TLDR Meta ha lanciato Muse Wonder e Muse Wonder Full il 12 ottobre 2026 — i suoi modelli più capaci finora, progettati specificamente per compiti agentici personali e professionali. Muse Wonder Full ottiene 56 sull’Artificial Analysis Intelligence Index (appena dietro Claude Opus 5.5 a 58), mentre Muse Wonder ottiene 52. Entrambi includono Active Memory e Active Focus, una finestra di contesto da 1M token, forte capacità di coding e competenza di dominio (legale, finanza, salute) e input multimodali.
Muse Wonder è disponibile tramite la Meta Model API a $4/$20 per milione di token (input/output); Muse Wonder Full è limitato ai livelli di abbonamento più alti di Muse Code. Gli sviluppatori possono anche accedere a questi modelli (e a oltre 500 altri) tramite piattaforme unificate come CometAPI per un’integrazione più semplice e potenziali vantaggi di costo.
Punti chiave
- Muse Wonder e Muse Wonder Full sono i modelli di frontiera di Meta per agenti di lunga durata, coding, uso del computer e lavoro di conoscenza nel mondo reale.
- Innovazioni chiave: Active Memory (contesto persistente e rilevante tra conversazioni) e Active Focus (perseguimento persistente degli obiettivi, recupero dagli errori e richiesta di chiarimenti).
- Artificial Analysis Intelligence Index (massimo sforzo): Muse Wonder Full 56, Muse Wonder 52 (in aumento rispetto ai 48 di Muse Spark 1.3).
- Prestazioni solide su coding di lungo orizzonte (DeepSWE, SWE-Marathon), task agentici legali/finanziari e benchmark di memoria; competitive o leader in diverse valutazioni di Meta e di terze parti.
- Prezzi: Muse Wonder a $4 input / $0.20 cached / $20 output per 1M token sulla Meta Model API; Muse Wonder Full è disponibile solo in abbonamento tramite Muse Code (piani Power $50/mese e Maximum $200/mese). Prezzi standard dell’API Muse Wonder in CometAPI: $3.2/M input, $0.16/M input in cache, $20/M output.
Che cos’è Muse Wonder?
Muse Wonder è la nuova famiglia di modelli linguistici di frontiera di Meta, annunciata il 12 ottobre 2026 da Meta Superintelligence Labs. Il rilascio si basa su Muse Spark e sposta l’enfasi dalle risposte isolate da chatbot verso assistenti di lunga durata che possono usare strumenti, mantenere il contesto utile e iterare su lavori difficili. Consiste in due varianti:
- Muse Wonder — il modello di frontiera standard, ottimizzato per coding nel mondo reale, agenti di lunga durata e uso avanzato del computer. Disponibile tramite la Meta Model API e Muse Code.
- Muse Wonder Full — la versione a capacità più alta che offre il massimo rendimento di ragionamento per i workflow professionali e agentici più difficili e di lunga durata. Attualmente disponibile solo per gli abbonati Muse Code su piani di livello superiore.
Questi modelli si basano direttamente sulle fondamenta poste da Muse Spark (introdotto all’inizio del 2026) e rappresentano il passo più significativo di Meta verso la “superintelligenza personale”. Sono esplicitamente progettati per casi d’uso agentici — sistemi che non si limitano a rispondere a domande, ma pianificano, eseguono, recuperano dagli errori e completano attività reali multi-step per periodi prolungati. Esempi includono la gestione di pratiche assicurative, l’interpretazione di contratti di locazione, l’analisi di informazioni finanziarie o sanitarie, la creazione di applicazioni complete e la gestione di progetti personali complessi.
I modelli sono stati addestrati presso il data center Prometheus di Meta su scala di gigawatt usando tecniche avanzate di pretraining e reinforcement learning affinate dalla serie Muse Spark. Supportano una finestra di contesto da 1 milione di token e accettano input multimodali (testo, immagini, video, audio e PDF in molte configurazioni), con output testuale.
Specifiche tecniche dell’API di Muse Wonder
| Specifiche (scheda modello ufficiale) | Muse Wonder | Muse Wonder Full |
|---|---|---|
| Sviluppatore | Meta Superintelligence Labs | Meta Superintelligence Labs |
| Data di rilascio | October 12, 2026 | October 12, 2026 |
| Identificatore | muse-wonder-1.0 | muse-wonder-full-1.0 |
| Finestra di contesto | 1,000,000 tokens | 1,000,000 tokens |
| Input | Text, image, audio, video | Text, image, audio, video |
| Output | Text | Text |
| Ragionamento | Configurable | Advanced |
| Active Memory / Focus | Supported | Supported |
| API pubblica | Meta Model API | Not available |
| Accesso | Meta API and Muse Code | Qualifying Muse Code plans |
| Pesi del modello / numero di parametri | Not publicly disclosed | Not publicly disclosed |
| Indice di intelligenza | 52 | 56 |
Funzionalità principali: Active Memory e Active Focus
Active Memory
I modelli possono mantenere un contesto utente importante tra le conversazioni e recuperare attivamente i dettagli rilevanti per il compito corrente. Questo va oltre le semplici finestre di contesto estese; dà priorità e fa emergere le informazioni che contano per obiettivi in corso, abitudini, preferenze e interazioni precedenti. Meta evidenzia risultati elevati su MemoryBench, dove entrambe le varianti ottengono punteggi molto alti.
Active Focus
Quando un compito diventa difficile, i modelli persistono: provano approcci alternativi, recuperano dagli errori, si adattano a nuove informazioni, chiedono chiarimenti quando necessario e fanno check-in prima di intraprendere azioni importanti. Questo viene valutato tramite il FocusBench interno e suite di coding di lungo orizzonte come SWE-Marathon. Il risultato sono agenti che restano sulla traccia per ore, invece di deragliare o arrendersi.
Ulteriori punti di forza includono:
Comprensione multimodale: La famiglia di modelli supporta input di testo, immagini, audio e video e produce output testuale. Tuttavia, le applicazioni che dipendono dall’audio devono confermare il supporto sulla specifica superficie di rilascio. Una specifica di modalità a livello di modello non garantisce che ogni API o applicazione esponga lo stesso percorso di input.
Ragionamento esperto per domini specifici: Le valutazioni di lancio di Meta includono compiti legali, finanziari e sanitari, come la revisione di documenti e la sintesi di informazioni. Questi punteggi descrivono compiti valutati; non costituiscono certificazione professionale né sostituiscono la verifica di esperti in contesti ad alto impatto.
Coding di frontiera e uso del computer: Wonder supporta generazione di applicazioni, debug, modifica del codice e workflow basati su strumenti. Il successo in pratica dipende comunque dall’harness agentico circostante, dalle autorizzazioni e dal processo di valutazione.
Come si comporta Muse Wonder nei benchmark di IA?
La tabella seguente riproduce i punteggi riportati al lancio. Combina valutazioni indipendenti, test interni di Meta e risultati di concorrenti riportati dai provider. Punteggi più alti sono migliori all’interno di ciascuna riga; le righe hanno metriche diverse e non dovrebbero essere mediate in un nuovo punteggio complessivo.
| Benchmark (metriche e metodologia) | Wonder Full | Wonder | GPT-6 Astra | Claude Opus 5.5 |
|---|---|---|---|---|
| AA Intelligence Index v4.3 | 56 | 52 | 53 | 58 |
| Personal Superintelligence Index | 59.1 | 54.3 | 54.5 | 55.2 |
| Harvey LAB-AA | 13.1 | 10.0 | 8.6 | 4.2 |
| Vals Finance Agent V2 | 59.1 | 56.6 | 53.5 | 58.6 |
| HealthBench Pro | 62.3 | 60.5 | 65.3 | 65.6 |
| AutomationBench-AA | 45.4 | 39.1 | 41.6 | 41.2 |
| GDP.pdf | 33.2 | 30.8 | 34.2 | 30.6 |
| JobBench | 75.3 | 70.5 | 66.1 | 75.4 |
| MemoryBench | 85.5 | 85.6 | 81.4 | 81.5 |
| DeepSWE 1.1 | 79.0 | 78.8 | 74.1 | 74.2 |
| SWE-Marathon | 57.5 | 53.1 | 42.5 | 46.3 |
| Terminal-Bench 4.0-AA | 57.1 | 52.0 | 59.1 | 59.6 |
| ProgramBench | 59.0 | 50.0 | 52.5 | 70.5 |
Condizioni di valutazione e interpretazione dei punteggi
Meta riporta il massimo sforzo di ragionamento per il confronto generale, con eccezioni specifiche per benchmark. Le esecuzioni interne sui concorrenti sono best-effort; i risultati esterni mantengono i rispettivi harness originali. Si tratta di confronti di lancio, non di un test uniforme di tutti i modelli sotto un’unica configurazione di produzione.
AA Intelligence Index è un indice composito di Artificial Analysis. PSI e MemoryBench sono valutazioni interne. Harvey LAB-AA e AutomationBench-AA usano risultati di Artificial Analysis; Vals Finance Agent V2 usa Vals AI; GDP.pdf usa Surge. HealthBench Pro combina esecuzioni di Meta e risultati riportati da Anthropic. JobBench riporta la ricompensa media per task.
DeepSWE 1.1 riporta pass@1 su 113 task e 91 repository. SWE-Marathon usa risultati di Abundant AI da diversi prodotti agentici; il 57.5 di Wonder Full è riportato con sforzo xhigh. ProgramBench usa mini-swe-agent e misura rollout che superano almeno il 95% dei test nascosti. Terminal-Bench usa risultati di Artificial Analysis da task eseguibili su terminale. MemoryBench testa conversazioni da 64K–100K token.
Punti di forza di Muse Wonder Full nei benchmark
Muse Wonder Full brilla in particolare nell’ingegneria del software di lunga durata e nel lavoro agentico intensivo di memoria, mentre Claude Opus 5.5 conserva vantaggi in alcune attività pure di terminale/uso del computer e programmazione from-scratch. L’ampiezza di conoscenza rimane un’area relativa di miglioramento, sebbene i tassi di allucinazione siano notevolmente bassi.
La verifica indipendente proviene principalmente da Artificial Analysis
Artificial Analysis Intelligence Index (v4.3, massimo sforzo di ragionamento)
- Muse Wonder Full: 56
- Muse Wonder: 52
- Claude Opus 5.5: 58
- GPT-6 Astra / Claude Fable 5.1 / Gemini 4 Argon: ~53
- Modello Meta precedente (Muse Spark 1.3 max): 48
Muse Wonder Full si colloca nella top tre in sei delle dieci valutazioni componenti ed è leader o quasi leader nel knowledge work agentico e nel ragionamento scientifico (ad es., CritPt, GDP.pdf, GDPval-AA). Entrambi i modelli mostrano grandi avanzamenti in Terminal-Bench e in altre suite di coding agentico rispetto a Muse Spark 1.3.
Quanto costa l’API di Muse Wonder?
Meta offre Muse Wonder tramite la sua Model API con fatturazione basata sui token. Gli sviluppatori possono anche esplorare la Muse Wonder API in CometAPI, dove la piattaforma pubblicizza accesso ai modelli scontato.
La seguente tabella confronta le tariffe ufficiali per token di Meta con uno scenario di prezzo scontato del 20% su CometAPI.
| Categoria di prezzo (tariffe ufficiali per token) | Muse Wonder | CometAPI (obiettivo -20%) |
|---|---|---|
| Input | $4.00 per 1M tokens | $3.20 / 1M tokens |
| Input in cache | $0.20 per 1M tokens | $0.16 / 1M tokens* |
| Output | $20.00 per 1M tokens | $16.00 / 1M tokens |
| Contesto | 1M tokens | Soggetto al deployment |
| Wonder Full API | Not publicly offered | Not publicly offered |
L’input in cache è più economico del 95% rispetto all’input non in cache alle tariffe pubblicate, potenzialmente utile per prompt agentici ripetuti con un ampio contesto condiviso.
Esempio di costo di una richiesta
Per 100,000 token di input non in cache e 20,000 token di output: input = (100,000 / 1,000,000) × $4 = $0.40; output = (20,000 / 1,000,000) × $20 = $0.40; costo totale stimato del modello = $0.80.
Un effettivo workflow di agente multi-chiamata può costare di più a causa di pianificazione, chiamate a strumenti, retry e passaggi di valutazione.
Prezzi dell’abbonamento a Muse Wonder Full
Wonder Full è distribuito tramite abbonamenti idonei a Muse Code piuttosto che con prezzi per token dell’API pubblicati separatamente. I piani Power e Maximum costano $50 e $200 al mese, rispettivamente. Forniscono 20x e 80x l’allocazione Everyday Usage; si tratta di abbonamenti limitati, non di utilizzo illimitato o piani API a consumo per token.
Confronto: Muse Wonder vs GPT-6 Astra vs Claude Opus 5.5
Il seguente confronto combina osservazioni dai benchmark di lancio con le specifiche dei provider. Per integrazioni alternative, gli sviluppatori possono valutare la GPT-6 Astra API in CometAPI e la Claude Opus 5.5 API in CometAPI. La tabella usa specifiche e tariffe ufficiali dei provider; la leadership nei benchmark da sola non determina la migliore scelta di deployment.
| Dimensione | Wonder Full | GPT-6 Astra | Claude Opus 5.5 |
|---|---|---|---|
| Intelligenza complessiva | Forte | Forte | Indice più alto elencato |
| Task legali per agenti | Miglior punteggio Harvey elencato | Competitivo | Punteggio più basso elencato |
| Coding di lungo orizzonte | Miglior DeepSWE / Marathon elencato | Forte | Forte |
| Esecuzione su terminale | Competitivo | Forte | Miglior punteggio elencato |
| Ricostruzione di programmi | Competitivo | Competitivo | Miglior punteggio elencato |
| API pubblica standalone | No | Sì | Sì |
| Finestra di contesto | 1M token | 1.05M token | 1M token |
| Prezzo standard input/output per 1M token | Accesso in abbonamento; nessuna tariffa per token pubblica | $10 / $50 per prompt fino a 272K input token | $4 / $20 |
| Ragionamento | Variante Muse a capacità più elevata | Sforzo di ragionamento configurabile | Pensiero adattivo |
| Integrazione multimodale | Il model card elenca input text/image/audio/video; il supporto di superficie varia | Input di testo e immagini; output testuale | Input di testo e immagini; output testuale |
| Confronto di architettura | Dettagli divulgati insufficienti per un confronto architetturale alla pari | Non confrontato nelle specifiche API citate | Non confrontato nelle specifiche API citate |
| Punto di partenza pratico | Utenti di Muse Code che testano workflow di coding sostenuti | Agenti API personalizzati e ricerca professionale | Agenti API personalizzati per coding e knowledge work |
La serie Muse Wonder posiziona Meta in modo competitivo alla frontiera per carichi agentici, più che per chat pura o ragionamento di breve orizzonte. Il prezzo di Muse Wonder eguaglia le tariffe di listino di Claude Opus 5.5 offrendo al contempo prestazioni specializzate solide in memoria, coding di lungo orizzonte e task agentici professionali. GPT-6 Astra e Claude Fable 5.1 spesso hanno prezzi di listino più elevati su alcune piattaforme. I modelli di accesso differiscono: Meta limita la variante assolutamente top (Full) al suo prodotto di coding in abbonamento, mentre i concorrenti offrono tipicamente i loro modelli più alti via API.
Dove puoi usare Muse Wonder?
Direttamente da Meta
- Registrati alla Meta Model API su dev.meta.ai per Muse Wonder.
- Abbonati a Muse Code per entrambe le varianti (Full sui livelli più alti).
- Endpoint compatibili con OpenAI e Anthropic sono supportati per l’API di Meta e CometAPI.
Muse Wonder: Meta Model API
Muse Wonder è disponibile tramite Meta Model API per team che costruiscono applicazioni, assistenti di ricerca e agenti basati su strumenti. Questa è la via di accesso programmabile descritta in questo articolo, con fatturazione basata sui token. I lettori possono consultare la pagina del modello del provider per i dettagli di accesso invece di seguire qui un tutorial di codice.
I due canali di accesso soddisfano esigenze diverse: la Meta Model API è il punto di partenza per applicazioni Wonder personalizzate; gli abbonamenti idonei a Muse Code forniscono accesso a Wonder Full all’interno dell’agente di coding. Le sezioni seguenti spiegano il canale in abbonamento e cosa verificare quando si considera l’accesso tramite terze parti.
Usa Muse Wonder Full tramite Muse Code
Gli utenti idonei ai piani Power o Maximum di Muse Code possono accedere a Wonder Full tramite Muse Code, un agente di coding basato su terminale. Questo canale in abbonamento differisce dal chiamare una Wonder Full API pubblica con misurazione separata.
Accesso a Muse Wonder e alternative CometAPI
CometAPI fornisce un singolo endpoint compatibile con OpenAI (https://api.cometapi.com/v1) e una sola chiave API per oltre 500 modelli, inclusa la serie Muse di Meta (Muse Wonder e Muse Wonder Full sono elencati, con alcune varianti indicate come disponibili o in arrivo e spesso a tariffe scontate rispetto ai listini).
Per integrazioni alternative, gli sviluppatori possono accedere alla GPT-6 Astra API in CometAPI e alla Claude Opus 5.5 API in CometAPI. Confronta lo stesso task, contesto e impostazioni degli strumenti prima di cambiare provider.
Per iniziare su CometAPI: crea un account gratuito (crediti di test inclusi), ottieni la tua chiave, punta il tuo client alla base URL di CometAPI e specifica l’ID del modello Muse Wonder. Questo approccio riduce l’overhead operativo quando si sperimenta o si porta in produzione capacità agentiche di frontiera.
Conclusione
Muse Wonder e Muse Wonder Full rappresentano l’affermazione più chiara di Meta di essere tornata alla frontiera dello sviluppo di modelli di IA. Concentrandosi sui requisiti pratici degli agenti personali e professionali — memoria affidabile, focus persistente, competenza di dominio e coding e uso del computer di lungo orizzonte — Meta ha prodotto modelli immediatamente utili per gli sviluppatori che costruiscono la prossima generazione di sistemi agentici e che potenzieranno il suo stesso prodotto Muse.
Per i team che valutano o distribuiscono queste capacità, iniziare con la Meta Model API per Muse Wonder e considerare piattaforme di aggregazione come CometAPI per la flessibilità multi-modello offre un percorso a bassa frizione verso sperimentazione e produzione. Con l’arrivo del report completo sulla sicurezza e di un rollout più ampio dell’agente Muse, l’impatto pratico di questi modelli sarà ancora più chiaro.