Meta lancia Muse Wonder e torna a sfidare OpenAI e Anthropic

Meta torna a puntare sui modelli di intelligenza artificiale di frontiera con Muse Wonder, una nuova famiglia pensata soprattutto per gli agenti IA, sistemi in grado di portare a termine attività articolate utilizzando strumenti e applicazioni al posto dell’utente. L’annuncio segna un nuovo passo nel percorso di Meta Superintelligence Labs, il gruppo che lavora allo sviluppo dei modelli più avanzati dell’azienda, dopo il debutto di Muse Spark e il successivo aggiornamento alla versione 1.3.

La nuova famiglia comprende due varianti, Muse Wonder e Muse Wonder Full, progettate per affrontare attività personali e professionali, dalla gestione di informazioni contestuali alla programmazione sui progetti complessi. Tra le caratteristiche principali figurano un contesto fino a un milione di token, il supporto per diversi tipi di contenuti e due capacità su cui Meta insiste particolarmente: Active Memory e Active Focus. I risultati pubblicati mostrano progressi interessanti in alcuni benchmark, anche se la concorrenza di OpenAI e Anthropic rimane agguerrita.

Muse Wonder punta su memoria, ragionamento e attività complesse

Secondo quanto comunicato da Meta, Muse Wonder e Muse Wonder Full sono stati addestrati nel data center Prometheus, in Ohio, una struttura che dispone di una potenza di calcolo nell’ordine dei gigawatt. Entrambi i modelli accettano testo, immagini, video e audio e possono elaborare un contesto fino a un milione di token, una caratteristica utile soprattutto quando devono lavorare con grandi quantità di informazioni o mantenere il filo di attività articolate.

Una delle novità centrali è Active Memory, ovvero la capacità di conservare informazioni rilevanti sull’utente tra conversazioni differenti e recuperarle quando diventano utili per il compito in corso. L’obbiettivo è rendere l’assistente meno dipendente dalle informazioni fornite ogni volta da zero, permettendogli di tenere conto del contesto personale e delle preferenze già emerse.

A questa funzione si affianca Active Focus, che riguarda invece la capacità di proseguire verso un obbiettivo anche quando il lavoro diventa complesso. Il modello dovrebbe essere in grado di provare approcci alternativi, superare gli ostacoli e adattarsi alle nuove informazioni, chiedendo chiarimenti quando necessario e consultando l’utente prima di intraprendere azioni importanti.

Queste capacità sono particolarmente rilevanti per gli agenti IA, che non si limitano a rispondere a una domanda, ma devono coordinare più operazioni, utilizzare strumenti differenti e mantenere una direzione coerente nel corso del lavoro. Meta cita, tra gli ambiti di applicazione, la comprensione di documenti legali, l’interpretazione di informazioni finanziarie e sanitarie e la gestione di progetti software di lunga durata.

Segui TuttoTech.net su Google Discover

I benchmark premiano la programmazione, ma Claude resta avanti

Il confronto tra i principali modelli concorrenti offre un quadro interessante. Nell’Artificial Analysis Intelligence Index, l’indice composto utilizzato per confrontare le capacità dei sistemi di intelligenza artificiale, Muse Wonder Full raggiunge 56 punti, superando i 53 punti attribuiti a GPT-6 Astra e Claude Fable 5.1; davanti rimane però Claude Opus 5.5, che totalizza 58 punti.

Uno dei risultati più significativi riguarda DeepSWE, un benchmark dedicato alla programmazione su attività prolungate. In questa valutazione Muse Wonder Full risolve il 79% dei compiti, mentre GPT-6 Astra e Claude Opus 5.5 si fermano intorno al 74%. Il quadro cambia quando si considera l’utilizzo autonomo del computer misurato con OSWorld, dove sono Opus 5.5 e Fable 5.1 a ottenere risultati migliori.

È importante, tuttavia, non interpretare queste classifiche come una misura definitiva delle capacità dei modelli. I benchmark possono mettere in evidenza punti di forza specifici senza restituire un quadro completo delle prestazioni nell’uso quotidiano. Inoltre, i risultati di DeepSWE non provengono tutti dallo stesso soggetto: il dato relativo a GPT-6 Astra è dichiarato da OpenAI, mentre quelli di Muse Wonder e Opus 5.5 sono attribuiti a Datacurve.

Meta sostiene inoltre che i nuovi modelli siano più versatili quando devono affrontare compiti diversi da quelli utilizzati durante il post-addestramento. Una maggiore solidità del modello di base dovrebbe infatti consentire alle capacità acquisite di trasferirsi meglio anche in situazioni nuove, un aspetto importante per gli agenti che devono operare in contesti difficili da prevedere in anticipo.

Disponibilità e sicurezza: cosa cambia con i nuovi modelli

Muse Wonder è già disponibile attraverso Meta Model API e Muse Code, mentre Muse Wonder Full è attualmente riservato agli abbonati a Muse Code. L’arrivo nell’app Muse è previsto a breve, ma inizialmente avranno la precedenza gli utenti con un abbonamento. Meta intende utilizzare Wonder anche per potenziare la generazione di contenuti e i flussi di lavoro che richiedono capacità di ragionamento più avanzate, oltre a sviluppare in futuro modelli specializzati destinati a una platea più ampia.

Un altro aspetto rilevante riguarda la sicurezza, nella scheda tecnica Meta riconosce che, in assenza di contromisure, il modello potrebbe raggiungere la soglia di rischio elevato in ambito chimico e biologico. L’azienda afferma di aver ridotto il rischio a un livello moderato attraverso un addestramento specifico e filtri applicati a livello di sistema.

La società dichiara inoltre di aver rafforzato le protezioni contro l’utilizzo improprio delle capacità informatiche e contro le istruzioni ostili, prestando attenzione alla gestione delle informazioni private. Un requisito importante per un agente personale, soprattutto quando deve lavorare con messaggi, calendari e documenti a cui l’agente gli concede accesso.

Con Muse Wonder, Meta prova quindi a recuperare terreno nella competizione con OpenAI e Anthropic, puntando soprattutto sulla continuità del lavoro, sulla memoria e sulle capacità di gestire attività articolate. I risultati sulla programmazione sono promettenti, ma il confronto con i rivali resta aperto e servirà capire quanto queste capacità si tradurranno in un vantaggio concreto nell’utilizzo quotidiano.