Muse Wonder eleva el techo de Meta y llm-meta-ai 0.2 lo lleva al terminal

Simon Willison ha publicado llm-meta-ai 0.2, un plugin para usar la API de Meta AI desde su herramienta LLM. La actualización añade compatibilidad con Muse Wonder y Muse Wonder Full y permite a los desarrolladores probarlos sin una integración intermedia.

El plugin ofrece seis niveles de reasoning

Willison mostró resultados de Muse Wonder con minimal, low, medium, high, xhigh y max. Utilizó su prompt recurrente de un pelícano montado en bicicleta y colocó el ajuste máximo junto a resultados anteriores. Meta presenta ambos modelos como los más capaces de su catálogo.

La comparación incluye Muse 1.2, publicado el 5 de agosto, y Muse 1.3, del 2 de septiembre. Tres versiones en unos dos meses reflejan un ritmo rápido. Las imágenes ayudan a ver cambios, pero no son un benchmark estandarizado.

El terminal acorta el camino entre el anuncio y un eval propio

El plugin resulta útil para quienes prefieren no juzgar un modelo por la demostración del proveedor. Un equipo puede ejecutar el mismo prompt con varios niveles de reasoning y guardar los resultados junto a respuestas de otros modelos.

Así cambian las primeras horas tras un lanzamiento. En vez de esperar a que una gran plataforma añada soporte, los desarrolladores pueden probar sus tareas y comprobar si más reasoning mejora la respuesta o solo alarga la ejecución.

Un pelícano muestra avances, pero no mide el trabajo real

Un prompt gráfico repetido puede revelar fallos de anatomía, composición y seguimiento de instrucciones. Apenas informa sobre precisión de código, contexto largo o fiabilidad de la API. La puntuación de Artificial Analysis, que sitúa Muse Wonder Max cerca de GPT-6.1 Sol, aporta otra señal, pero no sustituye una prueba sobre el workflow final.

Los seis ajustes también pueden intercambiar calidad por latencia y precio. Sin medir las tres variables, max es la demostración más fuerte y no una opción automática para producción.

Las tareas propias decidirán si importa el ritmo mensual

La siguiente evidencia útil serán evals repetibles de Muse Wonder frente a Muse 1.3 con los mismos prompts, ajustes y presupuestos. Hace falta conocer la variación de los resultados y los tiempos de respuesta, no solo la mejor muestra.

llm-meta-ai 0.2 elimina una barrera para ese trabajo. Si la mejora aparece también en código, extracción de datos y tool use, el ritmo de Meta significará algo más que cambiar el nombre del modelo cada mes.

El veredicto de Lilith

Un pelícano en bicicleta sirve como prueba de humo, pero un modelo de producción se gana el puesto cuando recibe código roto del proyecto real. llm-meta-ai 0.2 abre esa sala de pruebas sin ceremonia de inauguración.