Meta lanserar Muse Wonder – modeller för AI-agenter och långvariga uppgifter

En AI-agent som arbetar i flera steg måste hålla fast vid sitt mål, hämta relevant information ur tidigare kontext och fortsätta arbeta efter ett misstag. Den 12 oktober 2026 presenterade Meta modellerna Muse Wonder och Muse Wonder Full, som företaget har utformat för sådana scenarier. Muse Wonder är tillgänglig för utvecklare via Meta Model API och Muse Code; Muse Wonder Full är tillgänglig för Muse Code-prenumeranter. Meta uppger också att Muse Wonder senare ska få stöd för Muse-funktioner, till en början för prenumeranter.

Lanseringen är framför allt betydelsefull eftersom fokus flyttas från en demonstration av en personlig assistent till modeller för utvecklare. Meta beskriver uppgifter som sträcker sig från att förstå dokument och finansiell information till programmering i flera steg. Team som utvärderar agentmodeller kan ta del av testbeskrivningar och ett separat modellkort med jämförelsevillkor och riskbedömning.

Vad Meta menar med Active Memory och Active Focus

Enligt Meta innebär Active Memory att relevant information kan föras vidare mellan samtal och hämtas när den är till hjälp för den aktuella uppgiften. Active Focus handlar om långvarigt arbete: modellen prövar alternativa tillvägagångssätt, hanterar hinder och ber om förtydliganden när det behövs. Företaget uppger också att modellen stämmer av med användaren före viktiga åtgärder.

Funktionerna är avsedda för uppgifter där svaret kräver flera steg, till exempel att söka efter information i dokument, planera eller göra ändringar i ett programvaruprojekt. Meta kopplar utvärderingen av uthållighet till FocusBench och SWE-Marathon. Modellkortet förtydligar att SWE-Marathon bedömer stora projekt utifrån om testerna klaras, medan FocusBench undersöker hur en agent övervinner hinder och anpassar sig till en miljö som förändras under en serie interaktioner.

Vad vi vet om testerna

Meta har publicerat ett modellkort för Muse Wonder med en lista över utvärderingar, metodik och driftsättningsvillkor. Enligt kortet tar modellerna emot text, bilder, video och ljud, och det angivna kontextfönstret vid inferens är en miljon token. Det beskriver tester av agentscenarier, programmering, dokumenthantering och säkerhet.

Jämförelsevillkoren varierar mellan testerna. I kontrollerade interna programmeringsjämförelser använde Meta en gemensam testmiljö; vissa andra resultat kommer från externa utvärderare eller modellleverantörernas rapporter. Resultaten för SWE-Marathon bygger till exempel på data från Abundant AI: GPT‑6 Astra testades via Codex och Claude Fable 5.1 via Claude Code. Den raden är därför inte en jämförelse av alla modeller i en och samma testmiljö.

Meta rapporterar att Muse Wonder Full fick 92 flaggor i ExploitGym. Modellkortet förtydligar att 21 flaggor motsvarade en förmodad sårbarhet, medan de återstående 71 uppstod genom oavsiktliga sårbarheter. I den publicerade rankningen räknas bara de förstnämnda. Det visar hur utvärderingsmetoden påverkar vad en slutlig siffra betyder.

Vad du bör kontrollera före införandet

Utvecklare som gör ett praktiskt pilotprojekt bör börja med typiska uppgifter i den egna produkten: ge agenten en begränsad uppsättning verktyg, definiera ett verifierbart resultat och mäta andelen slutförda scenarier, antalet fel och hur ofta människor behöver ingripa. Kontrollera också särskilt vad som händer vid motstridiga uppgifter, verktygsfel och försök att utföra oåterkalleliga åtgärder.

Metas modellkort rekommenderar att modellen utvärderas för det specifika användningsområdet och att ytterligare skyddsåtgärder införs, däribland mänsklig bekräftelse av oåterkalleliga åtgärder. Kortet noterar även att kvaliteten beror på driftsättningskonfiguration, promptar, verktyg och agentmiljö. Det angivna kontextfönstret bör därför bedömas tillsammans med resultaten på de uppgifter som är relevanta för användningen.

Den 13 oktober 2026 var lanseringen av båda modellerna, de angivna åtkomstkanalerna och Metas publicerade testmaterial bekräftade. Tillgänglighet via Muse för prenumeranter är ett kommande steg, inte en lansering som redan skett för alla användare. För utvecklare ger lanseringen en grund för ett eget pilotprojekt; beslut om införande bör fattas utifrån resultat på relevanta uppgifter och säkerhetskontroller i det avsedda systemet.