Meta revela a série Muse Wonder, seus modelos de IA mais capazes até agora

Em 12 de outubro de 2026, a Meta anunciou a série Muse Wonder, apresentando o Muse Wonder e o Muse Wonder Full como modelos de ponta para tarefas pessoais e profissionais realizadas por agentes. A Meta os descreveu como seus modelos mais capazes até hoje, desenvolvidos para oferecer desempenho de última geração em atividades que vão desde acompanhar um pedido de indenização de seguro e entender um contrato de aluguel até criar um aplicativo funcional.

Capacidades para tarefas realizadas por agentes

Segundo o anúncio, os modelos Muse Wonder oferecem recursos para áreas especializadas, como direito, finanças e saúde, além de desempenho de ponta em programação para quem cria desde um jogo até um aplicativo para um novo negócio. A Meta apresentou o lançamento como ocorrido 14 meses depois do início de uma reformulação de seus esforços em IA, período em que passou de reconstruir seus alicerces a expandir as fronteiras da tecnologia. Os modelos se apoiam no trabalho realizado com o Muse Spark.

A Meta desenvolveu os novos modelos com base em recursos que chama de Active Memory e Active Focus. O Active Memory mantém o contexto sobre o usuário entre conversas e recupera os detalhes relevantes para a tarefa em questão. O Active Focus mantém o modelo trabalhando em direção a um objetivo quando uma tarefa fica difícil: ele tenta outras abordagens, se recupera de erros, pede esclarecimentos quando necessário e confirma antes de dar seguimento a qualquer questão importante.

A programação reúne essas capacidades. O blog de pesquisa da Meta descreve o desenvolvimento de software como um processo que envolve acompanhar requisitos, fazer alterações em uma base de código e passar por ciclos repetidos de testes e revisões. Segundo o blog, os dois modelos foram treinados em tarefas variadas e prolongadas para manter o progresso ao longo de todo esse processo. As demonstrações na publicação mostram o Muse Wonder criando um jogo de cozinha 3D jogável a partir de imagens personalizáveis; montando, em um navegador, um plano de corrida com dados do OpenStreetMap, baseado em preferências e circunstâncias pessoais; criando e encomendando brindes personalizados a partir de fotos reais de um perfil pessoal no Instagram; e preparando um mapa personalizado de lugares para um casamento com base em uma lista de requisitos complexos de compatibilidade.

Treinamento e generalização

O Muse Wonder e o Muse Wonder Full foram treinados no centro de dados Prometheus, da Meta, com capacidade na escala de gigawatts. O lançamento se apoia na abordagem de escalabilidade que a Meta apresentou com o Muse Spark, aplicada tanto ao pré-treinamento quanto ao aprendizado por reforço.

O blog de pesquisa também analisa como o desempenho em tarefas visadas durante o pós-treinamento se relaciona com o desempenho em tarefas desconhecidas à medida que aumenta o volume de computação durante os testes — uma amplitude de capacidades que, segundo a publicação, os benchmarks populares em algumas áreas não conseguem captar por completo. A análise da Meta compara o Muse Spark 1.3 e o Muse Wonder Full, representando graficamente a pontuação de cada modelo em um índice composto que representa tarefas visadas durante o pós-treinamento (dentro da distribuição) em relação ao desempenho médio em tarefas que não foram visadas durante o pós-treinamento (fora da distribuição). A Meta informou que os dois modelos melhoram de forma semelhante em tarefas fora da distribuição à medida que aumenta o volume de computação durante os testes, mas que, considerando seu desempenho dentro da distribuição, o Muse Wonder Full tem desempenho melhor em tarefas desconhecidas do que o previsto pela tendência do Muse Spark 1.3. A Meta atribui esse avanço aos modelos de base maiores e mais robustos que sustentam a série Muse Wonder, cujos ganhos no pós-treinamento se transferem com mais eficácia para tarefas desconhecidas. Segundo o blog, essa versatilidade é importante para agentes pessoais que precisam lidar com muitas combinações de objetivos, ferramentas e restrições.

Conjunto de avaliações

A Meta afirmou que a série Muse Wonder alcança resultados de última geração em benchmarks importantes para agentes pessoais e profissionais, memória e programação, e publicou uma tabela completa de resultados que compara os modelos a outros modelos de ponta em um amplo conjunto de avaliações. Entre as avaliações citadas estão o Harvey’s Legal Agent Benchmark, que exige que os modelos trabalhem com documentos de origem e sigam instruções detalhadas para produzir documentos jurídicos, e o Vals Finance Agent V2, voltado a tarefas de agentes financeiros. A memória contextual de longo prazo é medida pelo MemoryBench; o foco, pelo FocusBench; a execução sustentada em projetos de software prolongados, pelo SWE-Marathon; e a programação em horizontes longos, pelo DeepSWE. A Meta indicou um relatório separado para obter mais detalhes sobre as avaliações.

Segurança e alinhamento

A Meta afirmou ter treinado a família Muse Wonder para evitar compartilhar informações privadas sem permissão, recusar pedidos de ajuda na realização de atos realmente prejudiciais e trabalhar para melhorar a segurança e reforçar as defesas contra ataques cibernéticos. Como desenvolvedores e equipes de segurança podem usar modelos como o Muse Wonder para encontrar falhas no próprio código e reforçar seus sistemas, a Meta afirmou ter garantido que os modelos ainda possam realizar esse trabalho.

A Meta descreveu o Muse Wonder como o modelo com as salvaguardas mais fortes até hoje contra o uso indevido em áreas CBRN (química, biológica, radiológica e nuclear) e cibernética, preservando ao mesmo tempo o acesso a recursos cibernéticos de ponta para fins defensivos. Também chamou o Muse Wonder de seu modelo mais alinhado até hoje. As avaliações de segurança descritas no blog de pesquisa abrangem as taxas de sucesso de ataques de execução não autorizada de código, as taxas de violações no tratamento de informações pessoais, as taxas de recusa em situações de risco biológico e as taxas de recusa de uso indevido cibernético e de conformidade com requisitos de defesa cibernética. A Meta treina, avalia e lança seus modelos mais capazes de acordo com o Meta Superintelligence Scaling Framework e afirmou que um relatório completo com avaliações de segurança adicionais estará disponível em breve.

Disponibilidade e planos anunciados

O Muse Wonder está disponível por meio da Meta Model API e do Muse Code, enquanto o Muse Wonder Full está disponível para assinantes do Muse Code. A Meta afirmou que o Muse Wonder em breve dará suporte a experiências no Muse, que serão disponibilizadas primeiro para os assinantes, e também à geração de artefatos e a outros processos que exigem mais inteligência. A Meta também afirmou que usará o Muse Wonder para desenvolver modelos especializados que poderá disponibilizar a todos os usuários do Muse.