Meta wprowadziła Muse Wonder — modele dla agentów AI i długotrwałych zadań

Wieloetapowy agent AI musi pamiętać o celu, wydobywać potrzebne informacje z wcześniejszego kontekstu i kontynuować pracę po błędzie. 12 października 2026 roku Meta zaprezentowała modele Muse Wonder i Muse Wonder Full, które firma przeznaczyła do takich zastosowań. Muse Wonder jest dostępna dla deweloperów przez Meta Model API i Muse Code; Muse Wonder Full — dla subskrybentów Muse Code. Meta informuje też, że później Muse Wonder zacznie obsługiwać funkcje Muse, początkowo dla subskrybentów.

Premiera jest istotna przede wszystkim dlatego, że przesuwa akcent z prezentacji osobistego asystenta na modele dla deweloperów. Meta opisuje zadania obejmujące rozumienie dokumentów i informacji finansowych oraz wieloetapowe programowanie. Zespoły oceniające modele agentowe mogą zapoznać się z opisem testów oraz osobną kartą modelu, zawierającą warunki porównań i ocenę ryzyka.

Co Meta nazywa Active Memory i Active Focus

W opisie Meta Active Memory oznacza zdolność do przenoszenia istotnych informacji między rozmowami i przywoływania ich wtedy, gdy pomagają w bieżącym zadaniu. Active Focus dotyczy długotrwałej pracy: model wypróbowuje alternatywne podejścia, radzi sobie z przeszkodami i prosi o wyjaśnienie, gdy jest ono potrzebne. Firma mówi również, że przed ważnymi działaniami model konsultuje się z użytkownikiem.

Funkcje te są przeznaczone do zadań, w których odpowiedź wymaga kilku działań, na przykład wyszukiwania informacji w dokumentach, planowania lub wprowadzania zmian w projekcie programistycznym. Meta wiąże ocenę stabilności działania z FocusBench i SWE-Marathon. Karta wyjaśnia, że SWE-Marathon ocenia duże projekty na podstawie przechodzenia testów, a FocusBench sprawdza, jak agent pokonuje przeszkody i dostosowuje się do zmieniającego się środowiska w serii interakcji.

Co wiadomo o testach

Meta opublikowała kartę modelu Muse Wonder, zawierającą listę ocen, metodologię i warunki wdrożenia. Według karty modele przyjmują tekst, obrazy, wideo i dźwięk, a deklarowane okno kontekstu podczas inferencji wynosi milion tokenów. Opisano w niej testy scenariuszy agentowych, programowania, pracy z dokumentami i bezpieczeństwa.

Warunki porównań różnią się w zależności od testu. W kontrolowanych wewnętrznych porównaniach programistycznych Meta korzystała ze wspólnego środowiska testowego; część pozostałych wyników pochodzi od zewnętrznych ewaluatorów lub z raportów dostawców modeli. Na przykład wyniki SWE-Marathon opierają się na danych Abundant AI: GPT‑6 Astra testowano za pomocą Codex, a Claude Fable 5.1 — za pomocą Claude Code. Wiersz ten nie przedstawia więc porównania wszystkich modeli w jednolitym środowisku.

Meta informuje o wyniku 92 flag dla Muse Wonder Full w ExploitGym. Karta wyjaśnia, że podczas testu 21 flag odpowiadało domniemanej podatności, a pozostałe 71 uzyskano dzięki niezamierzonym podatnościom. W opublikowanym rankingu uwzględnia się tylko pierwsze z nich. To przykład tego, jak metodologia oceny wpływa na interpretację końcowej liczby.

Co sprawdzić przed wdrożeniem

Praktyczny pilotaż deweloperzy powinni rozpocząć od typowych zadań swojego produktu: udostępnić agentowi ograniczony zestaw narzędzi, określić weryfikowalny rezultat i mierzyć odsetek ukończonych scenariuszy, liczbę błędów oraz potrzebę interwencji człowieka. Osobno należy sprawdzić, co dzieje się w przypadku sprzecznych danych, awarii narzędzia i próby wykonania nieodwracalnego działania.

Karta modelu Meta zaleca ocenianie modelu pod kątem konkretnego zastosowania i stosowanie dodatkowych zabezpieczeń, w tym potwierdzania przez człowieka działań nieodwracalnych. Zaznaczono w niej również, że jakość zależy od konfiguracji usługi, promptów, narzędzi i środowiska agentowego. Dlatego deklarowane okno kontekstu należy rozpatrywać łącznie z wynikami w docelowych zadaniach.

Na 13 października 2026 roku potwierdzone są premiera obu modeli, wskazane kanały dostępu i opublikowane przez Meta materiały dotyczące testów. Dostępność w Muse dla subskrybentów to przyszły etap, a nie uruchomiona już usługa dla wszystkich użytkowników. Dla deweloperów premiera stanowi podstawę do przeprowadzenia własnego pilotażu; decyzję o wdrożeniu warto podejmować na podstawie wyników w docelowym systemie i testów zabezpieczeń.