Muse Wonder vs Gemini 3.1 Pro: veintidós puntos de índice, dos trenes de lanzamiento y un marcador que se movió bajo uno de ellos

Gemini 3.1 Pro obtuvo 57 en el Intelligence Index de Artificial Analysis cuando se lanzó en febrero de 2026 y encabezó la tabla. Si se lee hoy, en la revisión actual de ese mismo índice, obtiene 29,7. Nada del modelo cambió. Muse Wonder, lanzado el 12 de octubre de 2026, registra 52 en la misma tabla —y la comparación que hará la mayoría de la gente, 52 frente a 29,7, es una brecha real que también es engañosa, porque una gran parte de ella fue fabricada por una recalificación, y no por seis meses de progreso del modelo. La versión honesta de este enfrentamiento compara dos modelos en producción, Gemini 3.1 Pro y Muse Wonder, con una vara de medir que ha sido reemplazada dos veces, y luego pregunta para qué sirve cada uno en realidad.

One framing before the numbers. These are not competitors in the sense a typical versus page means. Gemini 3.1 Pro is the last live Pro-tier endpoint in that line, still served under a preview identifier seven months after announcement. Muse Wonder is the newest frontier release from Meta Superintelligence Labs, with a subscription-gated higher-scoring sibling. One is a long-context multimodal workhorse whose price is its argument; the other is an output-heavy agentic model whose price is the thing to think hardest about.

La regla cambió, el modelo no

Esta es la parte de la comparación que una ficha técnica no te dirá, y es por eso que la diferencia más llamativa resulta engañosa en ambos sentidos.

Artificial Analysis publicó el Intelligence Index v4.3 a principios de septiembre de 2026 y lo ha vuelto a revisar desde entonces. Esa actualización reemplazó Terminal-Bench v2.1 por el mucho más difícil Terminal-Bench v4.0 y cambió τ³-Banking por AutomationBench-AA, un benchmark de flujos de trabajo agénticos construido sobre un conjunto de tareas privado y reservado. La ponderación de las tareas privadas reservadas aumentó al 45 %. Como resultado, las puntuaciones cayeron en toda la frontera: los modelos que se situaban en los sesenta en la escala antigua quedaron en los cincuenta bajos. Gemini 3.1 Pro no cayó tanto; descendió a menos de 30.

Así que el mismo checkpoint sin cambios tiene cuatro lecturas publicadas en circulación —57, 46, 30 y 29,7— dependiendo de qué página abras y cuándo. Eso no es un escándalo; es el aspecto que tiene un buen índice cuando las pruebas que subyacen a él se vuelven más difíciles. Sin embargo, es una razón para no comparar nunca dos números que provienen de dos revisiones diferentes, que es exactamente lo que te invita a hacer una línea de 52 contra 29,7.

Lo que cada modelo realmente es

• Gemini 3.1 Pro — a closed-weights, natively multimodal reasoning model announced on 19 February 2026 and still filed under "Preview" at the endpoint gemini-3.1-pro-preview. There is no 3.5, 3.6, 3.7 or 3.8 Pro in the line; the Flash ladder has moved five times while the Pro ladder has not moved at all.

• Muse Wonder — un modelo de frontera de pesos cerrados lanzado el 12 de octubre de 2026, disponible como muse-wonder-1.0 en la propia API de Meta y dentro de Muse Code. Un segundo checkpoint, Muse Wonder Full, obtiene una puntuación más alta en la propia tabla de Meta y solo está disponible con suscripción a Muse Code.

• Contexto — Gemini 3.1 Pro: 1.048.576 tokens de entrada; Muse Wonder: 1.048.576. Nivel, y a la altura de la mayor parte de la frontera actual.

• Límite de salida — Gemini 3.1 Pro 65,536 tokens en una sola respuesta; Muse Wonder 943,718. Esta es la mayor diferencia individual entre ambos modelos y es más de catorce veces.

• Price — Gemini 3.1 Pro $2.00 per million input tokens and $12.00 per million output below a 200,000-token prompt, stepping to $4.00 and $18.00 above it, with cached input at $0.20 and $0.40. Muse Wonder is $4.00 and $20.00 flat, cached input $0.20. At short prompts it is half the price on input and 40% cheaper on output; past 200,000 tokens the two converge almost exactly.

• Modalities in — Gemini 3.1 Pro takes text, image, video, audio and files. Muse Wonder takes text, image, speech and video. Both write text only. On paper these are the same sentence, and in practice the tooling ecosystem has had seven months of tooling built around it.

• Razonamiento — Gemini 3.1 Pro admite control del nivel de pensamiento, con tokens de pensamiento facturados a la tarifa de salida. El razonamiento de Muse Wonder es obligatorio, con una escala de esfuerzo de mínima a máxima que por defecto es media, y ninguna ruta sin pensamiento en absoluto.

• Índice independiente — Gemini 3.1 Pro: 29,7 en la revisión actual, con una lectura anterior de 46 y una lectura de la época del lanzamiento de 57; Muse Wonder: 52 en la revisión actual.

El límite de reajuste de precios que la mayoría de los equipos cruza por accidente

La tarifa de Gemini 3.1 Pro tiene un escalón, y no es un cargo por exceso. Por debajo de 200,000 tokens de entrada, el modelo cuesta $2.00 y $12.00; por encima de ese umbral, la solicitud se retarifica a $4.00 y $18.00. Una solicitud de 210,000 tokens no se factura a la tarifa económica por sus primeros 200,000 tokens: toda la solicitud pasa al tramo superior.

That is a genuine oddity for a model whose entire sales pitch is a million-token context window: the window is real, but only the first fifth of it comes at the advertised price. At $4.00 and $18.00 above the threshold, Gemini 3.1 Pro is priced within a rounding error of Muse Wonder's $4.00 and $20.00, and the cache read is identical at $0.20 per million. So the "cheaper on input" line holds precisely up to the point where you use the capability you bought the model for.

The counterweight is on the input side, where the input-side economics are genuinely strong and independent measurement backs it up. Artificial Analysis records a cost of about $0.67 per index task for Gemini 3.1 Pro and roughly 67 million output tokens generated across the index run, against a median of about 90 million for models in its price tier. A model that answers in fewer tokens at a lower rate is cheaper in a way that no rate card shows directly — and it is the number to compare against Muse Wonder's roughly $4.52 per index task, which is a consequence of both a higher rate and roughly 130 million output tokens against an 85 million median.

Entre lo que realmente estás eligiendo

La brecha de capacidad en la vara de medir actual es real —52 frente a 29,7 son veintidós puntos, y no es ruido—, pero es una comparación entre un lanzamiento de frontera de cinco semanas y una vista previa de siete meses que el proveedor nunca promovió más allá del estado de vista previa. Elegir entre ellos tiene menos que ver con cuál puntúa más alto y más con qué modo de fallo puedes tolerar.

Las limitaciones de Gemini 3.1 Pro son estructurales y conocidas. El límite de salida de 65.536 tokens lo descarta para la generación de contenido extenso en un solo turno, que es donde el presupuesto de 943.718 tokens de Muse Wonder supone una ventaja más evidente. El tiempo hasta el primer token se sitúa en torno a 35,7 segundos según la medición publicada, lo cual es lento para cualquier uso interactivo. Y el identificador de vista previa es el verdadero riesgo: un endpoint de vista previa puede ser revisado o retirado a tus espaldas sin un cambio de versión, por lo que fijar IDs de modelo exactos en lugar de alias es la práctica estándar en ese modelo.

Las limitaciones de Muse Wonder son igualmente estructurales y mucho más recientes. El razonamiento es obligatorio, así que cada llamada paga tokens de pensamiento a $20 por millón sin una vía económica; el nivel de pensamiento de Gemini 3.1 Pro al menos se puede ajustar hacia cero. La medición independiente es una fila de un evaluador sobre un modelo de dos días de antigüedad. Y la versión con la puntuación más alta de lo que estás comparando, Muse Wonder Full, está detrás de una suscripción mensual de $50 a $200 en lugar de estar disponible a los precios por token de la misma página.

También hay una dimensión de integridad de los benchmarks que vale la pena nombrar, porque este emparejamiento en particular es una buena ilustración de ella. La tabla de lanzamiento de Meta reporta Muse Wonder Full con 59,0 en el Artificial Analysis Index, mientras que la propia Artificial Analysis publica 56, y reporta el Muse Wonder invocable con 56 mientras que el evaluador registra 52. La propia historia de Gemini 3.1 Pro es la imagen espejo: un 57 que fue titular tanto para el proveedor como para la prensa en una revisión y un 29,7 en otra. La lección es la misma en ambas direcciones: una puntuación solo tiene sentido con su regla adjunta, y la versión que un proveedor hace del índice de otro sigue siendo un número de proveedor.

Ejecutar ambos desde una misma tecla.

Gemini 3.1 Pro está en OrcaRouter como google/gemini-3.1-pro-preview, al precio de lista del propio proveedor y con el límite de reajuste de 200,000 tokens trasladado sin cambios: $2.00 de entrada y $12.00 de salida por debajo de él, $4.00 y $18.00 por encima, entrada en caché a $0.20 y $0.40. No aplicamos ningún recargo por nuestra parte, y la ventana de 1,048,576 tokens y el límite de salida de 65,536 tokens se trasladan tal como se publicaron.

Muse Wonder no está en OrcaRouter. No hay ninguna entrada meta/muse-wonder en nuestro catálogo y no vamos a describir una como si existiera; hoy el modelo se ejecuta en la API propia de Meta y dentro de Muse Code. Lo que sí ofrecemos del mismo laboratorio es Muse Spark 1.2 y Muse Spark 1.1, así que la familia Muse es accesible desde la misma clave mientras el checkpoint Wonder construye un historial.

La razón práctica que importa aquí es el límite del tramo. Un modelo que recalcula el precio de toda una solicitud al alcanzar los 200.000 tokens es el tipo de cosa que conviene medir en lugar de asumir, porque la longitud de tus prompts decide si pagas $2 o $4 por la misma llamada. OrcaRouter pone más de 200 modelos detrás de un único endpoint compatible con OpenAI, con los precios de lista de los proveedores aplicados sin cambios — así que una pasada de tu tráfico real contra Gemini 3.1 Pro en ambos lados de ese umbral, y contra cualquier otra cosa que haya en el catálogo, cuesta una clave y una tarde en lugar de un ciclo de compras. Cuando un proveedor al que enrutamos empiece a ofrecer Muse Wonder, la otra mitad de esa prueba se convierte en un cambio de nombre de modelo.

El veredicto

• Elige Gemini 3.1 Pro si tu trabajo es el análisis de documentos largos y medios mixtos, donde la entrada domina y la respuesta es corta: la tarifa de $2.00 por debajo de 200K y el coste de $0.67 por tarea de indexación son difíciles de superar, y los siete meses de ecosistema que lo respaldan valen algo que un modelo de la semana de lanzamiento no puede igualar.

• Elige Muse Wonder si vas a generar salidas largas en un solo turno o a introducir voz y video directamente en el modelo. Un presupuesto de salida de 943,718 tokens no es un detalle de especificación cuando la alternativa es empalmar generaciones entre sí.

• Fíjate en la línea de 200.000 tokens antes de dar un precio para Gemini 3.1 Pro. Por encima de ella, los dos modelos cuestan casi lo mismo, lo que invierte la respuesta intuitiva de esta comparación justo para las cargas de trabajo que usan la ventana de contexto grande.

• Trata la brecha de 22 puntos como una dirección, no como una medición. Se produjo al comparar dos revisiones del índice; en la revisión anterior, Gemini 3.1 Pro marcó 46, y el mismo checkpoint sin cambios se ha publicado con 57, 46, 30 y 29.7 en distintos momentos.

Dos modelos, uno servido bajo un identificador de vista previa desde febrero y otro de dos días de antigüedad, con precios casi idénticos más allá del límite de 200K y separados en la tabla actual por veintidós puntos. Solo uno de esos hechos sobreviviría a un cambio de regla, y no es el de los veintidós puntos.