Meta представила Muse Wonder и Wonder Full для длительных агентных задач

Meta представила новое семейство моделей Muse Wonder, в которое вошли Muse Wonder и более мощная Muse Wonder Full. Компания позиционирует их как системы для длительных агентных задач: программирования, работы с документами, анализа профессиональной информации и взаимодействия с браузером и приложениями.

В отличие от обычного чат-бота, такие модели должны не только отвечать на отдельные запросы, но и последовательно двигаться к цели. Для этого Meta выделяет две ключевые возможности — Active Memory и Active Focus. Первая отвечает за извлечение полезного контекста из предыдущих разговоров: модель может учитывать предпочтения пользователя и ранее поставленные задачи. Вторая позволяет продолжать сложную работу после ошибок, менять подход, адаптироваться к новым данным и запрашивать уточнения при необходимости.

Muse Wonder и Wonder Full построены на более крупной базовой модели, чем Muse Spark 1.3. Meta связывает это с улучшением обобщения: результаты постобучения должны лучше переноситься на незнакомые задачи, которые не входили в целевые сценарии обучения. В компании проверили гипотезу на отдельных наборах задач и заявили, что Wonder Full показала более высокие результаты, чем можно было бы ожидать на основе прежней зависимости для Muse Spark 1.3.

Программирование остаётся главным преимуществом

Наиболее заметно новые модели проявили себя в длительных задачах разработки. В тесте DeepSWE 1.1, где оценивается работа с существующими репозиториями, Muse Wonder Full набрала 79,0 балла, а Muse Wonder — 78,8. Для сравнения, Claude Opus 5.5 получила 74,2 балла, GPT-6 Astra — 74,1, а Claude Fable 5.1 — 67,4.

В SWE-Marathon, проверяющем способность вести разработку крупных проектов на протяжении длительного времени, Wonder Full получила 57,5 балла. Это выше результатов Opus 5.5 с 46,3 и Astra с 42,5. Однако в Terminal-Bench 4.0 модель не стала лидером: Wonder Full набрала 57,1 балла против 59,6 у Claude Opus 5.5 и 59,1 у GPT-6 Astra. При этом она опередила Claude Fable 5.1, получившую 52,0 балла.

Задачи в таких тестах требуют удерживать требования в течение длительной сессии, менять несколько файлов, запускать тесты и самостоятельно исправлять возникающие ошибки. Именно этот сценарий соответствует заявленной концепции Active Focus, поэтому результаты Wonder Full в программировании выглядят убедительнее всего. Meta уточняет, что тестирование проприетарных моделей конкурентов проводилось в режиме best effort, то есть с использованием доступных способов воспроизведения их возможностей.

Документы и персональные агенты

Meta также приводит результаты для юридических, финансовых и медицинских сценариев. В Harvey Legal Agent Benchmark модели должны анализировать исходные материалы и составлять юридические документы с соблюдением подробных инструкций. В версии LAB-AA Wonder Full набрала 13,1 балла против 4,2 у Claude Opus 5.5 и 8,6 у GPT-6 Astra.

Модели рассчитаны и на задачи, которые растягиваются на несколько сессий: планирование поездок, работу с документами и взаимодействие с веб-сервисами. Однако практическая надёжность таких персональных агентов зависит не только от самой модели. Важную роль играют качество подключённых инструментов, настройки прав доступа и способность системы корректно обрабатывать ошибки и неоднозначные действия.

Доступность и безопасность

Muse Wonder уже доступна через Meta Model API и Muse Code. Wonder Full пока предлагается подписчикам Muse Code. В приложение Muse более мощная модель должна попасть позднее — первоначально доступ планируется для платных пользователей.

В отличие от открытых моделей семейства Llama, Muse Wonder не получила опубликованных весов. Это закрытые системы, доступные через API и продукты Meta. Компания заявляет, что оснастила Wonder наиболее сильными на сегодняшний день защитными механизмами для персональных агентов, включая защиту от попыток обойти ограничения и получить доступ к личным данным. Также заявлены меры против опасного использования моделей в кибербезопасности и биологических сценариях.

Полный отчёт об оценках безопасности Meta обещает опубликовать позднее. Поэтому заявления о том, что Wonder стала самой безопасной и согласованной моделью компании, пока остаются оценкой самого разработчика. Пользователям также стоит учитывать чувствительность данных при работе с юридической, финансовой и другой конфиденциальной информацией.

Meta Platforms Inc. признана экстремистской организацией в России, её деятельность запрещена.