Meta представила семейство Muse Wonder, в которое вошли две модели — Muse Wonder и Muse Wonder Full. Компания делает ставку на длительные агентные задачи, программирование и персональную хранилище: модели должны не просто отвечать на запросы, а функционировать над целью, учитывать предыдущие диалоги и восстанавливаться после ошибок. Разбираемся. что нового и зачем оно нам надо.

Как утверждают сами Meta*, новинки уже конкурируют с ведущими моделями OpenAI и Anthropic в ряде тестов.

Две модели и новая базовая архитектура

Muse Wonder и Muse Wonder Full построены на более крупной базовой модели, чем Muse Spark 1.3. Meta связывает с этим усовершенствование обобщения: результаты постобучения лучше переносятся на незнакомые задачи, которые не входили в целевые сценарии обучения.

Компания проверила эту гипотезу на задачах, которые не использовались при постобучении. По её данным, Wonder Full показывает более высокие результаты на таких задачах, чем можно было бы ожидать по зависимости, наблюдавшейся у Muse Spark 1.3.

У моделей две основные особенности:

• Active Memory — извлечение релевантного контекста из предыдущих разговоров. Вместо того чтобы полагаться только на текущий диалог, модель может восстановить важные сведения о предпочтениях пользователя и ранее поставленных задачах.

• Active Focus — способность продолжать сложную работу, пробовать другие подходы после ошибки, адаптироваться к новым данным и запрашивать уточнения, когда это необходимо.

Meta ориентирует модели на разработку ПО, работу с документами, финансовые и юридические задачи, а равным образом управление действиями через браузер и приложения.

Что показывают бенчмарки

Наиболее заметный итог — в длительных задачах программирования. В DeepSWE 1.1, где проверяется решение задач в существующих репозиториях, Muse Wonder Full получила 79,0 балла, а Muse Wonder — 78,8. Для сравнения: Claude Opus 5.5 набрала 74,2, GPT-6 Astra — 74,1, Claude Fable 5.1 — 67,4.

В SWE-Marathon, тесте на длительную разработку крупных проектов, Wonder Full показала 57,5 против 46,3 у Opus 5.5 и 42,5 у Astra.

Но в Terminal-Bench 4.0 картина другая: у Wonder Full 57,1, у Claude Opus 5.5 — 59,6, у GPT-6 Astra — 59,1. Здесь новинка опережает Fable 5.1 с результатом 52,0, но не становится лидером.

Источники — доклад Meta и сравнение опубликованных оценок.
Тесты проприетарных моделей в её окружении проводились в режиме best effort:

Где модели особенно полезны

1. Разработка ПО
   Модели должны удерживать требования на протяжении длительной сессии, вносить изменения сразу в несколько файлов, запускать тесты и исправлять ошибки. Именно на долгих программных задачах результаты Wonder Full выглядят наиболее убедительно.

2. Работа с профессиональными документами
   Компания приводит тесты для юридических, финансовых и медицинских сценариев. В частности, в Harvey Legal Agent Benchmark модели должны анализировать исходные материалы и готовить юридические документы с соблюдением подробных инструкций. В версии LAB-AA Wonder Full набрала 13,1 против 4,2 у Opus 5.5 и 8,6 у Astra. Итог качественный, но с учётом, какая компания разработала модель, советую быть особенно аккуратными с чувствительными данными.

3. Персональные агенты
   Active Memory и Active Focus предназначены для задач, которые растягиваются на несколько сессий: от планирования поездки до работы с документами и взаимодействия с веб-сервисами. Тем не менее реальная надёжность такой связки зависит не только от модели, но и от качества инструментов, прав доступа и обработки ошибок.

Доступность и цена

Muse Wonder уже доступна через Meta Model программный интерфейс и Muse Code. Muse Wonder Full пока предоставляется подписчикам Muse Code. В приложение Muse более мощная модель должна попасть позднее — сначала для платных пользователей.

Meta не опубликовала открытые веса Muse Wonder. Это закрытые модели, доступные через api и продукты компании, а не условная открытая Llama.

Что с безопасностью

Meta заявляет, что Muse Wonder получила наиболее сильные сегодня защитные механизмы компании для персональных агентов, в том числе против попыток обойти ограничения и получить доступ к личным данным. Для модели также предусмотрены меры против опасного использования в кибербезопасности и биологических сценариях.

При этом цельный доклад по оценкам безопасности компания обещает опубликовать позднее. До его выхода заявления о том, что Wonder — наиболее безопасная и согласованная схема Meta, остаются утверждениями разработчика.

*Meta Platforms Inc. признана экстремистской организацией в России, её деятельность запрещена.