Michael JohnsonUn agente IA che svolge attività in più fasi deve mantenere l’obiettivo, recuperare le informazioni pertinenti dal contesto precedente e proseguire dopo un errore. Il 12 ottobre 2026 Meta ha presentato i modelli Muse Wonder e Muse Wonder Full, progettati dall’azienda per questi scenari. Muse Wonder è disponibile agli sviluppatori tramite Meta Model API e Muse Code; Muse Wonder Full è riservato agli abbonati a Muse Code. Meta dichiara inoltre che in seguito Muse Wonder supporterà le funzioni di Muse, inizialmente per gli abbonati.
Il lancio è importante soprattutto perché segna il passaggio dalla dimostrazione di un assistente personale a modelli destinati agli sviluppatori. Meta descrive applicazioni che vanno dalla comprensione di documenti e informazioni finanziarie alla programmazione in più passaggi. I team che valutano modelli agentici possono consultare la descrizione dei test e una scheda dedicata, con le condizioni di confronto e la valutazione dei rischi.
Che cosa intende Meta per Active Memory e Active Focus
Nella descrizione di Meta, Active Memory è la capacità di trasferire informazioni rilevanti da una conversazione all’altra e recuperarle quando sono utili per l’attività in corso. Active Focus riguarda il lavoro prolungato: il modello prova approcci alternativi, affronta gli ostacoli e chiede chiarimenti quando necessario. L’azienda afferma inoltre che il modello consulta l’utente prima di compiere azioni importanti.
Queste funzionalità sono pensate per attività la cui soluzione richiede più passaggi, come cercare informazioni nei documenti, pianificare o modificare un progetto software. Meta collega la verifica della capacità di lavorare in modo affidabile a FocusBench e SWE-Marathon. La scheda specifica che SWE-Marathon valuta progetti di grandi dimensioni in base al superamento dei test, mentre FocusBench verifica come un agente supera gli ostacoli e si adatta a un ambiente mutevole nel corso di una serie di interazioni.
Che cosa sappiamo sui test
Meta ha pubblicato la scheda del modello Muse Wonder, con l’elenco delle valutazioni, la metodologia e le condizioni di implementazione. Secondo la scheda, i modelli accettano testo, immagini, video e audio, e la finestra di contesto dichiarata in fase di inferenza è di un milione di token. La scheda descrive test su scenari agentici, programmazione, gestione di documenti e sicurezza.
Le condizioni dei confronti variano da un test all’altro. Nei confronti interni controllati sulla programmazione, Meta ha usato un ambiente di test comune; alcuni altri risultati provengono da valutatori esterni o dai rapporti dei fornitori dei modelli. Per esempio, i risultati di SWE-Marathon si basano su dati di Abundant AI: GPT‑6 Astra è stato testato tramite Codex, mentre Claude Fable 5.1 tramite Claude Code. Questa riga, quindi, non rappresenta un confronto tra tutti i modelli condotto in un unico ambiente di test.
Meta riporta 92 flag per Muse Wonder Full in ExploitGym. La scheda precisa che, durante la verifica, 21 flag corrispondevano a vulnerabilità presunte, mentre gli altri 71 erano stati generati sfruttando vulnerabilità impreviste. Nella classifica pubblicata vengono conteggiati soltanto i primi. È un esempio di come la metodologia di valutazione possa cambiare il significato del risultato numerico.
Che cosa verificare prima dell’implementazione
Per una prova pratica, gli sviluppatori dovrebbero partire dalle attività tipiche del proprio prodotto: fornire all’agente un insieme limitato di strumenti, definire un risultato verificabile e misurare la percentuale di scenari completati, il numero di errori e la necessità di intervento umano. È inoltre importante verificare come si comporta in presenza di dati in conflitto, malfunzionamenti degli strumenti e tentativi di eseguire azioni irreversibili.
La scheda del modello di Meta raccomanda di valutarlo per l’applicazione specifica e di prevedere ulteriori misure di protezione, compresa la conferma umana per le azioni irreversibili. Segnala inoltre che la qualità dipende dalla configurazione del servizio, dai prompt, dagli strumenti e dal sistema agentico. Perciò, la finestra di contesto dichiarata va considerata insieme ai risultati ottenuti sulle attività pertinenti.
Al 13 ottobre 2026 sono confermati il lancio di entrambi i modelli, i canali di accesso indicati e i materiali di Meta pubblicati sui test. La disponibilità tramite Muse per gli abbonati è una fase futura, non un lancio già avvenuto per tutti gli utenti. Per gli sviluppatori, il rilascio offre una base per avviare una propria sperimentazione; la decisione di implementare i modelli dovrebbe basarsi sui risultati ottenuti sulle attività previste e sulle verifiche di sicurezza nel sistema di destinazione.