12 октября Meta представила две новые языковые модели — Muse Wonder и Muse Wonder Full, позиционируя их как самые мощные в своей истории. Модели создавались для персональных и профессиональных ИИ-агентов, которые способны запоминать пользователя между разговорами, не останавливаться при первой ошибке и доводить длинные задачи до завершения. Muse Wonder уже доступна через Meta Model API и в кодинг-агенте Muse Code, тогда как Muse Wonder Full пока доступна только подписчикам Muse Code. Внутреннее кодовое имя проекта — «Watermelon». Muse Wonder является следующей ступенью после Muse Spark, которая задумывалась как лёгкая модель с низкой задержкой. Новые модели крупнее и рассчитаны на сложные задачи, включая программирование. Meta связывает рост качества с более крупными базовыми моделями и изменениями в претрейне и обучении с подкреплением. Обе модели имеют контекст около 1 млн токенов, как у Muse Spark 1.3, принимают на вход текст, изображения, видео и аудио, а на выходе выдают только текст. Обучение проходило в гигаваттном дата-центре Prometheus в центральном Огайо. Muse Wonder Full — это отдельная модель, а не режим рассуждений Muse Wonder.

Ключевыми особенностями новых моделей стали функции Active Memory и Active Focus. Active Memory позволяет переносить важный контекст о пользователе из диалога в диалог и извлекать нужные детали, когда они требуются для задачи. Как поясняет исследовательница Кавья Коппарапу, команда приложила много усилий, чтобы модель помнила важное для пользователя днями, неделями и месяцами. По результатам тестов Meta, на бенчмарке MemoryBench Muse Wonder обходит Claude Fable, Claude Opus и GPT-6 Astra. Active Focus — это способность не бросать трудную задачу: пробовать другие подходы, обходить препятствия, адаптироваться к новой информации, уточнять непонятное и спрашивать подтверждение перед важными действиями. По словам Александра Ванга, модель специально учили не застревать на препятствиях и не возвращаться к пользователю при каждой мелочи. Для проверки используются бенчмарки FocusBench и SWE-Marathon.

Meta сравнивала свои модели с GPT-6 Astra, Claude Opus 5.5 и Claude Fable 5.1, заявляя паритет или превосходство в агентных, кодинговых и профессиональных тестах. Однако Muse Wonder Full выигрывает не во всех тестах: Claude Opus 5.5 впереди в ProgramBench (70,5 против 50) и в Terminal-Bench (59,6% против 57,1%), а общий Intelligence Index у Opus выше. Независимая компания Artificial Analysis в своём Intelligence Index v4.3 (десять тестов, от кода до агентной офисной работы) поставила на первое место Claude Opus 5.5 с 57,6 балла, Muse Wonder Full — на второе с 55,8, Claude Fable 5.1 — на третье с 53,4, GPT-6 Astra — на четвёртое с 52,7, Gemini 4 Argon — на пятое с 52,6, Muse Wonder — на шестое с 52,4, GPT-6.1 Sol — на седьмое с 51,8. Для сравнения, Muse Spark 1.3 набирал 48 баллов. По оценке Artificial Analysis, между релизами Muse Spark 1.3 и Muse Wonder прошло всего около шести недель. Muse Wonder Full улучшилась по сравнению с Muse Spark 1.3 во всех десяти тестах индекса — на 8 баллов.

Агентные задачи выросли сильнее всего: Terminal-Bench 4.0 — с 33% до 57%, GDPval-AA v2.1 — на 176 Elo (с 1681 до 1857), AA-Briefcase — на 148 Elo (с 1581 до 1729). Muse Wonder прибавила 4 балла, Terminal-Bench 4.0 вырос с 33% до 52%, AutomationBench-AA — с 58% до 68%. В топ-3 по шести из десяти тестов Muse Wonder Full заняла первое место в CritPt (33%) и GDP.pdf (33%), второе в GDPval-AA v2.1, третье в AA-Briefcase, AutomationBench-AA (71%) и SciCode (63%). Экономия токенов: обе модели тратят около 54 тыс. выходных токенов на задачу, на ~10% меньше, чем Muse Spark 1.3; это меньше, чем у Gemini 4 Argon и Claude Fable 5.1, но больше, чем у GPT-6.1 Sol и GPT-6 Astra. Muse Wonder Full расходует на 16% меньше входных токенов, чем Muse Wonder. В Coding Agents Index (в Muse Code, максимум рассуждений) Muse Wonder Full набрала 68 — столько же у Claude Code на Sonnet 5.5, у Opus 5.5 — 66, у Muse Wonder — 63, у Muse Code на Spark 1.3 — 54. Слабое место — знания: в AA-Omniscience Muse Wonder Full набрала 30, Muse Wonder — 25 (как Spark 1.3), тогда как у Claude Opus 5.5 этот показатель 46, у GPT-6 Astra — 43. Зато уровень галлюцинаций у моделей очень низкий.

Meta сама упоминает популярные претензии к бенчмаркам: модели с одинаковыми оценками иногда ведут себя очень по-разному на незнакомых задачах. Чтобы показать эту разницу, компания сравнила Muse Spark 1.3 и Muse Wonder Full: по горизонтали — результат на задачах, под которые модель дообучали, по вертикали — среднее на задачах, которые в дообучении не участвовали. Muse Wonder Full на незнакомых задачах показывает результат лучше, чем предсказывает тренд Muse Spark 1.3. Meta объясняет это тем, что база крупнее и сильнее, а такая база лучше переносит выигрыш после дообучения на новые задачи. Веса Muse Wonder и Full не опубликованы, планов открыть их не объявлено, но Ванг заявил, что компания по-прежнему привержена открытому исходному коду. Отдельно стоит отметить, что деятельность Meta признана экстремистской и запрещена на территории Российской Федерации.

Выход Muse Wonder и Muse Wonder Full усиливает конкуренцию на рынке передовых ИИ-моделей, где уже присутствуют GPT-6 Astra от OpenAI, Gemini 4 Argon от Google и семейство Claude от Anthropic. Meta делает ставку на агентные сценарии, память и длительные задачи, что может быть востребовано в корпоративной разработке и автоматизации. Для российского рынка эти модели официально недоступны из-за запрета деятельности Meta, поэтому прямого влияния на локальных пользователей они не окажут. Однако технологические тренды, задаваемые такими релизами, косвенно влияют на российских разработчиков, которые следят за глобальными бенчмарками и стремятся внедрять аналогичные функции в свои продукты. Реакция отрасли на новые модели пока сдержанная: независимые тесты подтверждают высокие позиции, но не абсолютное лидерство.

В ближайшей перспективе Meta, вероятно, продолжит развивать линейку Muse, расширяя доступность Full-версии и улучшая показатели знаний, где модели пока уступают конкурентам. Открытым остаётся вопрос об открытии весов: обещания приверженности open source пока не подкреплены конкретными шагами. Также неясно, как быстро новые модели появятся в приложении Muse и какие ограничения будут у бесплатного доступа. Конкуренты, в свою очередь, наверняка ответят новыми релизами, что приведёт к дальнейшему росту качества и снижению стоимости инференса. Пока же Muse Wonder и Muse Wonder Full демонстрируют, что Meta способна выпускать модели уровня frontier, но борьба за первенство далека от завершения.