Ngày 12/10, Meta chính thức công bố dòng mô hình Muse Wonder và Muse Wonder Full, định vị là các mô hình frontier phục vụ tác vụ agent cho công việc chuyên môn và đời sống cá nhân. Thông báo này xuất hiện chỉ sáu tuần sau khi Meta tung ra Muse Spark 1.3, đánh dấu bước chuyển từ các mô hình nhẹ, phản hồi nhanh sang mô hình cỡ lớn hướng tới xử lý chuỗi tác vụ phức tạp.

Hiện tại, bản Muse Wonder đã mở cho lập trình viên qua Meta Model API và nền tảng Muse Code, trong khi bản cao cấp nhất Muse Wonder Full chỉ dành riêng cho người dùng đăng ký Muse Code. Meta cho biết tính năng trên ứng dụng Muse cá nhân sẽ được cập nhật dần cho nhóm thuê bao trả phí.

Active Memory và Active Focus nhắm vào tác vụ nhiều bước

Meta xác định hai rào cản lớn nhất của các AI agent hiện nay là khả năng ghi nhớ ngữ cảnh và mức độ kiên trì khi gặp sự cố. Để giải quyết vấn đề này, hãng đưa vào hai năng lực cốt lõi: Active Memory và Active Focus.

Khả năng Active Memory giữ nhiệm vụ mang theo ngữ cảnh quan trọng của người dùng qua các phiên hội thoại khác nhau, đồng thời chủ động trích xuất lại những chi tiết phù hợp khi công việc phát sinh. Trong khi đó, Active Focus giúp mô hình duy trì nỗ lực hướng tới mục tiêu khi gặp thử thách, tự động thử các giải pháp thay thế, vượt qua điểm nghẽn và hỏi lại người dùng khi cần làm rõ trước khi thực hiện các hành động quan trọng.

Trong lĩnh vực lập trình, hai yếu tố này giúp agent bám sát yêu cầu của toàn bộ kho lưu trữ mã nguồn, thực hiện sửa đổi qua nhiều vòng kiểm thử và sửa lỗi. Hãng cho biết mô hình được huấn luyện để theo đuổi các tác vụ kéo dài và đánh giá sự tập trung thông qua bộ tiêu chuẩn FocusBench cùng SWE-Marathon.

Bước nhảy vọt về năng lực agent

Theo báo cáo độc lập từ Artificial Analysis, điểm chỉ số Intelligence Index v4.3 của Muse Wonder Full đạt 56 điểm và Muse Wonder đạt 52 điểm ở mức suy luận tối đa. Cả hai kết quả này đều vượt trội so với mức 48 điểm của Muse Spark 1.3 phát hành vào tháng trước.

Muse Wonder Full lọt vào nhóm ba mô hình dẫn đầu ở sáu trên mười bài kiểm tra trong Intelligence Index. Mô hình này đứng đầu ở bài đánh giá lý luận khoa học CritPt đạt 33% và tài liệu GDP.pdf đạt 33%, đồng thời xếp thứ hai trên bảng xếp hạng GDPval-AA v2.1 với 1857 Elo, nằm sát khoảng tin cậy của Claude Opus 5.5 ở mức 1866 Elo và Claude Sonnet 5.5 ở mức 1838 Elo.

Trong mảng coding agent trên Muse Code, Wonder Full đạt 68 điểm ở mức suy luận tối đa, ngang bằng với Sonnet 5.5 trên Claude Code và vượt mức 66 điểm của Opus 5.5.

Bên cạnh đó, Artificial Analysis ghi nhận tỷ lệ ảo giác của Wonder Full giảm xuống 23%, thấp thứ nhì trong toàn bộ các mô hình đạt từ 45 điểm trở lên trên chỉ số thông minh, chỉ đứng sau Gemini 4 Argon ở mức 15%. Dù vậy, mảng tri thức tổng quát trên thang đo AA-Omniscience vẫn là điểm yếu tương đối khi Wonder Full chỉ đạt 30 điểm và Wonder đạt 25 điểm, thấp hơn các đối thủ như Opus 5.5 ở mức 46 điểm hay GPT-6 Astra ở mức 43 điểm.

Chi phí hoàn thành tác vụ tăng mạnh theo lượng token đầu vào

Cả hai mô hình mới đều duy trì cửa sổ ngữ cảnh 1 triệu token, hỗ trợ đầu vào đa phương thức gồm văn bản, hình ảnh, video cùng âm thanh và chỉ xuất dữ liệu dạng văn bản. Mức tiêu thụ đầu ra của cả hai khoảng 54.000 token cho mỗi tác vụ, giảm khoảng 10% so với thế hệ tiền nhiệm.

Tuy nhiên, mức giá và lượng input lớn đẩy chi phí thực tế lên cao. Bản Muse Wonder trên API có giá 4 USD cho 1 triệu token đầu vào, 0,20 USD cho token lưu trong bộ nhớ đệm và 20 USD cho 1 triệu token đầu ra. Mức giá này ngang bằng Claude Opus 5.5 và gấp đôi các mô hình như Claude Sonnet 5.5, Gemini 4 Argon hay GPT-6.1 Sol ở mức 2 USD đầu vào và 10 USD đầu ra.

Vì mỗi tác vụ tiêu tốn trung bình 7,69 triệu input token, chi phí trung bình để hoàn thành một tác vụ của Muse Wonder lên tới 4,52 USD, gấp 2,8 lần so với Muse Spark 1.3 ở mức 1,60 USD. Trong khi đó, bản Muse Wonder Full không mở bán theo token lẻ mà chỉ cung cấp qua gói đăng ký Muse Code.

Sự xuất hiện của dòng Wonder cho thấy nỗ lực của Meta trong việc cạnh tranh trực tiếp với các mô hình đầu bảng của Anthropic và OpenAI ở tác vụ agent phức tạp thay vì chỉ theo đuổi phân khúc giá rẻ. Tuy nhiên, khi giá token và lượng ngữ cảnh nạp vào đẩy chi phí mỗi lượt chạy lên mức cao, câu hỏi tiếp theo là các nhà phát triển sẽ cân đối bài toán ngân sách ra sao trước khi đưa agent này vào quy trình tự động hóa thực tế.