Wonder, lo cual atribuyó a la solidez del modelo base. Dicha métrica es propia de Meta y no ha sido auditada. No obstante, sugiere que la compañía percibe el preentrenamiento ampliado como la fuente de la mejora, y no solo una mayor fase de postentrenamiento. Wang citó la progresión de Spark de la versión 1 a la 1,3, que no empleó nuevo preentrenamiento, como evidencia de que las recetas de aprendizaje por refuerzo mejoran con rapidez en toda la industria. Meta afirma que está escalando de manera simultánea tanto el preentrenamiento como el RL.
Zuckerberg expuso su filosofía de producto sin rodeos: "el modelo es el producto". Afirmó que el verdadero desafío de ingeniería en Muse radica en el modelo de privacidad y seguridad para los datos que manipulan los agentes, mientras que la personalidad y las capacidades se adquieren mediante el entrenamiento. Destacó la discreción como un atributo más crítico para un agente personal que para uno enfocado en programación. Un agente personal debe conocer numerosos detalles del usuario a la vez que "revela la menor cantidad posible" de información a terceros, por ejemplo, al reservar un restaurante teniendo en cuenta una condición médica. Muse carece de un selector de modelos o de nivel de esfuerzo, una decisión deliberada que Zuckerberg vinculó a la confusión generalizada en la nomenclatura del sector.
La decisión de $100.000 millones tomada antes de que existieran los modelos
La revelación más llamativa fue la forma en que se financió el programa. Zuckerberg relató que, a finales del año pasado y sin haber visto aún los modelos, Meta se preparaba para emitir un cheque por "unos, no sé, $100.000 millones, $200.000 millones". Recordó haberle preguntado directamente a Wang: "Alex, ¿estás seguro de que esto va a funcionar?". Wang mencionó que, durante una reunión ejecutiva fuera de la oficina en Hawái, la directora financiera (CFO) Susan Li lo apartó repetidamente para advertirle que "si esto no funciona... las consecuencias financieras van a ser muy, muy graves". Describió la situación como "emprendimiento en modo difícil. Es lo opuesto a Lean Startup", ya que esperar a tener pruebas significa quedarse "radicalmente rezagado".
Sobre los costos, Zuckerberg ofreció estimaciones aproximadas acordes a la industria. Operar un clúster de 1 gigavatio durante un año ronda los $15.000 millones, mientras que construirlo cuesta inicialmente entre $50.000 millones y $60.000 millones. Los costos de investigación, que incluyen pruebas en cada nivel de escalado, son probablemente comparables a los del ciclo final. Los costos operativos de servicio se suman a lo anterior. Afirmó que las proyecciones financieras que ha revisado sitúan "decenas de miles de millones de dólares" como una estimación razonable para entrenar un modelo de frontera. El clúster Prometheus de Meta en Ohio está superando el gigavatio de escala, y se proyecta que el clúster Hyperion en Luisiana alcance los 5 gigavatios. Zuckerberg indicó que ambos se planificaron en 2023 o 2024, antes de la creación de MSL. Agregó que la capacidad de los centros de datos para operar Muse debió comprometerse con años de anticipación respecto a un producto que todavía no existía.
Zuckerberg argumentó que el riesgo a la baja es menor de lo que sugieren las cifras. Si los modelos de Meta se quedaran cortos, indicó, otros compradores pagarían por esa capacidad a un precio similar por gigavatio, por lo que "la IA en general tendría que fracasar" para que la capacidad de cómputo quede inutilizada. Esta es una perspectiva gerencial, no una garantía, y depende de que continúe la demanda de cómputo en la industria.
Cómo planea Meta sufragar la inversión
Al ser consultado sobre cómo se financiará esta expansión, Zuckerberg enumeró cuatro vías de ingresos. En primer lugar, las suscripciones, comenzando por el acceso a Wonder. En segundo lugar, el comercio, donde Meta retendría "una pequeña comisión" sobre lo que Muse ahorre o genere a los usuarios, además de ofrecer un agente "de negocio listo para usar" (business in a box) para pequeñas empresas. En tercer lugar, la API y una nueva Meta Enterprise Platform liderada por CJ Desai, dirigida a compañías que, según prevé Zuckerberg, buscarán un modelo Wonder "excelente y económico". En cuarto lugar, el negocio principal de publicidad, el cual describió como generador de "cientos de miles de millones de dólares y todavía en rápido crecimiento", y que puede acelerarse "un par de puntos porcentuales más" con estos modelos. No se proporcionaron cifras de ingresos ni plazos para ninguna de estas iniciativas.
Asimismo, apuntó a una ventaja contable frente a los rivales dependientes de la nube. Meta capitaliza y deprecia sus propios centros de datos, mientras que los sueldos de los investigadores se registran como gastos operativos. Afirmó que incluso las GPU H100 conservan hoy un valor superior al del año pasado debido a la persistente limitación en la capacidad de cómputo. El modelo declarado de Meta consiste en alcanzar primero los mil millones de usuarios y escalar los ingresos después, y frente a la pregunta de si la IA generará rentabilidad, afirmó que "más vale que la respuesta sea sí".
Comercio asistido por agentes: conducta inicial, aún sin impacto financiero
Zuckerberg señaló que Muse figura entre los primeros productos en los que los usuarios delegan por completo sus compras en un agente. Meta entrenó la capacidad de navegación web directamente en los modelos para que ningún comercio necesite realizar integraciones complejas, y está gestionando accesos directos por API con socios principales. Comentó que "muchas más empresas" se están comunicando para lograr una integración profunda que aquellas que intentan bloquear a los agentes. Como ejemplo personal, mencionó su rutina semanal de repostería con su hija, en la que Muse realiza los pedidos de ingredientes a través de Instacart. Relató que abrió una cuenta en Instacart exclusivamente para Muse y que ahora utiliza el servicio una o dos veces por semana. Su argumento fue que los agentes con cuentas propias pueden expandir el mercado total direccionable del comercio, y no limitarse a robar cuota de mercado. Se trata de una anécdota y Meta no aportó datos sobre volúmenes de pedidos o tasas de conversión.
Informes de terceros, según Zuckerberg, sitúan a Muse posiblemente como la aplicación de IA o de agentes de más rápido crecimiento hasta la fecha, aunque no se facilitaron cifras de usuarios. Añadió que Meta no tenía listas las herramientas de crecimiento en el momento del lanzamiento debido a que preveía iterar de forma progresiva hasta lograr la adecuación del producto al mercado.
Un laboratorio compacto y enfocado en el talento, y una admisión sobre Llama 4
Zuckerberg fue directo respecto al proceso de reestructuración. Meta lanzó Llama 4 el 4 de abril de 2025, quedó insatisfecha con su trayectoria y comenzó a contactar a asesores externos unas dos semanas después. Wang indicó que el equipo de investigación cuenta con "menos de 200 personas", probablemente cerca de 100 excluyendo al personal de infraestructura, en contraste con los cientos presentes en otras organizaciones, con el cómputo concentrado en unas pocas apuestas y sin dispersarse ("como mantequilla de maní") entre iniciativas competidoras. Describió una reunión inicial en la que un líder de la era Llama preguntó si Meta realmente necesitaba un modelo de razonamiento, calificándolo como un "momento desolador". Zuckerberg expresó que el laboratorio debía sentirse como un reinicio para poder captar al mejor talento. También comentó que liberó su agenda durante uno o dos meses para reunirse con los investigadores. Wang destacó que Wonder se planificó desde agosto y que las primeras ganancias derivadas del postentrenamiento llegaron con rapidez, lo cual calificó como una señal muy positiva.
Por qué Meta sostiene que la IA no será un mercado de "el ganador se lo lleva todo"
Wang afirmó que la aceleración por autorreferencia recursiva pronosticada en 2023 no se ha materializado. Atribuyó este fenómeno a la ejecución irregular en los distintos laboratorios y a la destilación, a la que calificó como una "fuerza antihegemónica" que concentra la capacidad de frontera en modelos más compactos. Zuckerberg apuntó que a Meta le importan más los agentes personales y profesionales que a otros laboratorios, lo que describió como un factor de diferenciación. Agregó que un ecosistema dotado de diversos modelos y mecanismos de control resulta más seguro que uno donde unas pocas empresas monopolizan los mejores modelos. Zuckerberg también indicó que Meta tal vez no construya una tienda de aplicaciones para sus gafas inteligentes, las cuales anticipa que serán un "producto puramente multimodal", y añadió que Muse Gadgets ha despertado el interés de fabricantes de teléfonos móviles.