Meta Memperkenalkan Seri Muse Wonder, Model AI Paling Mumpuni yang Pernah Dibuatnya

Pada 12 Oktober 2026, Meta mengumumkan seri Muse Wonder, memperkenalkan Muse Wonder dan Muse Wonder Full sebagai model terdepan untuk tugas berbasis agen personal dan profesional. Meta menyebutnya sebagai model paling mumpuni yang pernah dibuatnya, dirancang untuk menghadirkan kinerja tercanggih dalam berbagai pekerjaan, mulai dari mengurus klaim asuransi dan memahami perjanjian sewa hingga membuat aplikasi yang berfungsi.

Kemampuan untuk Tugas Berbasis Agen

Menurut pengumuman tersebut, model Muse Wonder menghadirkan kemampuan di bidang-bidang yang membutuhkan keahlian, termasuk hukum, keuangan, dan kesehatan, serta kinerja pemrograman terdepan bagi mereka yang membuat berbagai hal, mulai dari gim hingga aplikasi untuk bisnis baru. Meta menyebut peluncuran ini berlangsung empat belas bulan setelah perusahaan mulai merombak upaya AI-nya—periode ketika Meta beralih dari membangun kembali fondasinya menjadi mendorong batas kemampuan. Model-model ini dikembangkan berdasarkan landasan yang dibangun dengan Muse Spark.

Meta mengembangkan model-model baru ini dengan berlandaskan fitur yang disebutnya Active Memory dan Active Focus. Active Memory mempertahankan konteks tentang pengguna dari satu percakapan ke percakapan lain dan mengingat kembali detail yang relevan dengan tugas yang sedang dikerjakan. Active Focus menjaga agar model tetap berupaya mencapai tujuan saat tugas menjadi sulit: mencoba pendekatan lain, mengatasi kesalahan, meminta penjelasan bila diperlukan, serta meminta konfirmasi sebelum menindaklanjuti hal penting.

Pemrograman menyatukan kemampuan-kemampuan tersebut. Blog riset Meta menjelaskan bahwa pengembangan perangkat lunak mencakup pelacakan persyaratan, perubahan di berbagai bagian basis kode, serta siklus pengujian dan revisi yang berulang. Blog itu juga menyebutkan bahwa kedua model dilatih dengan beragam tugas jangka panjang agar dapat terus membuat kemajuan di seluruh proses tersebut. Peragaan dalam unggahan itu menunjukkan Muse Wonder membuat gim dapur 3D yang bisa dimainkan dari masukan gambar yang dapat disesuaikan; menyusun rencana lari di peramban menggunakan data OpenStreetMap berdasarkan preferensi dan keadaan pribadi; merancang dan memesan suvenir khusus berdasarkan foto asli dari profil Instagram pribadi; serta menyiapkan bagan tempat duduk khusus untuk pernikahan berdasarkan daftar persyaratan pencocokan yang rumit.

Pelatihan dan Generalisasi

Muse Wonder dan Muse Wonder Full dilatih di pusat data Prometheus milik Meta yang berskala gigawatt. Peluncuran ini melanjutkan pendekatan penskalaan yang diuraikan Meta bersama Muse Spark, yang diterapkan pada prapelatihan dan pembelajaran penguatan.

Blog riset tersebut juga mengkaji hubungan antara kinerja pada tugas yang menjadi sasaran pascapelatihan dan kinerja pada tugas yang belum pernah dihadapi sebelumnya seiring bertambahnya komputasi saat pengujian—cakupan kemampuan yang, menurut blog itu, tidak dapat sepenuhnya diukur dengan tolok ukur populer yang hanya mencakup beberapa bidang. Analisis Meta membandingkan Muse Spark 1.3 dan Muse Wonder Full dengan memetakan skor masing-masing model pada gabungan yang mewakili tugas sasaran pascapelatihan (distribusi yang sama dengan data pelatihan) terhadap kinerja rata-rata pada tugas yang bukan sasaran pascapelatihan (di luar distribusi data pelatihan). Meta melaporkan bahwa kedua model menunjukkan peningkatan serupa pada tugas di luar distribusi data pelatihan seiring bertambahnya komputasi saat pengujian. Namun, jika kinerjanya pada distribusi yang sama dengan data pelatihan diperhitungkan, Muse Wonder Full berkinerja lebih baik pada tugas-tugas baru daripada yang diperkirakan berdasarkan tren Muse Spark 1.3. Meta mengaitkan pergeseran ke atas tersebut dengan model dasar yang lebih besar dan lebih kuat di balik seri Muse Wonder. Peningkatan pascapelatihannya lebih efektif diterapkan pada tugas-tugas baru—keserbagunaan yang, menurut blog itu, penting bagi agen personal yang harus menangani beragam kombinasi tujuan, alat, dan batasan.

Rangkaian Evaluasi

Meta mengatakan bahwa seri Muse Wonder mencapai hasil tercanggih pada berbagai tolok ukur utama untuk agen personal dan profesional, memori, serta pemrograman. Meta juga menerbitkan tabel hasil lengkap yang membandingkan model-model tersebut dengan model terdepan lainnya dalam rangkaian evaluasi yang luas. Evaluasi yang disebutkan mencakup Harvey’s Legal Agent Benchmark, yang mengharuskan model bekerja dengan dokumen sumber dan mengikuti instruksi terperinci untuk menghasilkan dokumen hukum, serta Vals Finance Agent V2 untuk tugas agen keuangan. Memori kontekstual jangka panjang diukur dengan MemoryBench, fokus dengan FocusBench, kemampuan menjalankan proyek perangkat lunak jangka panjang secara berkelanjutan dengan SWE-Marathon, dan pemrograman jangka panjang dengan DeepSWE. Meta merujuk pembaca ke laporan terpisah untuk detail evaluasi tambahan.

Keselamatan dan Penyelarasan

Meta mengatakan bahwa pihaknya melatih keluarga Muse Wonder agar tidak membagikan informasi pribadi tanpa izin, menolak permintaan untuk membantu melakukan tindakan yang benar-benar berbahaya, serta berupaya meningkatkan keamanan dan memperkuat pertahanan terhadap serangan siber. Karena pengembang dan tim keamanan dapat menggunakan model seperti Muse Wonder untuk menemukan kelemahan dalam kode mereka sendiri dan memperkuat sistem, Meta mengatakan bahwa pihaknya memastikan model-model tersebut tetap mampu melakukan pekerjaan itu.

Meta menyebut Muse Wonder menawarkan perlindungan terkuatnya sejauh ini terhadap penyalahgunaan CBRN (kimia, biologi, radiologi, dan nuklir) serta siber, sembari tetap menyediakan akses ke kemampuan siber terdepan untuk penggunaan defensif. Meta juga menyebut Muse Wonder sebagai modelnya yang paling selaras sejauh ini. Evaluasi keselamatan yang dijelaskan dalam blog riset mencakup tingkat keberhasilan serangan eksekusi kode tanpa izin, tingkat pelanggaran dalam penanganan informasi pribadi, tingkat penolakan terkait risiko biologis, serta tingkat penolakan terhadap penyalahgunaan siber dan kepatuhan pada penggunaan untuk pertahanan siber. Meta melatih, mengevaluasi, dan merilis model-modelnya yang paling mumpuni sesuai dengan Meta Superintelligence Scaling Framework, dan mengatakan bahwa laporan lengkap yang memuat evaluasi keselamatan tambahan akan segera tersedia.

Ketersediaan dan Rencana yang Diumumkan

Muse Wonder tersedia melalui Meta Model API dan Muse Code, sedangkan Muse Wonder Full tersedia bagi pelanggan Muse Code. Meta mengatakan bahwa Muse Wonder akan segera mendukung berbagai pengalaman di Muse, dengan peluncuran awal bagi pelanggan, serta mendukung pembuatan artefak dan proses lainnya yang membutuhkan kecerdasan lebih tinggi. Meta juga mengatakan akan menggunakan Muse Wonder untuk mengembangkan model khusus yang dapat dihadirkannya bagi semua pengguna Muse.