Obecny model Muse uzyskuje 47% w indeksie osobistej superinteligencji Meta

Meta AI Research ogłosiło 6 listopada 2026 r., że wdraża wyspecjalizowane wersje modeli, na których bazują Muse i Meta AI, wytrenowane z użyciem Muse Wonder. Obecny model Muse uzyskuje 47% w indeksie Personal Superintelligence Index, w porównaniu z 38% w przypadku poprzedniego modelu.

Aktualizacja wprowadza Active Memory i Active Focus w obu produktach. Wdrażane modele to specjalistyczne wersje istniejących systemów Meta, udoskonalone dzięki Muse Wonder, a nie sama seria Wonder. Takie podejście udostępnia większej liczbie osób możliwości wprowadzone wraz z Wonder, wykorzystując istniejące modele asystentów.

W ogłoszeniu z 12 października 2026 r. Meta opisała Muse Wonder i Muse Wonder Full jako swoje najpotężniejsze dotąd modele oraz poinformowała, że Wonder będzie najpierw zasilać funkcje Muse dostępne subskrybentom, a następnie posłuży do opracowania specjalistycznych modeli dla wszystkich użytkowników Muse. W ramach nowego wdrożenia plan zastosowania specjalistycznych modeli obejmuje zarówno Muse, jak i Meta AI.

Active Memory wybiera istotny kontekst

Active Memory pozwala asystentom zachowywać ważne informacje i przywoływać je, gdy stają się istotne w późniejszej rozmowie. Trening obejmuje rozróżnianie informacji tymczasowych i trwałych, rozumowanie w perspektywie czasu oraz rozpoznawanie, czy szczegóły nadal są istotne, czy już się zdezaktualizowały. Pamięć staje się więc kwestią selekcji i wyczucia właściwego momentu: model musi ustalić, który wcześniejszy kontekst ma zastosowanie teraz, a który stracił aktualność.

Meta informuje, że w udoskonalonych modelach Muse 2,4-krotnie ograniczono zapominanie informacji kluczowych dla celów użytkowników. Wynik testu Active Memory Eval pokazuje, że obecny model prawidłowo wykorzystuje istotny kontekst w 90% zadań, w porównaniu z 76% w przypadku poprzedniego modelu. Wartości te odnoszą się do dwóch odrębnych aspektów problemu: zachowywania informacji potrzebnych do osiągnięcia celu oraz prawidłowego wykorzystywania tego kontekstu podczas wykonywania zadania.

Active Focus pomaga realizować zadania

Active Focus ma pomagać Muse dążyć do celu, gdy nieoczekiwane wyzwanie przerywa pracę. Meta wytrenowała modele na zróżnicowanych przeszkodach, które mają odzwierciedlać rzeczywiste warunki, aby mogły wytrwać w działaniu, odzyskać zdolność do pracy lub znaleźć dla użytkownika inne rozwiązania. Meta informuje, że w Muse odnotowano 67-procentową poprawę w realizacji codziennych zadań, w których pojawiają się nieoczekiwane problemy.

Specjalistyczne modele uwzględniają także sposób współpracy agenta z użytkownikiem w trakcie wykonywania zadania. Zaprojektowano je tak, aby mogły realizować wiele zadań jednocześnie, wybierać między samodzielnym działaniem a współpracą na żywo oraz uwzględniać wskazówki i doprecyzowania bez dezorientacji i porzucania zadania. Łączy to wytrwałość z responsywnością: agent może nadal dążyć do celu, a zarazem zmienić kurs, gdy użytkownik zareaguje.

W Meta AI te same ulepszenia mają sprawić, że asystent będzie lepszym partnerem w myśleniu i współpracy. Potrafi dzielić złożone problemy na jasne etapy, zadawać trafniejsze pytania uzupełniające i nadążać za użytkownikiem, gdy ten zmienia kierunek rozmowy.

W praktyce wdrożenie sprawdzi się wtedy, gdy zachowana zostanie ciągłość: użyteczny kontekst przetrwa zmianę okoliczności, praca będzie mogła być wznowiona po napotkaniu przeszkód, a korekty da się uwzględnić bez utraty celu. Te zachowania łączą wyniki przedstawione przez Meta z codzienną współpracą, którą firma chce wspierać w Muse i Meta AI.