Michael Johnsonסוכן AI המבצע משימות רב־שלביות צריך לזכור את מטרתו, לשלוף מידע רלוונטי מהקשר קודם ולהמשיך לפעול גם לאחר שגיאה. ב-12 באוקטובר 2026 הציגה Meta את המודלים Muse Wonder ו-Muse Wonder Full, שלדברי החברה מיועדים לתרחישים כאלה. Muse Wonder זמינה למפתחים דרך Meta Model API ו-Muse Code; Muse Wonder Full זמינה למנויי Muse Code. Meta גם מסרה כי בהמשך Muse Wonder תתמוך בתכונות של Muse, תחילה עבור מנויים.
חשיבות ההשקה טמונה בראש ובראשונה במעבר מהדגמת עוזר אישי למודלים עבור מפתחים. Meta מתארת משימות החל בהבנת מסמכים ומידע פיננסי וכלה בתכנות רב־שלבי. לצוותים הבוחנים מודלים סוכניים זמינים תיאור הבדיקות וכרטיס מודל נפרד, הכולל תנאי השוואה והערכת סיכונים.
מה Meta מכנה Active Memory ו-Active Focus
בתיאור של Meta, Active Memory היא היכולת לשמר מידע חשוב בין שיחות ולשלוף אותו כשהוא מסייע למשימה הנוכחית. Active Focus נוגע לעבודה ממושכת: המודל מנסה גישות חלופיות, מתמודד עם מכשולים ומבקש הבהרה כשנדרש. החברה מוסיפה שהמודל מתייעץ עם המשתמש לפני פעולות חשובות.
תכונות אלה נועדו למשימות שהתשובה להן מורכבת מכמה פעולות, למשל איתור מידע במסמכים, תכנון או ביצוע שינויים בפרויקט תוכנה. Meta קושרת את בדיקת יכולת ההתמדה של המודל ל-FocusBench ול-SWE-Marathon. כרטיס המודל מבהיר כי SWE-Marathon מעריך פרויקטים גדולים לפי הצלחה בבדיקות, ואילו FocusBench בוחן כיצד סוכן מתגבר על מכשולים ומסתגל לסביבה משתנה לאורך סדרת אינטראקציות.
מה ידוע על הבדיקות
Meta פרסמה כרטיס מודל של Muse Wonder, ובו פירוט הערכות, מתודולוגיה ותנאי פריסה. לפי הכרטיס, המודלים מקבלים טקסט, תמונות, וידאו ואודיו, וחלון ההקשר המוצהר בזמן הסקה הוא מיליון טוקנים. הכרטיס מתאר בדיקות של תרחישים סוכניים, תכנות, עבודה עם מסמכים ובטיחות.
תנאי ההשוואה משתנים בין הבדיקות. בהשוואות פנימיות מבוקרות בתחום התכנות השתמשה Meta במערך בדיקה משותף; תוצאות אחרות הגיעו ממעריכים חיצוניים או מדוחות של ספקי מודלים. לדוגמה, תוצאות SWE-Marathon מבוססות על נתונים של Abundant AI: את GPT‑6 Astra בדקו באמצעות Codex, ואת Claude Fable 5.1 באמצעות Claude Code. לכן שורה זו אינה משקפת השוואה של כל המודלים באותו מערך בדיקה.
Meta מדווחת על 92 דגלים של Muse Wonder Full ב-ExploitGym. הכרטיס מציין כי בבדיקה 21 דגלים תאמו לפגיעות משוערת, ואילו 71 האחרים הושגו באמצעות פגיעויות שלא נועדו לכך. בדירוג שפורסם נספרים רק הדגלים הראשונים. זו דוגמה לאופן שבו מתודולוגיית ההערכה משנה את משמעותו של המספר הסופי.
מה לבדוק לפני ההטמעה
בפיילוט מעשי, מומלץ למפתחים להתחיל במשימות האופייניות למוצר שלהם: להקצות לסוכן סט כלים מוגבל, להגדיר תוצאה שניתן לאמת ולמדוד את שיעור השלמת התרחישים, את מספר השגיאות ואת הצורך בהתערבות אנושית. בנפרד, יש לבדוק מה קורה כשיש נתונים סותרים, כשכלי נכשל או כשהסוכן מנסה לבצע פעולה בלתי הפיכה.
כרטיס המודל של Meta ממליץ להעריך את המודל עבור השימוש המסוים ולכלול אמצעי הגנה נוספים, ובהם אישור אנושי לפעולות בלתי הפיכות. עוד מצוין בו שהאיכות תלויה בתצורת השירות, בהנחיות, בכלים ובמערך הסוכני. לכן יש לבחון את חלון ההקשר המוצהר לצד הביצועים במשימות היעד.
נכון ל-13 באוקטובר 2026, אושרו השקת שני המודלים, ערוצי הגישה שצוינו וחומרי הבדיקות שפרסמה Meta. הזמינות דרך Muse למנויים היא שלב עתידי, ולא השקה שכבר התקיימה לכל המשתמשים. ההשקה מעניקה למפתחים בסיס לפיילוט משלהם; את ההחלטה על הטמעה כדאי לקבל לפי ביצועי המודל במשימות ובבדיקות ההגנה במערכת המיועדת.