Meta apuesta por la memoria: Muse Wonder quiere agentes que recuerden durante meses

El Superintelligence Lab de Meta lanzó el 12 de octubre Muse Wonder y Muse Wonder Full, su primer intento de un modelo de frontera. Según la propia compañía, ambos alcanzan puntajes comparables a los modelos más avanzados del mercado, y los dos alimentarán al agente Muse. Lo interesante para quien diseña agentes no es el precio —US$4 por millón de tokens de entrada y US$20 de salida en la Meta Model API— ni que la versión Full quede reservada a los suscriptores de Muse Code. Es el énfasis en lo que Meta llama «memoria activa»: retener y sintetizar lo que el usuario le cuenta a lo largo de días, semanas y meses. La empresa afirma que Wonder supera a sus rivales en MemoryBench, una prueba de aprendizaje continuo y construcción de memoria. «Pusimos muchísimo esfuerzo en asegurarnos de que tu modelo pueda recordar lo que es importante para ti durante días, semanas, meses y más», dijo la investigadora Kavya Kopparapu en el video de lanzamiento. La memoria es el cuello de botella real de los agentes: un asistente que ejecuta tareas largas sin recordar decisiones previas repite errores, pide contexto una y otra vez y no aprende de su usuario. Pero también es la capa más delicada. Un agente que recuerda mucho necesita reglas claras sobre qué guarda, quién puede consultarlo, cómo se corrige y cuándo se olvida. Para las organizaciones que evalúan agentes, la pregunta deja de ser solo «¿qué tan bien razona?» y pasa a ser «¿qué recuerda, dónde lo guarda y quién lo gobierna?». La competencia por la memoria de los agentes acaba de empezar. _Fuente: [TechCrunch: «Meta releases its first frontier model, Muse Wonder»](https://techcrunch.com/2026/10/12/meta-releases-its-first-frontier-model-muse-wonder/), 12 de octubre de 2026._