Новая передовая модель Meta Muse Wonder Full вошла в высшую лигу ИИ

Meta выпустила свою фронтирную модель Muse Wonder в двух вариантах, и оба вошли в число лучших доступных ИИ-моделей.

Muse Wonder Full набирает 56 баллов в версии 4.3 индекса интеллекта Artificial Analysis, а Muse Wonder — 52. Её предшественница, Muse Spark 1.3, набрала 48 баллов, что означает значительный скачок по сравнению с моделью среднего уровня.

Наибольший прогресс заметен в агентных тестах — испытаниях, измеряющих, насколько хорошо ИИ-модель способна самостоятельно справляться со сложными задачами. В Terminal-Bench 4.0 результат вырос с 33 до 57 процентов. Muse Wonder Full входит в тройку лидеров в шести из десяти тестов в целом — это сильный результат для Meta, которая, похоже, восстановила позиции после менее успешного периода с открытыми моделями Llama.

Meta выделяет две новые функции. «Active Memory» позволяет модели запоминать ключевую информацию в разных диалогах и при необходимости вспоминать её. «Active Focus» — это способность модели не отступать перед сложными задачами, пробовать альтернативные подходы и задавать уточняющие вопросы, если что-то непонятно. Обе функции занимают центральное место в концепции Meta персонального ИИ-агента, способного получать доступ к календарям, сообщениям и документам.

Обе модели поддерживают контекстное окно на миллион токенов и принимают на вход текст, изображения, видео и аудио. Muse Wonder доступна через API Meta и Muse Code, а Muse Wonder Full в настоящее время доступна только пользователям Muse Code. Muse Wonder также вскоре станет основой приложения Muse, начиная с платных подписчиков. Со временем Meta планирует создавать на её основе специализированные модели для всех пользователей.

Результаты в программировании резко выросли, но фактические знания по-прежнему отстают

Обе модели демонстрируют значительный прогресс в программировании. Muse Wonder Full набирает 68 баллов в Coding Agents Index, сравниваясь с Claude Code и Sonnet 5.5. Muse Wonder получает 63 балла против 54 у предшественницы.

Фактические знания остаются слабым местом. В тесте знаний AA-Omniscience Muse Wonder Full набирает лишь 30 баллов, а Muse Wonder — 25. Это значительно меньше, чем у Claude Opus 5.5 (46), GPT-6 Astra (43) и Gemini 4 Argon (42), что указывает на то, что серия Wonder построена на базовой модели меньшего размера, чем модели конкурентов. Низкая частота галлюцинаций помогает компенсировать этот разрыв. Muse Wonder Full снижает частоту галлюцинаций с 33 до 23 процентов по сравнению с предшественницей — это второй результат среди всех моделей, набравших не менее 45 баллов в индексе. Лишь Gemini 4 Argon (15 процентов) галлюцинирует реже.

Meta отвечает на распространённую критику в своей записи в блоге: модели Muse оптимизированы под тесты, но уступают в реальном использовании. Компания утверждает, что Muse Wonder Full справляется лучше ожидаемого с незнакомыми задачами, не входившими в оптимизацию обучения, и объясняет это более мощной базовой моделью.

В индексе Vals AI Muse Wonder Full (Max) дебютирует на пятом месте и превосходит все модели OpenAI, согласно данным Vals AI. Более высокие результаты показывают только актуальные модели Anthropic. Muse Wonder занимает десятое место.

Наибольший прогресс заметен в программировании и математике. В ProofBench, закрытом тесте математических доказательств, Muse Wonder Full решает 94 из 100 задач против 58 у предшественницы. Это всего на пять-шесть баллов меньше, чем у лидирующих моделей (99–100). В Terminal-Bench 4 Muse Wonder Full вдвое улучшила результат, используя на 30 процентов меньше выходных токенов. Результаты в финансовых и юридических задачах остались на уровне предшественницы, снизившись максимум на два балла.

Более высокая производительность обходится дорого

Согласно данным Artificial Analysis, один запуск Muse Wonder в индексе интеллекта обходится в 4,52 доллара — почти втрое дороже, чем Muse Spark 1.3 (1,60 доллара). Стоимость токенов также выросла: 4 доллара за миллион входных токенов и 20 долларов за выходные против 1,25 и 4,25 доллара соответственно у предшественницы. Muse Wonder также использует на 28 процентов больше входных токенов на задачу, причём на них приходится 76 процентов общей стоимости.

По цене Muse Wonder дешевле Claude Fable 5.1 (7,63 доллара) и Claude Opus 5.5 (5,98 доллара), но дороже GPT-6 Astra (3,26 доллара), Gemini 4 Argon (1,99 доллара) и GPT-6.1 Sol (0,72 доллара). Стоимость токенов Muse Wonder Full пока неизвестна. При этом обе модели используют примерно на 10 процентов меньше выходных токенов, чем их предшественница.

Meta заявляет, что обучала модели в собственном дата-центре Prometheus на уровне гигаваттных мощностей. Дополнительные сведения представлены в карточке модели.

Новости ИИ без шумихи — отобраны людьми

Подпишитесь на THE DECODER, чтобы читать материалы без рекламы, получать еженедельную рассылку об ИИ и наш эксклюзивный годовой отчёт о фронтирных моделях «AI Radar» шесть раз в год, полный доступ к архиву и возможность оставлять комментарии.