Michael JohnsonVícestupňový AI agent musí udržet cíl, vytáhnout potřebné informace z předchozího kontextu a pokračovat v práci i po chybě. Meta 12. října 2026 představila modely Muse Wonder a Muse Wonder Full, které jsou podle společnosti určeny pro takové scénáře. Muse Wonder je dostupná vývojářům prostřednictvím Meta Model API a Muse Code; Muse Wonder Full předplatitelům Muse Code. Meta také uvádí, že Muse Wonder později začne podporovat funkce Muse, nejprve pro předplatitele.
Vydání je důležité především posunem od předvádění osobního asistenta k modelům pro vývojáře. Meta popisuje úlohy od porozumění dokumentům a finančním informacím až po vícekrokové programování. Týmy, které vyhodnocují modely agentů, mají k dispozici popis testů a samostatnou kartu modelu s podmínkami porovnání a posouzením rizik.
Co Meta označuje jako Active Memory a Active Focus
V popisu společnosti Meta znamená Active Memory schopnost přenášet důležité informace mezi konverzacemi a vybavit si je, když pomáhají s aktuálním úkolem. Active Focus se týká dlouhodobé práce: model zkouší alternativní přístupy, řeší překážky a žádá o upřesnění, když je potřeba. Společnost také uvádí, že model se před důležitými kroky radí s uživatelem.
Tyto vlastnosti cílí na úlohy, jejichž řešení sestává z několika kroků, například na vyhledávání informací v dokumentech, plánování nebo úpravy softwarového projektu. Meta spojuje ověřování spolehlivého fungování s testy FocusBench a SWE-Marathon. Karta upřesňuje, že SWE-Marathon hodnotí rozsáhlé projekty podle úspěšného průchodu testy, zatímco FocusBench prověřuje, jak agent překonává překážky a přizpůsobuje se měnícímu se prostředí během série interakcí.
Co víme o testování
Meta zveřejnila kartu modelu Muse Wonder se seznamem hodnocení, metodikou a podmínkami nasazení. Podle karty modely přijímají text, obrázky, video a zvuk a deklarované kontextové okno při inferenci činí jeden milion tokenů. Dokument popisuje testy agentních scénářů, programování, práce s dokumenty a bezpečnosti.
Podmínky porovnávání se mezi testy liší. Při interních kontrolovaných srovnáních programování Meta použila společné testovací prostředí; některé další výsledky pocházejí od externích hodnotitelů nebo ze zpráv dodavatelů modelů. Výsledky SWE-Marathon například vycházejí z údajů společnosti Abundant AI: GPT‑6 Astra byla testována prostřednictvím Codexu a Claude Fable 5.1 prostřednictvím Claude Code. Tento řádek tedy nepředstavuje srovnání všech modelů v jednotném prostředí.
Meta uvádí, že Muse Wonder Full dosáhla v ExploitGym 92 vlajek. Karta upřesňuje, že při ověřování 21 vlajek odpovídalo předpokládané zranitelnosti, zatímco zbývajících 71 vzniklo prostřednictvím nezamýšlených zranitelností. Ve zveřejněném žebříčku se započítávají pouze první. Jde o příklad toho, jak metodika hodnocení mění význam výsledného čísla.
Co ověřit před nasazením
Při praktickém pilotním nasazení by vývojáři měli začít typickými úlohami svého produktu: agentovi dát omezenou sadu nástrojů, definovat ověřitelný výsledek a měřit podíl dokončených scénářů, počet chyb a potřebu lidského zásahu. Samostatně je třeba ověřit, co se stane při rozporuplných údajích, výpadku nástroje a pokusu provést nevratnou akci.
Karta modelu Meta doporučuje vyhodnotit model pro konkrétní použití a zavést další ochranná opatření, včetně lidského potvrzení nevratných akcí. Uvádí také, že kvalita závisí na konfiguraci obsluhy, promptech, nástrojích a agentním prostředí. Deklarované kontextové okno je proto třeba posuzovat společně s výsledky na cílových úlohách.
K 13. říjnu 2026 jsou potvrzeny vydání obou modelů, uvedené kanály přístupu a materiály o testování, které Meta zveřejnila. Dostupnost prostřednictvím Muse pro předplatitele je budoucí krok, nikoli již uskutečněné spuštění pro všechny uživatele. Vývojářům vydání poskytuje základ pro vlastní pilotní test; o nasazení je vhodné rozhodnout podle výsledků na úlohách a bezpečnostních kontrol v cílovém systému.