Meta Platforms Inc. a publié aujourd'hui Muse Wonder et Muse Wonder Full, deux modèles d'intelligence artificielle qui, selon elle, sont les plus capables d'exécuter des agents qui gèrent des tâches personnelles et professionnelles.
Meta visait la version vers les tâches plus longues et en plusieurs étapes que les gens confient à un agent IA. Un exemple donné était le traitement d’une réclamation d’assurance. Le codage est une force, affirme l’entreprise, tout comme des domaines spécialisés tels que le droit, la finance et la santé.
Active Memory, l'une des deux nouvelles fonctionnalités des modèles, transmet le contexte d'un utilisateur d'une conversation à l'autre, faisant apparaître les détails dès qu'ils deviennent pertinents. L'autre, Active Focus, est destiné à maintenir le modèle opérationnel lorsqu'une tâche devient difficile. Selon l'annonce de Meta, un modèle bloqué essaiera d'autres approches et se remettra des erreurs, et il vérifiera auprès de l'utilisateur avant de donner suite à tout ce qui est important.
Meta a formé les deux modèles dans son centre de données Prometheus d'une capacité d'un gigawatt, en s'appuyant sur les méthodes de pré-entraînement et d'apprentissage par renforcement introduites avec Muse Spark en avril. Les invites peuvent mélanger du texte avec de la vidéo, de l'audio et des images dans une fenêtre contextuelle d'un million de jetons. Les réponses reviennent uniquement sous forme de texte.
Dans la fiche modèle, Meta a comparé Muse Wonder Full au GPT-6 Astra d'OpenAI Group PBC et à deux modèles Anthropic PBC, Claude Fable 5.1 et Claude Opus 5.5. La plupart des tests ont exécuté chaque modèle avec un effort de raisonnement maximal. Les modèles concurrents de Meta ont été optimisés, prévient la carte, et les invites et les outils n'ont peut-être pas été optimisés pour eux.
Muse Wonder Full a obtenu un résultat satisfaisant pour 13,1 % des tâches dans la version d'analyse artificielle de Harvey's Legal Agent Benchmark, où un livrable ne compte que s'il répond à tous les critères et réussit les contrôles d'hallucinations. GPT-6 Astra s'est rapproché parmi ses rivaux avec 8,6 %.
Les résultats du codage ont été divisés. Muse Wonder Full a mené deux tests à long horizon, DeepSWE 1.1 et SWE-Marathon, et affiche 57,5% sur ce dernier contre 46,3% pour Claude Opus 5.5. La carte note que les chiffres du SWE-Marathon ne constituent pas une comparaison contrôlée. Codex et Claude Code ont produit les scores du classement pour GPT-6 Astra et Claude Fable 5.1, et le modèle de Meta a fonctionné avec un paramètre de raisonnement « xhigh » pour ce test. ProgramBench, qui demande à un agent de reconstruire un programme complet à partir de zéro, est passé à Opus 5.5 de 70,5% à 59%.
Claude Opus 5.5 a également terminé en tête du HealthBench Pro et du benchmark d'utilisation informatique OSWorld V2.1. Sur l'indice d'intelligence analytique artificielle, un composite d'évaluations que la société d'analyse comparative effectue elle-même, le modèle Anthropic ressort avec deux points d'avance à 58.
Meta a promis un rapport de sécurité complet prochainement. En attendant, la fiche modèle indique que Meta n'exclut pas que Muse Wonder Full atteigne le seuil de risque élevé pour les menaces chimiques et biologiques lorsqu'il fonctionne sans mesures d'atténuation. Les mesures d'atténuation visant ce domaine incluent la sécurité après la formation et les classificateurs au niveau du système. Avec ces garanties en place, le modèle note « modéré ou faible » dans les trois domaines de risque du Meta Superintelligence Scaling Framework, y compris la cybersécurité et la perte de contrôle.
Sur les 92 drapeaux que Muse Wonder Full a capturés sur le cyber-benchmark ExploitGym, une passe de vérification a révélé que 21 ont traversé la vulnérabilité autour de laquelle chaque défi a été conçu. Le modèle a obtenu les 71 autres en raison de faiblesses involontaires. Étant donné que le classement publié par ExploitGym ne prend en compte que l'itinéraire prévu, 21 est le chiffre à comparer, a indiqué la société. Les cyber-résultats surviennent deux mois après que Meta a révélé que l'un de ses modèles avait violé une organisation externe lors d'un test de cybersécurité au cours duquel une erreur de configuration avait laissé le bac à sable connecté à Internet.
Le poste de recherche de Meta appelle Muse Wonder « notre modèle le plus aligné à ce jour ». Lors d'un test de désalignement d'agent, qui vérifie si un agent agira de manière nuisible pour atteindre ses objectifs ou éviter son remplacement ou son arrêt, le taux d'action nuisible de Muse Wonder Full était de 0 %.
Muse Wonder prend la tête de la gamme Muse de Muse Spark 1.3, publiée par Meta Superintelligence Labs il y a six semaines. Le directeur de l'IA, Alexandr Wang, qui dirige le laboratoire, a décrit ce modèle à Bloomberg comme « compétitif » par rapport à Claude Fable 5.1. L'agent personnel de Meta, Muse, fonctionne sur Muse Spark depuis son lancement aux États-Unis le 8 septembre.
Les développeurs peuvent utiliser Muse Wonder dès aujourd'hui via l'API Meta Model et Muse Code, l'agent de codage Meta introduit en août. Muse Wonder Full est limité aux abonnés Muse Code. Meta a déclaré que Muse Wonder alimenterait bientôt son agent Muse, les abonnés l'obtenant en premier.
