Meta lanza su primer modelo frontier, Muse Wonder
Meta ha revelado oficialmente sus dos nuevos modelos de vanguardia, Muse Wonder y Muse Wonder Full, marcando el primer paso en la empresa hacia el desarrollo de modelos de nivel superior. Estos modelos representan una evolución significativa respecto a los modelos anteriores, como Muse Spark, que se enfocaba en la eficiencia y baja latencia. En contraste, Wonder está diseñado para ofrecer un rendimiento más robusto, con mejoras en tareas complejas como la programación y una mayor capacidad de procesamiento.
La publicación del blog de Meta indica que estos modelos son parte fundamental de su estrategia para alcanzar lo que llaman «superinteligencia personal». La compañía afirma que combinados, estos modelos representan un avance importante en su escalada tecnológica y un paso decisivo hacia la creación de sistemas inteligentes capaces de aprender y adaptarse de manera más efectiva.
En cuanto a su disponibilidad, ambos modelos estarán accesibles a través de la Meta Model API, aunque con precios competitivos. El costo será de $4.00 por cada millón de tokens de entrada y $20.00 por cada millón de tokens de salida, lo cual coloca a Wonder en una posición similar a otros modelos de alto rendimiento como GPT-6 Sol o Opus 5.5. Esta tarificación refleja la inversión significativa en infraestructura y optimización necesaria para ofrecer un rendimiento de primera clase.
Una particularidad del lanzamiento es que Muse Wonder Full solo estará disponible para suscriptores de Muse Code, sin ser distribuido públicamente a través de la API. Esto sugiere que Meta está adoptando una estrategia de segmentación, ofreciendo funcionalidades premium a usuarios específicos mientras mantiene ciertos recursos exclusivos para sus clientes más comprometidos.
Además, ambos modelos formarán parte del núcleo del agente Muse, una nueva herramienta que busca integrar inteligencia artificial en tareas cotidianas y colaborativas. Meta ha enfatizado en cómo estos modelos permitirán al agente mantener un registro persistente de información relevante durante períodos prolongados, desde días hasta meses, mejorando así su capacidad de recordatorio y contexto.
Para validar esta capacidad de memoria, Meta utilizó el benchmark MemoryBench, una herramienta especializada en evaluar la habilidad de los modelos para aprender continuamente y construir memoria sobre el tiempo. Según los resultados internos, Muse Wonder obtuvo puntuaciones superiores a modelos como Fable, Opus y Astra, lo que demuestra su superioridad en este aspecto clave.
El lanzamiento de estos modelos ocurre tras una reestructuración significativa en los esfuerzos de inteligencia artificial de Meta, liderada por Alexandr Wang, quien reorganizó las operaciones en agosto del año pasado. Desde entonces, Meta ha presentado modelos ligeros como Muse Spark y el agente Muse, pero ha mantenido distancia de los grandes lanzamientos de modelos de estado del arte característicos de competidores como OpenAI y Anthropic.
Los modelos fueron entrenados en el centro de datos Prometheus de Meta, ubicado en el centro de Ohio, que entró en funcionamiento a principios de este año. Este centro representa una inversión estratégica en infraestructura de procesamiento para soportar los requerimientos computacionales de modelos de gran escala.
La introducción de Muse Wonder también viene acompañada de una campaña de promoción especial, donde los usuarios pueden obtener el 50% de descuento al comprar una segunda entrada a eventos relacionados con innovación tecnológica, como el Disrupt Experience. Esta iniciativa refleja el interés de Meta en fomentar la colaboración y el intercambio de ideas dentro de la comunidad tecnológica.
Con estos lanzamientos, Meta busca consolidar su posición en el mercado de inteligencia artificial, combinando avances técnicos con una estrategia de comercialización cuidadosamente pensada. La llegada de Muse Wonder y Wonder Full marca un hito importante en el camino hacia una IA más avanzada y accesible para desarrolladores y usuarios finales.
Traducción y adaptación por Tecnología 365.
Fuente original: TechCrunch