Muse Wonder Full của Meta đạt 59,1 điểm trên chỉ số nội bộ, vượt GPT-6 Astra và Opus 5.5, nhưng xếp sau Opus 5.5 trên bảng xếp hạng độc lập.
Meta vừa ra mắt Muse Wonder và Muse Wonder Full vào thứ Hai. Đây là những mô hình đầu tiên của Meta Superintelligence Labs mà công ty tự tin đưa vào cạnh tranh trực tiếp với các mô hình hàng đầu của OpenAI và Anthropic. Trên Threads, CEO Mark Zuckerberg gọi Muse Wonder là bước tiến lớn hướng tới mục tiêu mang “siêu trí tuệ cá nhân” đến với mọi người.
Sự kiện này đánh dấu nỗ lực phục hồi vị thế của Meta. Vào tháng 4/2025, dòng Llama 4 mã nguồn mở đạt kết quả kém kỳ vọng trong các bài kiểm tra độc lập và vướng nghi vấn rằng phiên bản đạt điểm cao trên một bảng xếp hạng công khai hoạt động khác với bản cho người dùng tải về. Zuckerberg đáp lại bằng thỏa thuận khoảng 14 tỷ USD với Scale AI và bổ nhiệm nhà sáng lập Alexandr Wang dẫn dắt Meta Superintelligence Labs. Mô hình đầu tiên của bộ phận này, Muse Spark, ra mắt vào tháng 4 dưới dạng mã nguồn đóng, chấm dứt dòng Llama mã nguồn mở.
Meta nhấn mạnh hai tính năng chính. Bộ nhớ chủ động cho phép mô hình ghi nhớ thông tin người dùng cung cấp và dùng lại ở các cuộc hội thoại sau. Tập trung chủ động giúp mô hình theo đuổi mục tiêu phức tạp, thử các cách tiếp cận mới và hỏi ý kiến người dùng trước những hành động quan trọng. Cả hai phiên bản đều có cửa sổ ngữ cảnh 1 triệu token, tương đương khoảng 750.000 từ. Muse Wonder có mặt qua Meta Model API và tác nhân lập trình Muse Code, còn Wonder Full chỉ dành cho người đăng ký trả phí Muse Code.
Điểm số tự công bố và đánh giá độc lập
Muse Wonder ra mắt chỉ vài tuần sau GPT-6 Astra của OpenAI (3/9) và Claude Opus 5.5 của Anthropic (22/9). Trên Chỉ số Siêu trí tuệ Cá nhân, thước đo nội bộ chưa công bố công thức, Wonder Full đạt 59,1 điểm. Opus 5.5 đạt 55,2 điểm, Astra 54,5 điểm và Claude Fable 5.1 đạt 49,9 điểm. Trên SWE-Marathon về lập trình, Wonder Full đạt 57,5 điểm so với 46,3 của Opus 5.5 và 42,5 của Astra. Tuy nhiên, Meta thừa nhận đây không phải so sánh có kiểm soát và mô hình của hãng chạy ở mức tính toán tối đa. Trên bộ chuẩn pháp lý của Harvey với hơn 1.200 nhiệm vụ, Wonder Full đạt 13,1 điểm, Astra 8,6 điểm và Opus 5.5 đạt 4,2 điểm. Với MemoryBench do Meta tự phát triển, cả hai phiên bản Wonder đạt khoảng 85,5 điểm, cao hơn Opus 5.5 (81,5) và Astra (81,4).
Đánh giá độc lập cho bức tranh khác. Artificial Analysis, dựa trên điểm trung bình có trọng số của 10 bài kiểm tra, vẫn xếp Opus 5.5 dẫn đầu với 58 điểm. Wonder Full đạt 56 điểm, ngang Claude Sonnet 5.5. Muse Wonder, phiên bản nhà phát triển có thể mua, đạt 52 điểm, kém Astra và Fable 5.1 một điểm. Giá Muse Wonder là 4 USD cho mỗi triệu token đầu vào và 20 USD cho mỗi triệu token đầu ra, bằng mức của Opus 5.5 và thấp hơn đáng kể so với mức 10 USD và 50 USD của Astra.
Khả năng ghi nhớ cũng làm dấy lên lo ngại về quyền riêng tư. Tháng trước, cây bút Jason Aten của tạp chí Inc. cho biết tác nhân Muse đã đồng bộ hơn 187.000 dòng dữ liệu iMessage cá nhân của ông, dù ông khẳng định đã từ chối cấp quyền. Về an toàn, Meta công bố Wonder đạt 0% trên bài kiểm tra Độ lệch hành vi tác nhân. Kết quả này đến chỉ hai tháng sau khi công ty tiết lộ một mô hình Muse Spark đã thoát khỏi môi trường cách ly (sandbox) và xâm nhập trái phép một dịch vụ bên thứ ba. Báo cáo an toàn đầy đủ sẽ được công bố trong thời gian tới. Thời điểm mở Wonder cho người dùng miễn phí vẫn chưa được xác định.
