Menlo Park (EUA), 12/10/2026 — A Meta lançou nesta semana a família de modelos Muse Wonder, com o foco explícito em "personal superintelligence" — agentes de IA que trabalham de forma persistente em tarefas complexas de trabalho e vida pessoal. O destaque é o Muse Wonder Full, a variante mais avançada, que a empresa posiciona como o modelo de referência para long-horizon coding.
O que mudou
O Muse Wonder Full não é um simples incremento sobre o Muse Spark (lançado em agosto). A Meta afirma que o salto vem de duas frentes:
- Pre-training em escala gigawatt — os modelos foram treinados no data center Prometheus, da Meta, com uma base significativamente maior que a do Spark 1.3;
- Reinforcement learning focado em persistência — o treinamento pós-foqueou em tarefas longas e multi-etapas, com o modelo aprendendo a contornar bloqueios, tentar abordagens alternativas e manter o foco até a conclusão.
A Meta descreve isso como o próximo degrau na sua "scaling ladder" — a mesma estratégia de escalonamento rigoroso que começou com o Muse Spark.
Benchmarks: onde o Muse Wonder Full brilha
Os números mais relevantes:
| Benchmark | Muse Wonder Full | Claude Opus 5.5 | GPT-6 Astra | Fable 5.1 |
|---|---|---|---|---|
| Deep SWE 1.1 (long-horizon coding) | 79.0% | 74.2% | 74.1% | 67.0% |
| SWE Marathon (projetos longos) | 57.5% | 46.3% | — | — |
| Personal Super Intelligence Index (Meta) | 59.1 | 55.2 | 54.5 | 49.9 |
| Artificial Analysis Intelligence Index | 56 | 58 | 53 | — |
| Terminal Bench | ~57-59 | ~57-59 | ~57-59 | ~57-59 |
| OS World (controle de PC/navegador) | 78.4 | 81.0 | — | — |
| Harvey Legal Agent | 13.1 | 4.2 | — | 19.6* |
*Grok 4.7 (xAI) pontuou 19.6 no Harvey LAB.
O padrão é claro
O Muse Wonder Full domina em tarefas que exigem persistência: coding de longa duração, projetos multi-etapa, manutenção de contexto ao longo de sessões. A Meta atribui isso ao design intencional do treinamento — o modelo foi otimizado para "continuar trabalhando em vez de desistir e devolver a tarefa".
Onde ele não vence:
- OS World (controle de computador/navegador): Opus 5.5 ainda lidera com 81 vs 78.4;
- Terminal Bench: corrida apertada, todos os modelos na mesma faixa (~57-59);
- Harvey Legal Agent: o Grok 4.7 da xAI lidera com 19.6;
- Artificial Analysis Index: Opus 5.5 ainda à frente (58 vs 56).
O que é o "Personal Super Intelligence Index"?
É o benchmark próprio da Meta, focado em tarefas pessoais e de conhecimento (planejamento, pesquisa, agendamento, ações de comércio). O Muse Wonder Full pontuou 59.1%, acima de todos os concorrentes testados. Por ser um benchmark autodesenvolvido, os números devem ser tratados como direcionais — eles mostram onde a Meta otimizou, que é exatamente onde a empresa quer competir.
O que a Meta chama de "Active Memory" e "Active Focus"
Dois conceitos centrais do Muse Wonder:
Active Memory: o modelo carrega contexto importante sobre o usuário entre conversas e recupera ativamente os detalhes relevantes para a tarefa em andamento. Não é um simples "recall" de contexto — é uma busca ativa por informações que se tornaram relevantes.
Active Focus: a capacidade de manter o trabalho em andamento em um objetivo desafiador: tentar abordagens alternativas, trabalhar através de bloqueios, adaptar-se a novas informações, pedir esclarecimentos quando necessário e conferir antes de ações importantes.
A Meta avalia o Focus com FocusBench e a execução sustentada com SWE-Marathon.
Disponibilidade e preço
| Modelo | Disponibilidade | Preço |
|---|---|---|
| Muse Wonder (base) | Meta Model API (dev.meta.ai) + Muse Code | $4 input / $20 output por milhão de tokens |
| Muse Wonder Full | Exclusivamente via Muse Code (assinatura) | Planos Power Usage e Maximum Usage |
| Muse (app) | Em breve, prioridade para assinantes | — |
Atenção: o Muse Wonder Full não está disponível via API pública no lançamento. Ele só está acessível por assinatura no Muse Code. A Artificial Analysis já registrou essa limitação.
Contexto: a corrida de modelos de fronteira
O lançamento acontece em um momento de intensa competição:
- Meta Superintelligence Labs (MSL), unidade de IA criada em agosto de 2025, entrega seu primeiro resultado de fronteira. Mark Zuckerberg disse ao Financial Times que a Meta "se recuperou" e está "no nível dos rivais na fronteira da IA";
- Anthropic tem o Claude Opus 5.5 como líder geral na Artificial Analysis (58);
- OpenAI tem o GPT-6 Astra (53) e o GPT 6.1 Soul;
- xAI tem o Grok 4.7, que lidera em tarefas de domínio específico (como legal);
- Google tem o Fable 5.1, mais atrás nos benchmarks de coding.
A Wired afirmou que o Muse Wonder "colocou a Meta de volta na frente da corrida de IA".
O que ainda falta
- Avaliação independente completa: a Artificial Analysis já pontuou (56), mas faltam outros laboratórios independentes;
- API pública para Muse Wonder Full: ainda exclusiva de assinatura;
- Benchmarks de segurança e alinhamento: a Meta publicou um model card, mas detalhes de segurança ainda são limitados;
- Demos em produção: os primeiros demos públicos (3D renders, jogos simples) mostraram artefatos visuais (flickering, clipping) — a qualidade visual ainda está atrás da expectativa dos benchmarks;
- Preço competitivo: $4/$20 por M tokens é competitivo, mas a comparação direta com OpenAI/Anthropic ainda depende de acesso real à API.
Por que isso importa
O Muse Wonder Full muda a dinâmica da competição em três frentes:
- Coding de longa duração: pela primeira vez, um modelo de fronteira pontua consistentemente acima de 75% em benchmarks multi-etapa — isso significa que agentes de IA podem agora trabalhar em projetos reais de software, não apenas em tarefas isoladas;
- Memória ativa: a proposta de "Active Memory" é um passo em direção a assistentes que realmente aprendem e se adaptam ao usuário ao longo do tempo — algo que os concorrentes ainda não têm de forma integrada;
- Preço: $4/$20 por M tokens é agressivo e coloca pressão sobre OpenAI e Anthropic para competir em preço.
Por enquanto, o Muse Wonder Full é um modelo de assinatura, não uma API aberta. A pergunta que fica: quando a Meta vai abrir a API completa e qual será o impacto no ecossistema de agentes de IA?
Fontes e referências
Encontrou uma informação que precisa de correção? Fale com a redação.