Muse Wonder обошла GPT-6 Astra и Gemini 4 Argon
Meta* представила две новые модели — Muse Wonder и Muse Wonder Full. Компания делает ставку на них в задачах для ИИ-агентов, которым важно помнить контекст, не срываться на мелких ошибках и доводить длинную работу до конца.
Что именно показала Meta*
Muse Wonder стала следующим шагом после Muse Spark: если Spark была облегчённой моделью с низкой задержкой, то новинка рассчитана уже на более тяжёлые сценарии, прежде всего на программирование и агентные задачи. Вместе с ней Meta* выпустила Muse Wonder Full — более мощную версию, доступную только подписчикам Muse Code.
Обе модели уже работают через Meta* Model API, а Muse Wonder также доступна в кодинг-агенте Muse Code. По словам компании, скоро её добавят и в приложение Muse, сначала для подписчиков. Внутри проекта у разработки было кодовое имя Watermelon.
Почему на них делают ставку
Главная идея Muse Wonder — помочь не просто отвечать на запрос, а вести задачу через несколько шагов. Модель умеет переносить важные детали о пользователе между диалогами, чтобы человеку не приходилось каждый раз повторять свои предпочтения, контекст работы или прежние решения. Meta* отдельно подчёркивает, что команда много работала над тем, чтобы модель помнила важное днями, неделями и даже месяцами.
Ещё одна сильная сторона — устойчивость в длинных задачах. Модель стараются не заставлять «сдаваться» после первой проблемы: она может уточнять важные шаги, спрашивать подтверждение перед значимыми действиями и не возвращаться к человеку по каждой мелочи. Для обычного пользователя это полезно в переписке и планировании, а для бизнеса — в кодинге, документах, обработке данных и автоматизации процессов.
Что показывают тесты Meta*
Meta* сравнила новинки с GPT-6 Astra, Gemini 4 Argon и моделями Claude. По её данным, Muse Wonder уже обходит Claude Fable, Claude Opus и GPT-6 Astra в бенчмарке MemoryBench, который связан с памятью и непрерывным обучением. В тестах на устойчивое выполнение сложных задач, вроде FocusBench и SWE-Marathon, Meta* тоже показывает сильные результаты.
По независимой оценке Artificial Analysis, Muse Wonder Full заметно прибавила к Muse Spark 1.3: компания говорит о плюсах во всех десяти тестах своего Intelligence Index v4.3. При этом модель не везде лидирует: например, в ProgramBench и Terminal-Bench впереди остаётся Claude Opus 5.5. Слабее у Muse Wonder Full и знания в AA-Omniscience, хотя уровень галлюцинаций у обеих моделей низкий.
Что это значит на практике
Для тех, кто работает с текстами, кодом, договорами или внутренними процессами, такая модель может быть удобна как «долгий» помощник: она лучше держит контекст, реже теряет нить задачи и может быть полезна в сценариях, где нужно не один ответ, а целая цепочка действий. Это особенно актуально для кодинга, автоматизации офисной рутины, юридических и финансовых задач.
При этом Meta* сама напоминает, что у бенчмарков есть ограничения: две модели с похожими баллами могут вести себя по-разному на новых задачах. Поэтому Muse Wonder Full компания подаёт не как идеальную замену всему, а как более сильную базу для ИИ-агентов, которым важны память, устойчивость и работа с длинным контекстом.