Meta выпустила модели Muse Wonder и Muse Wonder Full для агентных задач

В линейке две версии с разным доступом. Muse Wonder можно использовать через Meta Model API и Muse Code, инструмент для написания программ с AI. Muse Wonder Full пока доступна подписчикам Muse Code. Компания также собирается добавить стандартную Wonder в персонального агента Muse, сначала для подписчиков; более сильной версии отводят роль в функциях платформ Meta. Веса этих двух моделей для самостоятельного запуска не опубликованы.

Wonder продолжает линейку, которую обновлённая команда Meta Superintelligence Labs начала с Muse Spark. Spark задумывалась как более лёгкая модель с низкой задержкой, тогда как Wonder рассчитана на сложные задачи, в том числе программирование. Meta описывает Active Memory как механизм сохранения значимого контекста между разговорами, а Active Focus – как способ продолжать работу при препятствиях: пробовать другие подходы, уточнять запрос и проверять действия перед важными шагами. Это описание возможностей компании, а не гарантия, что агент справится с любой длинной задачей.

По данным Meta, Muse Wonder Full опередила Claude Opus 5.5 в восьми из 14 опубликованных тестов. В инженерном SWE-Marathon компания приводит результат 57,5 против 46,3, а в DeepSWE 1.1 – 79,0 против 74,2. Оба теста проверяют работу с кодом на длинном горизонте: недостаточно предложить один удачный фрагмент, нужно удерживать ход решения. Meta указывает, что прогоны выполняли независимые третьи стороны. При этом в SWE-Marathon Full работала на максимальном уровне рассуждений, а соперники – внутри собственных агентных инструментов; условия нельзя считать строго одинаковыми.

Отдельно Meta приводит результат юридического агентного теста Harvey, где засчитывают лишь задачи, завершённые без галлюцинаций: 13,1 у Full против 4,2 у Opus 5.5. Разрыв заметный, но сами показатели низкие – это не основание поручать модели юридическую работу без проверки человеком. Компания сообщает, что обучала модели в дата-центре Prometheus, однако подробностей устройства и обучения Wonder не раскрыла. Поэтому оценки в опубликованных тестах и реальная надёжность агента в рабочем процессе пока остаются разными вопросами.