Meta, 12 Ekim’de Muse Wonder ve Muse Wonder Full yapay zekâ modellerini duyurdu ve seriyi tarihindeki en büyük ve en güçlü seri olarak tanımladı. Modeller, yalnızca kısa metin yanıtları üretmekle yetinmeyen, birden fazla günlük ve profesyonel görevi yerine getirebilen ajanları çalıştırmayı hedefliyor.
Meta, Muse Wonder’ı geliştiricilere Meta Model API ve Muse Code programlama platformu üzerinden sunmaya başladı. Muse Wonder Full ise Muse Code abonelerine sunuluyor. Şirket ayrıca modeli, e-posta gönderme ve seyahat rezervasyonu yapma gibi görevleri yerine getirmek üzere eylül ayında ABD’de kullanıma sunduğu kişisel asistanı Muse’a entegre etmeyi planlıyor; kullanıma sunma süreci hizmet aboneleriyle başlayacak.
Sohbetler boyunca uzanan bellek ve takıldığında çalışmayı sürdürme
Model, Meta’nın Active Memory ve Active Focus adını verdiği iki özelliğe odaklanıyor. İlki, önemli bilgilerin birden fazla sohbet boyunca korunmasını ve görevle ilişkili ayrıntıların, alışkanlıklar, tercihler ve önceki sohbetlerde yer alan bazı bilgiler de dâhil olmak üzere, hatırlanmasını sağlıyor. İkincisi ise karmaşık bir işi yerine getirirken modeli hedefe odaklı tutmayı, alternatif yöntemleri denemeyi, hatalardan kurtulmayı ve önemli işlemlerden önce kullanıcıdan onay istemeyi amaçlıyor.
Meta, Muse Wonder’ın nisan ayında duyurduğu Muse Spark temelinin üzerine inşa edildiğini ve ön eğitim ile pekiştirmeli öğrenmenin kapsamının genişletildiğini belirtiyor. Model, gigavat ölçeğinde kapasiteye sahip Prometheus veri merkezinde eğitildi. Şirket, modelin Muse Spark 1.3 eğilimleriyle karşılaştırıldığında alışılmadık görevlerde beklenenden daha iyi performans gösterdiğini ifade ediyor.
Sözleşmeler ve taleplerden çok adımlı uygulamalara
Meta, modelin hukuk, finans ve sağlık hizmetleri alanlarındaki bilgisini genişletti. Şirket; sigorta taleplerinin işlenmesi, kira sözleşmelerinin okunması ve aile bütçesinin yönetilmesi gibi kullanım alanları sunuyor. Ayrıca bir tarayıcı ve birden fazla uygulama üzerinden koşu programı planlama, Instagram görsellerinden yararlanarak ürün tasarlayıp sipariş verme, karmaşık koşullara göre düğün için oturma düzeni planı hazırlama ve bir görselden oynanabilir üç boyutlu oyun oluşturma örneklerini sergiledi.
Modeller metin, görsel, video ve ses girdilerini destekliyor; metin çıktısı ve bir milyon tokene kadar bağlam sunuyor. Muse uygulaması gelecekte modeli daha karmaşık çıktılar oluşturmak ve tüm kullanıcıların erişebileceği özel modeller geliştirmek için kullanacak. Ancak Meta, entegrasyonun ne zaman gerçekleşeceğini veya bunu kapsayacak planların ayrıntılarını belirtmedi.
Bazı testlerde güçlü sonuçlar, doğrulanması gereken sınırlamalar
Meta’nın karşılaştırmalarına göre Muse Wonder Full, hukuki görevler için kullanılan Harvey LAB-AA testinde 13,1 puan aldı; GPT-6 Astra 8,6, Claude Opus 5.5 ise 4,2 puan aldı. Model ayrıca uzun vadeli programlama performansını ölçen DeepSWE 1.1 testinde 79,0 puanla Claude Opus 5.5’in 74,2 ve GPT-6 Astra’nın 74,1 puanlık sonuçlarının önüne geçti.
Ancak model tüm testlerde lider olmadı. Claude Opus 5.5, HealthBench Pro, Terminal-Bench 4.0-AA, ProgramBench ve genel Artificial Analysis endeksinde en yüksek sonucu elde etti. Ayrıca içerikte yer alan bazı karşılaştırmalar Meta’nın yayımladığı değerlendirmelere dayanıyor; güvenlik testlerine ilişkin tam rapor ise henüz yayımlanmayı bekliyor.
Hassas görevlerde genişlemeden önce güvenlik
Meta, Meta Superintelligence Scaling Framework çerçevesine göre yaptığı değerlendirmede, azaltım önlemleri uygulanmadan önce siber güvenlik ve kontrol kaybı risklerini orta veya daha düşük seviyede sınıflandırdığını belirtti. Kimyasal ve biyolojik alanlarda ise yüksek risk eşiğine ulaşma ihtimalini dışlamadı. Bu nedenle güvenlik eğitimi ve sistem düzeyinde sınıflandırıcılar eklediğini, nihai değerlendirmenin tüm alanlarda orta veya daha düşük seviyeye geldiğini söylüyor.
Pratikte ne değişiyor? Muse Wonder, bağlamı hatırlayan ve birden fazla araç ile uygulama üzerinden görevi sürdürerek yerine getiren bir ajan vizyonu sunuyor. Bu, işi manuel olarak parçalara ayırma ihtiyacını azaltabilir. Ancak gerçek fayda, Muse’ta ne zaman kullanıma sunulacağına, desteklenen planların kapsamına ve özellikle modelin hassas hukuk, finans ve sağlık alanlarına geçmesiyle birlikte bağımsız değerlendirmelerin sonuçlarına bağlı olacak.