Muse Wonder Full vs Muse Wonder: Mismo lanzamiento, misma tarifa, cuatro puntos de diferencia en el único panel que midió ambos

Muse Wonder Full y Muse Wonder llegaron en una sola publicación el 12 de octubre de 2026, de Meta Superintelligence Labs, y casi todas las especificaciones de esa publicación se aplican a ambos. Ambos se describen con una ventana de contexto de 1.048.576 tokens. Ambos tienen un precio de $4,00 por millón de tokens de entrada, $0,20 por entrada en caché y $20,00 por millón de tokens de salida. Ambos requieren razonamiento. Ambos aceptan texto, imagen, voz y video como entrada y devuelven texto. Y en el índice independiente Artificial Analysis Intelligence Index, están separados por cuatro puntos: Muse Wonder Full con 56, clasificado en cuarto lugar de 699 modelos medidos, y Muse Wonder con 52, clasificado en noveno lugar de 219.

Los cuatro puntos son la diferencia real más pequeña entre dos checkpoints de frontera lanzados el mismo día por el mismo laboratorio, y también son lo menos decisivo del emparejamiento — porque solo uno de los dos es accesible. Muse Wonder responde en la Meta Model API y dentro de Muse Code. Meta describe Muse Wonder Full como exclusivo de la suscripción a Muse Code, a $50 al mes para Power Usage o $200 al mes para Maximum Usage. Esto no es una comparación entre un modelo fuerte y uno más fuerte. Es una comparación entre uno más fuerte al que no puedes llamar y uno más débil al que sí puedes.

Un anuncio, dos puntos de control y una columna que los separa

Lea el material de lanzamiento línea por línea y los dos modelos van a la par casi hasta el final. Donde divergen es en una sola columna, y no es la capacidad.

• Acceso — muse-wonder-1.0 responde en la Meta Model API y dentro de Muse Code; muse-wonder-full-1.0 es solo por suscripción a Muse Code, sin ruta de consumo medido y sin SDK que se pueda apuntar a él.

• Precio — la tarifa compartida de $4.00 de entrada, $0.20 en caché y $20.00 de salida describe una ruta que existe para Muse Wonder y no existe para Muse Wonder Full, cuyo costo es un plan mensual de $50 o $200.

• Índice independiente — Muse Wonder 52, noveno de 219; Muse Wonder Full 56, cuarto de 699. Cuatro puntos, medidos en el mismo arnés público, que es el único lugar donde ambos aparecen en una misma escala.

• Presupuesto de salida — el límite de respuesta única del punto de control invocable es de 943.718 tokens. El límite del punto de control de suscripción no se ha publicado, porque nadie fuera de Meta puede contarlo.

• Compuesto del proveedor — La propia tabla de Meta sitúa a Muse Wonder Full en 59,1 en su Personal Superintelligence Index y a Muse Wonder en 56. En la fila del Artificial Analysis Index de la misma tabla, Meta incluye a Muse Wonder Full en 59,0, mientras que la propia Artificial Analysis publica 56.

Vale la pena detenerse en esa última línea. El número que da el proveedor para su propio punto de control principal está tres puntos por encima de la medición independiente de ese mismo punto de control en el mismo índice nombrado, y la medición independiente del otro punto de control, 52, está más cerca del 59.1 del proveedor para el primero que lo que están las dos cifras del proveedor entre sí.

Cuatro puntos no es el número que importa

En las propias filas de horizonte largo de Meta, los dos checkpoints se separan por mucho más de cuatro puntos, y en ambas direcciones. Todos los siguientes son reportados por el proveedor, producidos en el arnés de Meta con el máximo esfuerzo de razonamiento, sin que nada haya sido reproducido de forma independiente.

• JobBench, tareas profesionales de horizonte prolongado — Muse Wonder Full 75.3, Muse Wonder 30.8. Una diferencia de 44 puntos entre dos modelos del mismo lanzamiento.

• Terminal-Bench 4.0-AA — Muse Wonder 85,6, Muse Wonder Full 85,5. El punto de control invocable se impone por un margen mínimo al de suscripción, por una décima de punto.

• SWE-Marathon — Muse Wonder Full 79.0, Muse Wonder 78.8.

• MemoryBench — Muse Wonder Full 39,4; Muse Wonder 34,3.

• Harvey LAB-AA, la suite de agentes legales de Meta — Muse Wonder 54.3, Muse Wonder Full 13.1. El checkpoint de suscripción termina último, 41 puntos por detrás del que realmente puedes llamar.

Así que el par está separado por cuatro puntos en el tablero independiente, por 44 puntos a favor de Meta en una fila y por 41 puntos en contra de Meta en la siguiente. Esos tres números no pueden describir todos la misma diferencia de capacidad, y la lectura más parsimoniosa es que no lo hacen: una oscilación de 44 puntos entre puntos de control que están separados por cuatro puntos en un arnés público es el aspecto que tiene en una puntuación agregada una evaluación sensible al arnés de una tarea con forma de rollout.

Los cuatro puntos del panel independiente son, si acaso, la cifra más honesta y la menos útil: una diferencia de una sola ejecución de ese tamaño se sitúa dentro de la banda de ruido de la propia evaluación. Tomadas junto con la tabla compuesta, las tres filas apuntan en conjunto a la misma conclusión: se trata de dos checkpoints de frontera del top ten cuyas medidas de capacidad general son cercanas, cuyas medidas de comportamiento a largo plazo están muy distantes, y uno de los cuales nadie fuera de Meta puede ejecutar. Lo que no puede establecer es cuál gana en tu carga de trabajo, y no lo intenta.

¿Qué se supone que aporta el peldaño adicional?

Meta nombra dos capacidades para la serie que no son filas de benchmark en absoluto: Active Memory, descrita como estado persistente que se conserva entre sesiones, y Active Focus, descrita como atención autogestionada durante tareas largas. Si cualquiera de las dos funciona como se describe, es un tipo de diferencia distinto del de una puntuación — cambia la forma de la aplicación, porque el estado que sobrevive a un límite de sesión es algo que, de lo contrario, tendrías que construir tú mismo, mal, en tu propia base de datos.

Ninguna de las dos se demuestra en una tarjeta de modelo, y ninguna es accesible para pruebas, porque el checkpoint que las contiene es el que está detrás de la suscripción. Eso deja a un equipo con un problema concreto y poco glamuroso: la razón plausible para pagar $50 o $200 al mes por Muse Wonder Full es una función que nadie fuera de Meta puede evaluar, vinculada a un checkpoint que además reporta un 13.1 en la suite de agentes legales frente al 54.3 de su modelo hermano.

Una medición independiente cubre parte de la brecha, y solo parte. Artificial Analysis registra que Muse Wonder Full consume aproximadamente 140 millones de tokens de salida durante su evaluación, frente a una mediana de 88 millones, y que Muse Wonder consume unos 130 millones frente a una mediana de 85 millones. Ambos gastan mucho para alcanzar sus puntuaciones, lo cual es coherente con un razonamiento obligatorio y te indica el costo de una escalada antes de llevarla a cabo, pero ninguna de las dos cifras dice nada sobre si la memoria persistente funciona.

La decisión es un regulador, no una compra

La mayoría de las comparaciones entre dos checkpoints terminan en una pregunta de adquisición: cuál compramos. Esta no puede, porque uno de los lados no tiene un SKU con medición. Eso replantea todo el asunto como una pregunta de enrutamiento, y la pregunta de enrutamiento tiene aquí una forma inusualmente clara, porque la opción más barata y la más cara se venden con medidores completamente distintos.

Muse Wonder se factura por consumo. Su costo escala linealmente con los tokens a $4,00 y $20,00 por millón, con un descuento de caché del 95 % en el lado de entrada, por lo que el costo independiente por tarea de indexación queda cerca de $4,52. Muse Wonder Full no se factura por consumo en absoluto. Su costo es un plan mensual fijo que no varía con el volumen, lo que significa que el costo marginal de una solicitud más al checkpoint Full es cero dentro de un plan e infinito fuera de un plan. Esas dos lógicas económicas quieren tráficos opuestos: el precio por consumo premia mantener el modelo caro fuera de la mayoría de las solicitudes, y el precio fijo premia hacer pasar la mayor cantidad posible por él una vez que has pagado.

Lo que significa que la arquitectura práctica es una escalera de escalado en lugar de una elección de modelo. El checkpoint invocable maneja la mayor parte del tráfico a una tasa que puedes pronosticar. El checkpoint de suscripción absorbe el subconjunto donde se alega que su comportamiento a largo plazo difiere — suponiendo que tengas un plan que admita el volumen, y suponiendo que la afirmación de 44 puntos de JobBench sobreviva a tu propia medición. La medición en sí es la parte que hay que construir primero, porque una brecha pública de cuatro puntos y una brecha de proveedor de 44 puntos no pueden ser ambas correctas, y tu carga de trabajo es el único instrumento que lo resuelve.

Dos cosas sobre el resto del panorama hacen que esa escalera sea más barata de construir de lo que parece. La primera es que todos estos modelos facturan de la misma manera: los tokens de razonamiento son tokens de salida a $20 por millón, y la escalera de esfuerzo va de mínimo a máximo y su valor predeterminado es medio, así que la configuración que eliges pesa más en la factura que el identificador del modelo que cambias. La segunda es que el conjunto de comparación al que invita este lanzamiento ya es enrutable: Claude Opus 5.5 a $4.00 de entrada y $20.00 de salida, y el propio Muse Spark 1.2 de Meta a $1.25 y $4.25 están ambos en OrcaRouter a los precios de lista de sus proveedores, junto con más de 200 modelos tras una única API compatible con OpenAI. Los precios de lista se aplican con un 0 % de recargo, así que la aritmética de la escalera no cambia cuando cambia el modelo.

Ni Muse Wonder ni Muse Wonder Full es una de nuestras rutas. No hay ninguna entrada meta/muse-wonder ni meta/muse-wonder-full en el catálogo, Muse Wonder Full no está disponible fuera de las superficies de suscripción de Meta a ningún precio, y no vamos a describir ninguno de los dos como si lo fuera. Lo que un enrutador aporta a esta decisión en concreto es el failover y el fallback: el peldaño de escalada que se supone que se ejecuta rara vez es justamente el peldaño en el que un fallo puntual del proveedor resulta menos tolerable y menos visible, y la conmutación por error automática más un DSL de enrutamiento capaz de expresar la escalada como configuración en lugar de como código de aplicación es lo que evita que una ruta poco usada se convierta en una caída del servicio.

La versión para recordar

Si lo único que sacas de este lanzamiento es que Muse Wonder Full obtiene una puntuación más alta que Muse Wonder, te quedas con la parte menos accionable. Los dos difieren en cuatro puntos en el único ranking independiente que midió a ambos, en 44 puntos reportados por el proveedor en una suite y en 41 puntos reportados por el proveedor en contra de él en otra, y en un binario absoluto en cuanto al acceso: uno es una API que puedes llamar hoy a $4.00 y $20.00 por millón, el otro es un plan mensual sin tarifa por token y sin forma de acceder desde un SDK.

Lo correcto es tratar los cuatro puntos como evidencia de que están a la par en capacidad y la diferencia de acceso como evidencia de que no son sustitutos. Desarrolla contra el checkpoint invocable, construye el arnés de medición que te indicaría tu propia brecha, y trata la suscripción como una escalada que activas cuando la medición lo justifique —no como una mejora que compras porque la puntuación compuesta sea más alta. Y cuando un proveedor publica una diferencia de 44 puntos dentro de un único lanzamiento, la pregunta útil no es en qué checkpoint estandarizar. Es qué número sobrevive al contacto con tu propio conjunto de evaluación, y esa pregunta solo tiene respuesta si ya lo has construido.