El agente que no se rinde ni se le olvida

Hay un defecto que comparten casi todos los agentes de IA que un negocio ha probado hasta ahora, y que rara vez se nombra porque se siente normal: se olvidan. Terminas una conversación, abres otra al día siguiente, y vuelves a explicar el mismo presupuesto, la misma preferencia, el mismo contexto. Y cuando la tarea se complica a medio camino —falta un dato, aparece un obstáculo que nadie anticipó— el agente no se detiene a resolverlo: se detiene, sin más, y te devuelve el problema sin avanzarlo.

El 12 de octubre, Meta presentó Muse Wonder y Muse Wonder Full como su respuesta directa a esas dos fallas. Las llama, respectivamente, Active Memory y Active Focus: la primera para que el agente recuerde lo que importa de una sesión a otra, la segunda para que siga intentando cuando el camino directo se cierra, en vez de regresarte el problema a medio resolver.

Meta no los presenta como modelos de conversación general. Los apunta, con nombre y apellido, a tareas agénticas largas en dominios profesionales — derecho, finanzas, salud— y a ejemplos muy concretos: gestionar un reclamo de seguro de principio a fin, revisar un contrato de arrendamiento. Es, en los hechos, una apuesta por el agente que se queda con un proceso completo, no por el que contesta una pregunta a la vez.

Qué hacen exactamente Active Memory y Active Focus

Active Memory no es, según describe la cobertura del anuncio, simplemente guardar la conversación completa. El objetivo que Meta nombra es más fino: reconocer cuándo un dato de una sesión anterior importa en una situación nueva. El ejemplo que se repite en la cobertura es un presupuesto que el usuario cambió en una conversación previa, y que el modelo debería seguir usando después sin que se lo recuerden — y otro, más propio del terreno que Meta dice atacar, es relacionar la fecha de vencimiento de un contrato de renta con una pregunta posterior sobre costos de mudanza. No es memoria como archivo: es memoria como criterio de cuándo un dato viejo sigue siendo relevante.

Active Focus ataca el otro problema: lo que pasa cuando una meta difícil no se resuelve en el primer intento. Según se describe, el modelo está diseñado para probar caminos alternativos cuando uno falla, lidiar con bloqueos sin detenerse de inmediato, adaptarse a información nueva que aparece a medio camino, pedir aclaración cuando de verdad hace falta, y confirmar contigo antes de un paso importante. Es la diferencia entre un agente que te devuelve “no pude” y uno que te devuelve “esto fue lo que intenté, esto es lo que falta, y aquí te pregunto antes de seguir”.

La evidencia que Meta ofrece para Active Memory es, por ahora, un benchmark propio —MemoryBench—, donde Muse Wonder obtiene 85.6 puntos. Vale la pena decir con la misma claridad lo que esa cifra no cubre: según reporta la cobertura técnica del lanzamiento, esa prueba no mide si el modelo recuerda algo después de meses de inactividad, que es precisamente el escenario real de un cliente que vuelve a tu negocio después de un tiempo largo.

Cómo se llega a usarlo, y cuánto cuesta cada camino

Hay tres puertas distintas, y conviene no confundirlas. Muse Wonder, la versión estándar, está disponible desde el lanzamiento para quien desarrolla a través de la API de Meta y dentro de Muse Code, al mismo precio por volumen de texto que cobra Anthropic por Claude Opus 5.5 — una forma indirecta de decir que Meta no está compitiendo por ser el más barato, sino por estar a la altura del más caro del mercado.

Muse Wonder Full, la versión completa, no tiene API pública: varias fuentes reportan de forma consistente que solo se alcanza dentro de los planes superiores de Muse Code, en un rango que ronda los 50 y los 200 dólares estadounidenses al mes. No pudimos confirmar esa cifra contra la página oficial de precios en el momento de escribir esto — trátala como referencia y verifica el número vigente antes de decidir.

La tercera puerta, la app de consumo Muse, es la más alejada de un negocio que programa: llega después, primero para quien ya paga una suscripción mensual —reportada en el mismo rango de 20 o 100 dólares, según el nivel— y sin versión gratuita confirmada en el anuncio. Si lo que te interesa es el modelo para tu operación y no el asistente personal, las dos primeras puertas son las que importan.

Lo que dicen los benchmarks independientes, y por qué no coinciden

Meta presenta a Muse Wonder como de nivel frontera, a la altura de los modelos insignia de sus competidores. La cobertura independiente es menos uniforme. Un análisis reporta que, en comparaciones externas, Muse Wonder queda unos seis puntos por debajo de Claude Opus 5.5 en medidas generales, mientras que otro encuentra que Muse Wonder Full se ve más fuerte en varias pruebas de trabajo agéntico sostenido y tareas largas de ingeniería de software — justo el terreno donde Active Focus debería notarse más.

La discrepancia es todavía más marcada en rankings de código específicos: un sitio ubica a Muse Wonder en el lugar 10 de su categoría de programación, y otro lo ubica muy por debajo, en el lugar 232 de la misma categoría general. Ambos usan metodologías distintas, y ninguno de los dos basta solo para decidir. Lo único consistente entre fuentes es el costo por tarea: Artificial Analysis estima alrededor de 4.52 dólares estadounidenses por tarea del índice que usa para medir inteligencia general, en el nivel de esfuerzo máximo —una cifra que confirma que esto no es un modelo pensado para volumen, sino para tareas de alto valor, pocas y bien elegidas.

La pregunta que el propio anuncio deja sin contestar

Hay una pieza que, según reporta la cobertura del lanzamiento, el anuncio de Meta no explica con detalle: cómo revisa o borra una persona lo que el modelo recuerda de ella. No es un detalle menor en un modelo diseñado, explícitamente, para dominios como salud y finanzas, donde lo que un sistema recuerda sobre un cliente suele estar protegido por ley en la mayoría de los países, exista o no un agente de por medio.

Esa falta de claridad no significa que la memoria persistente sea mala idea. Significa que la responsabilidad de resolver esa pregunta —quién puede ver lo que el agente recuerda, cómo se corrige, cómo se borra— recae en quien lo implementa en su negocio, no en el modelo que lo hace posible. Es exactamente el vacío que el checklist de abajo busca cerrar antes de que un cliente real lo pregunte primero.

Cuándo no te sirve

Si tu proceso cambia cada semana. Active Memory vale cuando lo que recuerda sigue siendo cierto después. Si tus precios, tus políticas o tu operación cambian con frecuencia, un agente que recuerda la versión vieja no te ayuda: te hace repetir un error con confianza.

Si nadie puede todavía contestar la pregunta del borrado. Entre el vacío que señala la cobertura del anuncio y tu propia operación, al menos uno de los dos tiene que saber cómo se corrige o se borra un recuerdo equivocado. Si ninguno lo sabe hoy, no es momento de activar la memoria persistente sobre datos de clientes reales.

Si lo que necesitas es barato y repetitivo, no profundo. Esto no es un modelo de alto volumen: cuesta lo mismo que el modelo insignia de Anthropic. Si tu necesidad es clasificar correos o contestar preguntas frecuentes, esta no es la herramienta — esa conversación es la del modelo barato con dial de esfuerzo, no la de este.

Si tu negocio no puede esperar a que madure. Es un lanzamiento de días, con benchmarks independientes que todavía se contradicen entre sí. Para un proceso crítico de hoy, probarlo en paralelo —sin apagar lo que ya funciona— es más prudente que migrar de un salto.

Qué hacer el lunes

Paso 1 (15 minutos). Corre el diagnóstico de arriba sobre un solo proceso de tu negocio —no sobre toda tu operación a la vez. Si te faltan tres o más señales, ese proceso todavía no es candidato.

Paso 2 (20 minutos). Llena el checklist para ese mismo proceso. Si no puedes contestar la pregunta 1 o la 5, ese es tu primer trabajo — antes de acercarte a cualquier proveedor que ofrezca memoria persistente, sea Meta o cualquier otro.

Paso 3 (10 minutos). Si ya tienes un agente trabajando para ti sin memoria entre sesiones, pregúntate si de verdad la necesita, o si el problema que resolvería —repetir el mismo contexto cada vez— es en realidad más barato de resolver con una plantilla fija que con un modelo nuevo.