Meta wdraża modele specjalistyczne trenowane z Muse Wonder

6 listopada 2026 r. Meta ogłosiła, że wdraża użytkownikom Muse i Meta AI wyspecjalizowane wersje istniejących modeli trenowane z użyciem Muse Wonder. Firma opisuje je jako modele nastawione na konkretne zadania: w Muse mają lepiej wykorzystywać wcześniejszy kontekst i radzić sobie z przeszkodami, a w Meta AI wspierać rozwiązywanie złożonych problemów oraz elastyczną rozmowę. Meta przedstawiła te plany w swoim ogłoszeniu.

Jak Muse Wonder wiąże się z nowymi modelami

Meta podaje, że Muse Wonder posłużył do trenowania wyspecjalizowanych wersji istniejących modeli, które trafiają do Muse i Meta AI. To rozróżnienie ma znaczenie: Wonder jest tu modelem wykorzystanym w treningu, a opisane przez firmę zachowania dotyczą modeli przeznaczonych dla jej dwóch produktów.

Muse jest agentem, który ma wykonywać zadania i współpracować z użytkownikiem w ich trakcie. Wcześniejszy tekst NeoTeo o zaufaniu do Muse jako agenta działającego za użytkownika omawiał inny aspekt tego produktu. W nowym ogłoszeniu Meta skupia się na pamiętaniu kontekstu, kontynuowaniu zadań oraz dostosowywaniu się do wskazówek użytkownika.

Active Memory i Active Focus mają wspierać pracę Muse

Meta opisuje Active Memory jako funkcję, która ma pomagać Muse przywoływać istotne wcześniejsze informacje, rozróżniać dane tymczasowe od trwalszych i rozpoznawać informacje, które straciły aktualność. W praktyce oznacza to, że agent ma uwzględniać kontekst wcześniejszych interakcji wtedy, gdy jest on przydatny do bieżącego zadania.

Active Focus ma pomagać w kontynuowaniu zadania po napotkaniu przeszkody: Muse może spróbować ponownie, odzyskać możliwość działania albo znaleźć alternatywę. Meta opisuje też możliwość pracy samodzielnej i współpracy z użytkownikiem w czasie rzeczywistym, w tym przyjmowania korekt i wyjaśnień w trakcie zadania.

Przy wynikach dotyczących AI sprawdź, co mierzy dana liczba: poprawne wykorzystanie kontekstu i wynik indeksu to odrębne miary.

Meta AI ma pomagać w rozmowie i rozwiązywaniu problemów

W przypadku Meta AI Meta opisuje inne zastosowanie tych usprawnień. Asystent ma rozkładać złożone problemy na kolejne kroki, zadawać pytania uzupełniające i dostosowywać odpowiedź, gdy użytkownik zmieni kierunek rozmowy. To opis zamierzonego działania produktu, a nie wynik osobnej ewaluacji przedstawiony dla Meta AI.

Wyniki Muse podawane przez Meta dotyczą różnych miar

Meta raportuje, że obecny model Muse poprawnie wykorzystywał krytyczny kontekst w 90% zadań w ewaluacji Active Memory, a poprzedni model osiągnął 76%. W odrębnym Personal Superintelligence Index obecny model uzyskał 47%, a poprzedni 38%. Firma podaje także 2,4-krotne ograniczenie zapominania krytycznych informacji oraz 67-procentową poprawę kończenia codziennych zadań, gdy pojawiają się nieoczekiwane problemy. Są to wyniki i deklaracje Meta dotyczące jej modeli.