Muse attuale ottiene il 47% nell’indice di superintelligenza personale di Meta

Meta AI Research ha annunciato il 6 novembre 2026 che sta distribuendo versioni specializzate dei modelli alla base di Muse e Meta AI, addestrate con Muse Wonder. Il modello attuale di Muse ha ottenuto il 47% nel suo indice di superintelligenza personale, contro il 38% del modello precedente.

L’aggiornamento porta la Memoria attiva e la Concentrazione attiva su entrambi i prodotti. I modelli distribuiti sono versioni specializzate dei sistemi già esistenti di Meta, migliorate grazie a Muse Wonder, e non rappresentano invece il lancio della serie Wonder. Questo approccio estende a un numero maggiore di persone le funzionalità introdotte con Wonder, attraverso i modelli già esistenti degli assistenti.

Nel suo annuncio del 12 ottobre 2026, Meta ha descritto Muse Wonder e Muse Wonder Full come i modelli più capaci mai realizzati dall’azienda e ha dichiarato che Wonder avrebbe inizialmente alimentato le esperienze Muse per gli abbonati, prima di essere utilizzato per sviluppare modelli specializzati destinati a tutti gli utenti di Muse. Il nuovo lancio estende questo piano per i modelli specializzati sia a Muse sia a Meta AI.

La Memoria attiva seleziona il contesto pertinente

La Memoria attiva consente agli assistenti di conservare le informazioni importanti e recuperarle quando diventano pertinenti in una conversazione successiva. L’addestramento riguarda la differenza tra informazioni temporanee e permanenti, il ragionamento nel tempo e la capacità di riconoscere quando i dettagli sono ancora pertinenti o sono diventati obsoleti. La memoria diventa così una questione di selezione e tempismo: il modello deve individuare quale contesto precedente è pertinente in quel momento e quale è ormai superato.

Per i modelli Muse migliorati, Meta segnala una riduzione di 2,4 volte della perdita di informazioni fondamentali per gli obiettivi degli utenti. La valutazione della Memoria attiva mostra che il modello attuale usa correttamente il contesto fondamentale nel 90% delle attività, contro il 76% del modello precedente. Queste cifre descrivono aspetti distinti del problema: conservare le informazioni necessarie per raggiungere un obiettivo e applicare correttamente quel contesto durante un’attività.

La Concentrazione attiva mantiene le attività in corso

La Concentrazione attiva mira a far sì che Muse continui a perseguire un obiettivo quando un imprevisto interrompe il lavoro. Meta ha addestrato i modelli su diversi tipi di ostacoli, concepiti per rispecchiare le condizioni del mondo reale, affinché possano perseverare, riprendersi o cercare soluzioni alternative per l’utente. Per Muse, Meta segnala un miglioramento del 67% nel completamento delle attività quotidiane in cui si presentano imprevisti.

I modelli specializzati affrontano anche il modo in cui un agente collabora con una persona mentre un’attività è in corso. Sono progettati per svolgere più attività contemporaneamente, scegliere tra procedere in autonomia e collaborare in tempo reale, nonché recepire indicazioni o chiarimenti senza confondersi né perdere di vista il compito. In questo modo, la perseveranza si coniuga con la capacità di rispondere: un agente può continuare a perseguire l’obiettivo e, al tempo stesso, cambiare direzione quando interviene l’utente.

In Meta AI, gli stessi miglioramenti mirano a rendere l’assistente un interlocutore più efficace con cui ragionare e collaborare. Può suddividere problemi complessi in passaggi chiari, porre domande di approfondimento più mirate e tenere il passo quando l’utente cambia direzione nel corso della conversazione.

Per gli utenti, la prova pratica del lancio è la continuità: verificare se il contesto utile resiste ai cambiamenti delle circostanze, se il lavoro riprende dopo gli ostacoli e se è possibile recepire correzioni senza perdere di vista l’obiettivo. Questi comportamenti collegano i risultati comunicati da Meta alla collaborazione quotidiana che l’azienda intende supportare in Muse e Meta AI.