TLDR A Meta lançou Muse Wonder e Muse Wonder Full em 12 de outubro de 2026 — seus modelos mais capazes até agora, criados para tarefas agentivas pessoais e profissionais. Muse Wonder Full marca 56 no Artificial Analysis Intelligence Index (logo atrás do Claude Opus 5.5 com 58), enquanto Muse Wonder marca 52. Ambos incluem Active Memory e Active Focus, janela de contexto de 1M de tokens, forte capacidade em programação e expertise de domínio (jurídico, finanças, saúde), além de entradas multimodais.
Muse Wonder está disponível via Meta Model API por $4/$20 por milhão de tokens (entrada/saída); Muse Wonder Full é limitado a níveis superiores da assinatura Muse Code. Desenvolvedores também podem acessar esses modelos (e mais de 500 outros) por meio de plataformas unificadas como a CometAPI para integração mais simples e possíveis vantagens de custo.
Principais pontos
- Muse Wonder e Muse Wonder Full são os modelos de fronteira da Meta para agentes de longa execução, programação, uso de computador e trabalho de conhecimento no mundo real.
- Inovações-chave: Active Memory (contexto persistente e relevante ao longo das conversas) e Active Focus (manutenção de objetivos, recuperação de erros e busca de esclarecimentos).
- Artificial Analysis Intelligence Index (máximo esforço): Muse Wonder Full 56, Muse Wonder 52 (acima dos 48 do Muse Spark 1.3).
- Forte desempenho em programação de longo horizonte (DeepSWE, SWE-Marathon), tarefas agentivas em direito/finanças, e benchmarks de memória; competitivo ou líder em diversas avaliações da Meta e de terceiros.
- Preços: Muse Wonder a $4 de entrada / $0.20 cache / $20 de saída por 1M de tokens na Meta Model API; Muse Wonder Full apenas por assinatura via Muse Code (planos Power $50/mês e Maximum $200/mês). Preços padrão do Muse Wonder na CometAPI: $3.2/M entrada, $0.16/M entrada em cache, $20/M saída.
O que é o Muse Wonder?
Muse Wonder é a nova família de modelos de linguagem de fronteira da Meta, anunciada em 12 de outubro de 2026 pela Meta Superintelligence Labs. O lançamento se baseia no Muse Spark e desloca o foco de respostas isoladas de chatbot para assistentes de longa execução que podem usar ferramentas, reter contexto útil e iterar em trabalhos difíceis. Consiste em duas variantes:
- Muse Wonder — o modelo de fronteira padrão, otimizado para programação no mundo real, agentes de longa execução e uso avançado de computador. Disponível via Meta Model API e Muse Code.
- Muse Wonder Full — a versão de maior capacidade que entrega desempenho máximo de raciocínio para os fluxos de trabalho profissionais e agentivos mais difíceis e longos. Atualmente disponível apenas para assinantes do Muse Code em planos de nível superior.
Esses modelos se baseiam diretamente na fundação estabelecida pelo Muse Spark (introduzido anteriormente em 2026) e representam o salto mais significativo da Meta rumo à “superinteligência pessoal”. Eles são explicitamente projetados para casos de uso agentivos — sistemas que não apenas respondem a perguntas, mas planejam, executam, recuperam-se de erros e concluem tarefas do mundo real em múltiplas etapas ao longo de períodos extensos. Exemplos incluem navegar em sinistros de seguros, interpretar contratos de locação, analisar informações financeiras ou de saúde, construir aplicações completas e lidar com projetos pessoais complexos.
Os modelos foram treinados no data center Prometheus da Meta, em escala de gigawatt, usando técnicas avançadas de pré-treinamento e aprendizado por reforço refinadas desde a série Muse Spark. Eles suportam uma janela de contexto de 1 milhão de tokens e aceitam entradas multimodais (texto, imagens, vídeo, áudio e PDFs em muitas configurações), com saída em texto.
Especificações técnicas da API do Muse Wonder
| Especificação (ficha oficial do modelo) | Muse Wonder | Muse Wonder Full |
|---|---|---|
| Developer | Meta Superintelligence Labs | Meta Superintelligence Labs |
| Release | October 12, 2026 | October 12, 2026 |
| Identifier | muse-wonder-1.0 | muse-wonder-full-1.0 |
| Context window | 1,000,000 tokens | 1,000,000 tokens |
| Inputs | Text, image, audio, video | Text, image, audio, video |
| Output | Text | Text |
| Reasoning | Configurable | Advanced |
| Active Memory / Focus | Supported | Supported |
| Public API | Meta Model API | Not available |
| Access | Meta API and Muse Code | Qualifying Muse Code plans |
| Model weights / parameter count | Not publicly disclosed | Not publicly disclosed |
| Intelligence Index | 52 | 56 |
Recursos principais: Active Memory e Active Focus
Active Memory
Os modelos podem carregar contexto importante do usuário entre conversas e recuperar ativamente os detalhes relevantes para a tarefa atual. Isso vai além de simples janelas de longo contexto; prioriza e traz à tona as informações que importam para objetivos contínuos, hábitos, preferências e interações anteriores. A Meta destaca resultados fortes no MemoryBench, onde ambas as variantes pontuam muito alto.
Active Focus
Quando uma tarefa se torna difícil, os modelos persistem: tentam abordagens alternativas, recuperam-se de erros, adaptam-se a novas informações, pedem esclarecimentos quando necessário e fazem checagens antes de tomar ações importantes. Isso é avaliado por meio do FocusBench interno e de suítes de programação de longo horizonte como a SWE-Marathon. O resultado são agentes que permanecem no rumo por horas, em vez de derivar ou desistir.
Pontos fortes adicionais incluem:
Compreensão multimodal: A família de modelos suporta entradas de texto, imagem, áudio e vídeo e produz saída em texto. No entanto, aplicações dependentes de áudio devem confirmar o suporte na superfície de lançamento específica. Uma especificação de modalidade no nível do modelo não garante que toda API ou aplicação exponha o mesmo caminho de entrada.
Raciocínio especializado por domínio: As avaliações de lançamento da Meta incluem tarefas relacionadas a direito, finanças e saúde, como revisão de documentos e síntese de informações. Essas pontuações descrevem tarefas avaliadas; não estabelecem certificação profissional nem substituem a verificação por especialistas em situações de alto risco.
Programação de ponta e uso de computador: Wonder oferece suporte à geração de aplicações, depuração, modificação de código e fluxos de trabalho baseados em ferramentas. O sucesso na prática ainda depende do arcabouço agentivo ao redor, permissões e processo de avaliação.
Como o Muse Wonder se sai em benchmarks de IA?
A tabela abaixo reproduz as pontuações relatadas no lançamento. Ela combina avaliações independentes, testes internos da Meta e resultados de concorrentes reportados por provedores. Pontuações mais altas são melhores em cada linha; as linhas têm métricas diferentes e não devem ser promediadas em um novo índice geral.
| Benchmark (métricas 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 |
Condições de avaliação e interpretação das pontuações
A Meta reporta esforço máximo de raciocínio para a comparação geral, com exceções específicas por benchmark. Execuções internas de concorrentes são “best-effort”; resultados externos mantêm seus arcabouços originais. São comparações de lançamento, não um teste uniforme de todos os modelos sob uma única configuração de produção.
AA Intelligence Index é um índice composto da Artificial Analysis. PSI e MemoryBench são avaliações internas. Harvey LAB-AA e AutomationBench-AA usam resultados da Artificial Analysis; Vals Finance Agent V2 usa Vals AI; GDP.pdf usa Surge. HealthBench Pro combina execuções da Meta e resultados reportados pela Anthropic. JobBench reporta a recompensa média por tarefa.
DeepSWE 1.1 reporta pass@1 em 113 tarefas e 91 repositórios. SWE-Marathon usa resultados da Abundant AI a partir de diferentes produtos agentivos; os 57.5 do Wonder Full são reportados em xhigh effort. ProgramBench usa mini-swe-agent e mede execuções que aprovam pelo menos 95% dos testes ocultos. Terminal-Bench usa resultados da Artificial Analysis a partir de tarefas executáveis de terminal. MemoryBench testa conversas de 64K–100K tokens.
Pontos fortes do Muse Wonder Full nos benchmarks
Muse Wonder Full se destaca particularmente em engenharia de software de longa execução e trabalho agentivo intensivo em memória, enquanto o Claude Opus 5.5 mantém vantagens em algumas tarefas puras de terminal/uso de computador e programação do zero. A amplitude de conhecimento permanece uma área relativa para melhorias contínuas, embora as taxas de alucinação sejam notavelmente baixas.
A verificação independente vem principalmente da Artificial Analysis
Artificial Analysis Intelligence Index (v4.3, máximo esforço de raciocínio)
- Muse Wonder Full: 56
- Muse Wonder: 52
- Claude Opus 5.5: 58
- GPT-6 Astra / Claude Fable 5.1 / Gemini 4 Argon: ~53
- Modelo anterior da Meta (Muse Spark 1.3 max): 48
Muse Wonder Full fica entre os três primeiros em seis das dez avaliações componentes e lidera ou quase lidera em trabalho de conhecimento agentivo e raciocínio científico (por exemplo, CritPt, GDP.pdf, GDPval-AA). Ambos os modelos mostram grandes ganhos no Terminal-Bench e em outras suítes de programação agentiva em comparação com o Muse Spark 1.3.
Quanto custa a API do Muse Wonder?
A Meta oferece o Muse Wonder por meio de sua Model API com cobrança baseada em tokens. Desenvolvedores também podem explorar a Muse Wonder API na CometAPI, onde a plataforma anuncia acesso com desconto ao modelo.
A tabela a seguir compara as tarifas oficiais por token da Meta com um cenário de preço com 20% de desconto na CometAPI.
| Categoria de preços (tarifas oficiais por token) | Muse Wonder | CometAPI (alvo 20% off) |
|---|---|---|
| Input | $4.00 per 1M tokens | $3.20 / 1M tokens |
| Cached input | $0.20 per 1M tokens | $0.16 / 1M tokens* |
| Output | $20.00 per 1M tokens | $16.00 / 1M tokens |
| Context | 1M tokens | Subject to supported deployment |
| Wonder Full API | Not publicly offered | Not publicly offered |
Entrada em cache é 95% mais barata do que a entrada não em cache nas tarifas publicadas, potencialmente útil para prompts de agentes repetidos com contexto substancial compartilhado.
Exemplo de custo de requisição
Para 100,000 tokens de entrada não em cache e 20,000 tokens de saída: entrada = (100,000 / 1,000,000) × $4 = $0.40; saída = (20,000 / 1,000,000) × $20 = $0.40; custo total estimado do modelo = $0.80.
Um fluxo de trabalho agentivo real com múltiplas chamadas pode custar mais por conta de planejamento, chamadas de ferramentas, novas tentativas e passagens de avaliação.
Preços de assinatura do Muse Wonder Full
Wonder Full é distribuído por assinaturas qualificadas do Muse Code, em vez de tarifas por token publicadas separadamente. Os planos Power e Maximum custam $50 e $200 por mês, respectivamente. Eles oferecem 20x e 80x a franquia Everyday Usage; são assinaturas limitadas, não uso ilimitado ou planos de API por token.
Comparação: Muse Wonder vs GPT-6 Astra vs Claude Opus 5.5
A comparação a seguir combina observações de benchmarks de lançamento com especificações dos provedores. Para integrações alternativas, desenvolvedores podem avaliar a GPT-6 Astra API na CometAPI e a Claude Opus 5.5 API na CometAPI. A tabela usa especificações e tarifas oficiais dos provedores; liderança em benchmark isoladamente não determina a melhor escolha de implantação.
| Dimensão | Wonder Full | GPT-6 Astra | Claude Opus 5.5 |
|---|---|---|---|
| Inteligência geral | Forte | Forte | Maior índice listado |
| Tarefas de agente jurídicas | Melhor pontuação Harvey listada | Competitivo | Pontuação listada inferior |
| Programação de longo horizonte | Melhor DeepSWE / Marathon listado | Forte | Forte |
| Execução em terminal | Competitivo | Forte | Melhor pontuação listada |
| Reconstrução de programas | Competitivo | Competitivo | Melhor pontuação listada |
| API pública independente | Não | Sim | Sim |
| Janela de contexto | 1M tokens | 1.05M tokens | 1M tokens |
| Preço padrão de entrada/saída por 1M tokens | Acesso por assinatura; sem tarifa pública por token | $10 / $50 para prompts até 272K tokens de entrada | $4 / $20 |
| Raciocínio | Variante Muse de maior capacidade | Esforço de raciocínio configurável | Raciocínio adaptativo |
| Integração multimodal | A ficha do modelo lista entrada de texto/imagem/áudio/vídeo; o suporte varia por superfície | Entradas de texto e imagem; saída em texto | Entradas de texto e imagem; saída em texto |
| Comparação de arquitetura | Detalhe insuficiente divulgado para comparação direta | Não comparado nas especificações de API citadas | Não comparado nas especificações de API citadas |
| Ponto de partida prático | Usuários do Muse Code testando fluxos de trabalho de programação sustentados | Agentes de API personalizados e pesquisa profissional | Agentes personalizados de API para programação e trabalho de conhecimento |
A série Muse Wonder posiciona a Meta de forma competitiva na fronteira para cargas de trabalho agentivas, em vez de chat puro ou raciocínio de curto horizonte. A precificação do Muse Wonder corresponde às tarifas de lista do Claude Opus 5.5, ao mesmo tempo em que entrega desempenho especializado forte em memória, programação de longo horizonte e tarefas profissionais de agente. GPT-6 Astra e Claude Fable 5.1 frequentemente têm preços de lista mais altos em algumas plataformas. Os modelos de acesso diferem: a Meta restringe a variante absoluta de topo (Full) ao seu produto de codificação por assinatura, enquanto concorrentes normalmente oferecem seus modelos mais altos via API.
Onde você pode usar o Muse Wonder?
Diretamente da Meta
- Inscreva-se na Meta Model API em dev.meta.ai para o Muse Wonder.
- Assine o Muse Code para ambas as variantes (Full nos níveis mais altos).
- Endpoints compatíveis com OpenAI e Anthropic são suportados para a API da Meta e o CometAPI.
Muse Wonder: Meta Model API
Muse Wonder está disponível por meio da Meta Model API para equipes que constroem aplicações, assistentes de pesquisa e agentes baseados em ferramentas. Esta é a rota de acesso programável descrita neste artigo, com cobrança baseada em tokens. Leitores podem consultar a página do modelo do provedor para detalhes de acesso, em vez de seguir um tutorial de código aqui.
As duas rotas de acesso atendem a necessidades diferentes: a Meta Model API é o ponto de partida para aplicações personalizadas com o Wonder; assinaturas qualificadas do Muse Code fornecem acesso ao Wonder Full dentro do agente de codificação. As seções a seguir explicam a rota de assinatura e o que verificar ao considerar o acesso de terceiros.
Use o Muse Wonder Full por meio do Muse Code
Usuários qualificados dos planos Power ou Maximum do Muse Code podem acessar o Wonder Full pelo Muse Code, um agente de codificação baseado em terminal. Essa rota de assinatura difere de chamar uma API pública separada e tarifada do Wonder Full.
Acesso ao Muse Wonder e alternativas via CometAPI
A CometAPI fornece um único endpoint compatível com OpenAI (https://api.cometapi.com/v1) e uma chave de API para mais de 500 modelos, incluindo a série Muse da Meta (Muse Wonder e Muse Wonder Full estão listados, com algumas variantes indicadas como disponíveis ou em breve e frequentemente com preços com desconto em relação às tarifas de lista).
Para integrações alternativas, desenvolvedores podem acessar a GPT-6 Astra API na CometAPI e a Claude Opus 5.5 API na CometAPI. Compare a mesma tarefa, contexto e configurações de ferramentas antes de trocar de provedor.
Para começar na CometAPI: crie uma conta gratuita (com créditos de teste), obtenha sua chave, aponte seu cliente para a URL base da CometAPI e especifique o ID do modelo Muse Wonder. Essa abordagem reduz a sobrecarga operacional ao experimentar ou colocar em produção capacidades agentivas de fronteira.
Conclusão
Muse Wonder e Muse Wonder Full representam a afirmação mais clara da Meta de que retornou à fronteira do desenvolvimento de modelos de IA. Ao focar nos requisitos práticos de agentes pessoais e profissionais — memória confiável, foco persistente, expertise de domínio e programação/uso de computador de longo horizonte — a Meta produziu modelos imediatamente úteis para desenvolvedores construindo a próxima geração de sistemas agentivos e que também aprimorarão seu próprio produto Muse.
Para equipes que avaliam ou implantam essas capacidades, começar com a Meta Model API para o Muse Wonder e considerar plataformas de agregação como a CometAPI para flexibilidade multi-modelo oferece um caminho de baixo atrito para experimentação e produção. À medida que o relatório completo de segurança e o lançamento mais amplo do agente Muse chegarem, o impacto prático desses modelos ficará ainda mais claro.