› Sometí a Muse Wonder y a cuatro de sus principales rivales a las mismas 23 tareas: un agente con herramientas, código verificado mediante tests automáticos, redacción de documentos formales, razonamiento y un texto extenso de entre 47 000 y 88 000 tókenes.
› El resultado me sorprendió más que los propios benchmarks de Meta: en tareas prácticas, los cinco modelos obtuvieron entre un 99% y un 100%, y las diferencias reales aparecieron en la factura, el tiempo de respuesta y errores muy puntuales.
› Muse Wonder fue el segundo más barato y el segundo más rápido.
› A continuación tienes todos los datos, gráficos y fallos detectados, así como el análisis detallado del modelo en la guía sobre Muse Wonder.