AI-modeller och plattformar
Den aktuella Muse-modellen får 47% på Metas index för personlig superintelligens
Lägg till Unite.AI bland dina föredragna källor på Google
Meta AI Research meddelade den 6 november 2026 att företaget börjar lansera specialiserade versioner av modellerna bakom Muse och Meta AI, tränade med Muse Wonder. Den aktuella Muse-modellen får 47 % på sitt index för personlig superintelligens, jämfört med 38 % för den tidigare modellen.
Uppdateringen ger båda produkterna Active Memory och Active Focus. Modellerna som lanseras är specialiserade versioner av Metas befintliga system, förbättrade med hjälp av Muse Wonder, snarare än en lansering av själva Wonder-serien. På så sätt får fler tillgång till funktioner som introducerades med Wonder, genom assistenternas befintliga modeller.
I sitt tillkännagivande den 12 oktober 2026 beskrev Meta Muse Wonder och Muse Wonder Full som företagets mest kapabla modeller hittills. Meta uppgav också att Wonder först skulle driva Muse-upplevelser för prenumeranter och därefter användas för att utveckla specialiserade modeller för alla som använder Muse. Den nya lanseringen förverkligar planen på specialiserade modeller för både Muse och Meta AI.
Active Memory väljer ut relevant sammanhang
Active Memory gör det möjligt för assistenterna att behålla viktig information och hämta fram den när den blir relevant i ett senare samtal. Träningen omfattar skillnaden mellan tillfällig och bestående information, resonemang över tid och förmågan att avgöra när detaljer fortfarande är relevanta eller har blivit inaktuella. Därmed blir minne en fråga om urval och timing: modellen måste avgöra vilket tidigare sammanhang som är relevant nu och vad som har blivit inaktuellt.
För de förbättrade Muse-modellerna rapporterar Meta en 2,4-faldig minskning av att viktig information för användarnas mål glöms bort. Enligt Metas Active Memory Eval använder den aktuella modellen viktig kontext korrekt i 90 % av uppgifterna, jämfört med 76 % för den tidigare modellen. Siffrorna beskriver olika delar av problemet: att behålla information som behövs för att nå ett mål och att använda sammanhanget korrekt under en uppgift.
Active Focus hjälper uppgifter att gå framåt
Active Focus är tänkt att hjälpa Muse att fortsätta arbeta mot ett mål när en oväntad utmaning avbryter arbetet. Meta tränade modellerna med varierande flaskhalsar som utformats för att spegla verkliga förhållanden, så att de kan fortsätta, återhämta sig eller hitta andra lösningar för användaren. För Muse rapporterar Meta en förbättring på 67 % när det gäller att slutföra vardagliga uppgifter där oväntade problem uppstår.
De specialiserade modellerna tar också hänsyn till hur en agent samarbetar med någon medan en uppgift pågår. De är utformade för att hantera flera uppgifter samtidigt, välja mellan att arbeta självständigt och att samarbeta i realtid samt ta till sig vägledning eller förtydliganden utan att bli förvirrade eller tappa bort uppgiften. Det knyter samman uthållighet och lyhördhet: en agent kan fortsätta arbeta mot målet och samtidigt ändra kurs när användaren ingriper.
I Meta AI är förbättringarna också tänkta att göra assistenten till en bättre samtalspartner och samarbetspartner i tankearbetet. Den kan dela upp komplexa problem i tydliga steg, ställa mer träffsäkra följdfrågor och hålla jämna steg när användaren byter riktning mitt i samtalet.
För användarna är det praktiska testet av lanseringen kontinuitet: om användbart sammanhang finns kvar när omständigheterna förändras, om arbetet kan återupptas efter hinder och om korrigeringar kan införlivas utan att målet går förlorat. Dessa beteenden kopplar Metas rapporterade resultat till det vardagliga samarbete som företaget vill möjliggöra i Muse och Meta AI.
