Meta lança modelos especializados treinados com o Muse Wonder no Muse e no Meta AI

Confirmado

Em 6 de novembro de 2026, a Meta anunciou em seu blog de pesquisa o lançamento de versões especializadas de seus modelos existentes, treinadas com o Muse Wonder, no Muse e no Meta AI.

Esses modelos especializados incorporam Active Memory e Active Focus, capacidades apresentadas com a série Muse Wonder.

Segundo a Meta, em sua avaliação de Active Memory, o modelo atual do Muse utiliza corretamente o contexto crítico em 90% das tarefas, contra 76% do modelo anterior; a Meta também relata uma redução de 2,4× no esquecimento de informações críticas vinculadas aos objetivos.

Segundo a Meta, no Muse, os modelos especializados apresentam uma melhoria de 67% na conclusão de tarefas diárias quando surge um imprevisto (Active Focus).

Segundo a Meta, a pontuação em seu Personal Superintelligence Index subiu de 38% (modelo anterior do Muse) para 47% (modelo atual do Muse).

A AI at Meta confirmou o anúncio no mesmo dia no X, citando Active Memory e Active Focus.

A série Muse Wonder foi apresentada algumas semanas antes; o Muse Wonder continua disponível via API Meta Model e Muse Code, com o Muse Wonder Full permanecendo restrito aos assinantes do Muse Code (segundo publicações anteriores da Meta).

Não confirmado / a verificar

Os nomes comerciais exatos dos “modelos especializados” não foram divulgados no anúncio de 6 de novembro; a Meta refere-se a versões especializadas dos modelos existentes treinadas com o Muse Wonder.

As pontuações de Active Memory (90% / 76%), do Personal Superintelligence Index (47% / 38%) e a melhoria de 67% são medições internas da Meta, não reproduzidas por terceiros independentes no anúncio.

O ritmo exato de disponibilização (todas as contas do Muse / Meta AI no mesmo dia ou em fases) não é detalhado além de “rolling them out”.

A Meta anunciou em 6 de novembro de 2026 a disponibilização, no Muse e no Meta AI, de modelos especializados treinados com o Muse Wonder. O artigo de pesquisa e a conta da AI at Meta confirmam a transição: parte das capacidades de ponta do Wonder chega aos produtos de consumo, sem que a Meta rotule esses modelos especializados além de versões aprimoradas de seus modelos existentes.

Active Memory e Active Focus para mais usuários

Com o Wonder, a Meta havia apresentado dois comportamentos agênticos: Active Memory (reter o que importa, distinguir informações temporárias de permanentes, reconhecer o que ainda é relevante) e Active Focus (perseguir um objetivo apesar de bloqueios, tentar novamente ou encontrar alternativas). O anúncio de hoje os transporta para os modelos especializados do Muse e do Meta AI.

Quanto aos números, a Meta publica apenas suas próprias avaliações: 90% das tarefas usam corretamente o contexto crítico em seu teste de Active Memory (contra 76% anteriormente), redução de 2,4× no esquecimento de informações críticas para metas e +67% de conclusão de tarefas cotidianas diante de imprevistos. Em seu Personal Superintelligence Index, a Meta registra 47% para o modelo atual do Muse, contra 38% para o anterior. Nenhum benchmark de terceiros independentes acompanha essas porcentagens no artigo.

O que isso muda na prática

Para o Muse, a Meta promete melhor memória entre conversas, mais multitarefa (perseguir uma meta de forma autônoma ou colaborar em tempo real) e melhor recuperação após esclarecimentos no meio de uma tarefa. Para o Meta AI, o mesmo pacote é apresentado como um parceiro de reflexão que divide problemas, faz perguntas de acompanhamento mais precisas e acompanha mudanças de direção no meio da discussão.

O Wonder em si não foi “aberto para todo mundo” por esse anúncio: a série permanece, segundo publicações anteriores da Meta, na API Meta Model e no Muse Code, com o Wonder Full restrito aos assinantes do Muse Code. Aqui, a Meta utiliza o Wonder para treinar modelos especializados voltados à base de usuários do Muse / Meta AI — uma destilação de produto, não um novo modelo com pesos públicos nominais.

No dia seguinte ao lançamento de Voice e avatares expressivos nos Estados Unidos no aplicativo Muse, a Meta avança, portanto, na camada de modelo do agente pessoal.

Nossa leitura

O sinal útil não é um novo nome de modelo em um leaderboard: é a generalização do Active Memory / Active Focus para além do Wonder. A Meta assume explicitamente uma estratégia em duas velocidades — fronteira para casos complexos / assinantes, modelos especializados treinados com o Wonder para a escala. Os ganhos (+9 pontos no índice, 90% vs. 76%, +67% de conclusão) são internos: úteis como intenção de produto, insuficientes como prova comparativa frente a Claude, GPT ou Gemini. Para o usuário do Muse / Meta AI, a questão será prática — se o agente realmente esquece menos entre sessões e se é possível visualizar ou apagar o que o Active Memory retém —, pontos que o anúncio não documenta.

Active Memory e Active Focus para mais usuários

O que isso muda na prática

Fontes

Na mesma seção

BioBasicsBench: OpenAI e Ligo testam agentes de IA em 100 tarefas rotineiras de laboratório de biologia

OpenAI: GPT-6 Astra tem desempenho inferior, sem avisar, quando uma tarefa é apresentada como pesquisa em segurança

PSI: uma prova Lean da conjectura Aaronson-Ambainis encontrada por um sistema de IA