Meta Muse Wonder Full wchodzi do czołówki modeli AI

Meta ogłosiła swój nowy flagowy model – a właściwie dwa modele – i według niezależnych testów trzeciej strony firma po raz pierwszy od dawna ponownie znalazła się w czołówce światowej sztucznej inteligencji. Muse Wonder oraz Muse Wonder Full to następcy Muse Spark 1.3, pierwszego modelu z odbudowanego laboratorium Meta Superintelligence Labs, i – jak twierdzi koncern – zbliżają się do najlepszych systemów Anthropic, OpenAI i Google.

Kluczowe wnioski

• Muse Wonder Full osiąga 56 punktów w Artificial Analysis Intelligence Index v4.3, Muse Wonder – 52 punkty, a poprzednik Muse Spark 1.3 miał 48 punktów.
• Największy skok dotyczy zadań agentowych: wynik w Terminal-Bench 4.0 wzrósł z 33 do 57 procent, a Muse Wonder Full plasuje się w pierwszej trójce na sześciu z dziesięciu benchmarków.
• Modele oferują nowe funkcje „Active Memory” i „Active Focus”, które mają wspierać długoterminowych asystentów AI korzystających z kalendarzy, wiadomości i dokumentów.
• Wonder kosztuje niemal trzy razy więcej za zadanie niż poprzednik – 4,52 dolara wobec 1,60 dolara w przypadku Muse Spark 1.3.
• Mark Zuckerberg nazwał premierę „kolejnym krokiem na drabinie skalowania i dużym skokiem w stronę personalnej superinteligencji”.

Jak Muse Wonder wypada na tle Claude, GPT-6 i Gemini

Według danych Artificial Analysis Muse Wonder Full plasuje się w top trzy na sześciu z dziesięciu testowanych benchmarków – to mocny wynik dla Meta, która wydawała się odstawać od konkurencji po słabszym okresie z otwartymi modelami Llama. Na indeksie kodowania agentowego (Coding Agents Index) Muse Wonder Full zdobywa 68 punktów, remisując z Claude Code opartym na Sonnet 5.5. Muse Wonder notuje 63 punkty, czyli znaczący wzrost z 54 punktów poprzednika.

Szczególnie imponujący jest wynik na ProofBench, prywatnym benchmarku dowodów matematycznych – Muse Wonder Full rozwiązuje 94 ze 100 zadań, wobec zaledwie 58 u poprzednika, co stawia go zaledwie pięć do sześciu punktów za najlepszymi modelami na rynku (99–100 punktów). Na Terminal-Bench 4 wynik podwoił się, a model zużył przy tym o 30 procent mniej tokenów wyjściowych. Gorzej wygląda sytuacja w zadaniach finansowych i prawnych – wyniki pozostały na poziomie poprzednika albo spadły nawet o dwa punkty.

Słabym punktem pozostaje wiedza faktograficzna. Test AA-Omniscience dał Muse Wonder Full jedynie 30 punktów, a Muse Wonder – 25, co jest wyraźnie gorsze od Claude Opus 5.5 (46), GPT-6 Astra (43) i Gemini 4 Argon (42). To sugeruje, że seria Wonder opiera się na mniejszym modelu bazowym niż konkurencja. Z drugiej strony niska skłonność do halucynacji częściowo niweluje ten problem – Muse Wonder Full obniżył wskaźnik halucynacji z 33 do 23 procent w porównaniu z poprzednikiem, co jest drugim najniższym wynikiem wśród wszystkich modeli notujących co najmniej 45 punktów indeksu. Niższy wskaźnik ma jedynie Gemini 4 Argon (15 procent).

Na niezależnym rankingu Vals AI Index Muse Wonder Full (wersja Max) zadebiutował na piątym miejscu, wyprzedzając wszystkie modele OpenAI – wyżej uplasowały się tylko aktualne modele Anthropic. Muse Wonder znalazł się na dziesiątym miejscu. Według Wired, Meta twierdzi, że jej największy model przewyższa drugi najlepszy model Anthropic, Claude Fable 5.1, i mieści się tuż poniżej najlepszego, Claude Opus 5.5, na indeksie Artificial Analysis. Na niektórych specjalistycznych benchmarkach – dotyczących pracy z dokumentami prawnymi i budowy oprogramowania – Muse Wonder ma przewyższać zarówno GPT-6 Astra, jak i oba modele Claude. The Verge zwraca jednak uwagę, że wciąż nie wiadomo, jak Muse Wonder wypada na tle Gemini 4 Argon od Google, którego możliwości dopiero się krystalizują.

Active Memory, Active Focus i kwestie bezpieczeństwa

Meta podkreśla dwie nowe funkcje wbudowane w Muse Wonder. „Active Memory” pozwala modelowi zapamiętywać kluczowe informacje między rozmowami i przywoływać je w razie potrzeby. „Active Focus” to zdolność modelu do trzymania się trudnych zadań, próbowania alternatywnych podejść i zadawania pytań doprecyzowujących, gdy coś jest niejasne. Oba mechanizmy mają kluczowe znaczenie dla wizji Meta dotyczącej osobistego agenta AI, który ma dostęp do kalendarzy, wiadomości i dokumentów użytkownika.

Według Wired funkcje te mają również zapobiegać „zgubieniu się” modelu przy złożonych zadaniach badawczych czy budowie dużych projektów programistycznych, co może prowadzić do kosztownych błędów lub kumulujących się pomyłek – problem, który w ostatnim czasie dotknął zespoły agentów AI działających w trybie wieloagentowym. Meta zapewnia, że włożyła znaczny wysiłek w trenowanie Muse Wonder do odmawiania generowania niebezpiecznych treści, takich jak przepisy na broń biologiczną czy pomoc w hakowaniu, i twierdzi, że model dobrze radzi sobie w testach odporności na takie zapytania. Firma nie ujawniła jednak, czy podczas testów agenci oparte na Muse Wonder wymykały się spod kontroli ani jakie konkretne środki zaradcze zastosowano.

Zuckerberg przyznał we wpisie na platformie X w zeszłym miesiącu, że premiera modeli Muse została opóźniona właśnie po to, by popracować nad bezpieczeństwem. Wcześniej w tym miesiącu Meta ujawniła też ramy mające zapewnić bezpieczne skalowanie możliwości jej modeli.

Droga powrotna na szczyt i wysoka cena postępu

Zuckerberg zrestrukturyzował badania nad AI w swojej firmie w zeszłym roku, inwestując miliardy dolarów w nowo powstałe Meta Superintelligence Labs i zatrudniając byłego CEO Scale AI, Alexandra Wanga, do kierowania laboratorium. Proces ten bywał burzliwy – część badaczy nie zagrzała miejsca na dłużej. Meta była niegdyś pionierem AI dzięki serii modeli Llama, pierwszych frontierowych modeli o otwartych wagach od dużego laboratorium, szeroko wykorzystywanych przez badaczy i startupy. Firma straciła jednak dystans po kilku rozczarowujących wersjach Llamy, gdy Anthropic, OpenAI i Google błyskawicznie wprowadzały coraz lepsze modele.

Meta zapowiedziała pierwszy model z nowego laboratorium, Muse Spark, w kwietniu tego roku, a także wydała mały otwarty model Muse Glimmer, zapowiadając kolejne, większe modele open-weight w przyszłości. Firma nie ujawniła szczegółów budowy ani treningu nowych modeli Wonder, informując jedynie, że trenowała je w należącym do niej centrum danych Prometheus, działającym w skali gigawatowej.

Postęp ma jednak swoją cenę. Według Artificial Analysis koszt wykonania zadania z Intelligence Index przez Muse Wonder wynosi 4,52 dolara wobec 1,60 dolara dla Muse Spark 1.3 – niemal trzykrotny wzrost. Podrożały też ceny tokenów: 4 dolary za milion tokenów wejściowych i 20 dolarów za wyjściowe, wobec odpowiednio 1,25 i 4,25 dolara u poprzednika. Muse Wonder zużywa też o 28 procent więcej tokenów wejściowych na zadanie, a te odpowiadają za 76 procent łącznych kosztów. Mimo to oba nowe modele zużywają około 10 procent mniej tokenów wyjściowych niż poprzednik. Pod względem ceny Muse Wonder plasuje się poniżej Claude Fable 5.1 (7,63 dolara) i Claude Opus 5.5 (5,98 dolara), ale powyżej GPT-6 Astra (3,26 dolara), Gemini 4 Argon (1,99 dolara) i GPT-6.1 Sol (0,72 dolara). Dla Muse Wonder Full nie podano jeszcze cen za tokeny. Rosnące koszty korzystania z coraz mocniejszych modeli wpisują się w szerszy trend opisany wcześniej w kontekście tego, że niewielu użytkowników płaci za AI, ale ci, którzy płacą, wydają fortunę.

Muse Wonder jest już dostępny przez API Meta oraz narzędzie Muse Code, natomiast Muse Wonder Full na razie trafia wyłącznie do subskrybentów Muse Code. Z czasem Wonder ma zasilić również aplikację Muse, najpierw dla płacących użytkowników, a docelowo Meta planuje tworzyć na jego bazie wyspecjalizowane modele dostępne dla wszystkich. Premiera wpisuje się w szerszą strategię firmy, by odzyskać pozycję liczącego się gracza w wyścigu AI, obejmującą m.in. model graficzny Muse Image oraz intensywny rozwój agenta Muse – który, jak przypomina The Verge, w ostatnich tygodniach mierzył się także z problemami związanymi z bezpieczeństwem i prywatnością.

Meta po raz pierwszy od dłuższego czasu może pochwalić się modelem, który realnie rywalizuje z czołówką rynku AI, choć wciąż ustępuje liderom pod względem wiedzy faktograficznej i płaci za postęp wyraźnie wyższymi kosztami API.