Meta Rilis Muse Wonder, Model Agen AI untuk Tugas Berat
- Meta merilis Muse Wonder dan Muse Wonder Full pada 12 Oktober 2026 sebagai model penalaran untuk agen AI otonom, menangani instruksi multilangkah, dokumen besar, dan perombakan kode.
- Model mendukung input teks, gambar, video, audio, dan PDF dengan konteks sekitar satu juta token; fitur Active Memory dan Active Focus membantu mengingat konteks serta menyelesaikan hambatan kerja.
- Muse Wonder Full unggul pada pengujian rekayasa perangkat lunak berdurasi panjang, tetapi masih lemah di beberapa benchmark; varian reguler tersedia via API, sedangkan Full melalui langganan Muse Code.
Meta resmi merilis lini model kecerdasan buatan (AI) terbarunya yang diberi nama Muse Wonder dan Muse Wonder Full pada Senin (12/10/2026). Keluarga model ini dirancang sebagai model penalaran tingkat tinggi untuk mendukung kinerja agen cerdas mandiri. Peluncuran lini baru ini sekaligus menjadi bukti keseriusan Meta dalam mengejar ketertinggalan dari para pesaing utamanya.
Berbeda dari seri generasi sebelumnya yang berfokus pada kecepatan, Muse Wonder dibangun untuk menuntaskan pekerjaan bertahap yang rumit. Kemampuannya mencakup eksekusi instruksi multilangkah, analisis dokumen masif, hingga perombakan kode pemrograman berskala besar. Berikut spesifikasi lengkap dan performa Muse Wonder!
1. Mengenal Muse Wonder dan pembagian varian modelnya
logo Meta. (unsplash.com/Mariia Shalabaieva) Muse Wonder merupakan keluarga model penalaran terbaru dari Meta yang ditujukan untuk menopang kinerja agen AI dalam menangani pekerjaan personal maupun profesional. Model ini diformulasikan untuk menjalankan alur kerja otonom yang membutuhkan konsentrasi pemrosesan dalam durasi panjang. Kehadirannya diposisikan sebagai model kelas terdepan (frontier) yang bersaing dengan raksasa AI lain di pasar global.
Lini produk ini hadir dalam dua varian terpisah dengan daya kerja yang berbeda, yaitu Muse Wonder reguler dan Muse Wonder Full. Muse Wonder reguler disiapkan sebagai model serbaguna yang bisa diintegrasikan langsung oleh pengembang melalui antarmuka pemrograman aplikasi (API). Sementara itu, Muse Wonder Full merupakan varian kasta tertinggi yang memiliki performa penalaran lebih tangguh.
Kedua varian tersebut dibangun di atas struktur model yang mandiri. Pengembang perlu mencatat bahwa memaksimalkan pengaturan penalaran pada varian reguler tidak akan otomatis mengubah kemampuannya menjadi setara dengan varian Full. Perbedaan kapasitas ini membuat varian Full dipersiapkan khusus untuk menangani skenario komputasi yang paling menuntut.
Dalam ekosistem perangkat lunak Meta, model penalaran ini berperan sebagai otak utama di balik produk Muse Code. Selain itu, model ini juga dijadwalkan segera memperkuat aplikasi asisten konsumen populer Meta, yaitu Muse AI. Integrasi tersebut dirancang untuk menghadirkan otomatisasi kerja yang lebih cerdas dan responsif bagi para pengguna.
2. Spesifikasi teknis dan kehadiran dua fitur inovatif
Perbandingan skor Personal Superintelligence Index yang menempatkan Muse Wonder Full di jajaran teratas model cerdas global. (meta.com) Dari segi spesifikasi, Muse Wonder dibekali jendela konteks raksasa berkapasitas sekitar 1 juta token. Model ini memiliki fleksibilitas multimodal pada sisi input yang sanggup membaca teks, gambar, video, audio, serta PDF. Kendati demikian, model ini masih hanya dapat menghasilkan keluaran berbasis teks.
Salah satu inovasi penting yang ditambahkan Meta ke dalam arsitektur model ini adalah fitur Active Memory. Fitur ini bertugas mengingat fakta maupun konteks esensial pengguna yang tersebar di sepanjang riwayat percakapan masa lalu. Agen AI kemudian dapat memanggil kembali rincian data terbaru tersebut secara otomatis tanpa perlu diingatkan berulang kali.
Inovasi kedua yang tidak kalah penting adalah fitur kegigihan kerja bernama Active Focus. Berkat kemampuan ini, agen AI akan terus berupaya menyelesaikan target meskipun menemui kendala teknis atau kegagalan kode di tengah jalan. Model akan mengevaluasi letak kesalahan, menguji pendekatan alternatif, serta meminta konfirmasi pengguna sebelum mengeksekusi tindakan krusial.
Kombinasi kedua fitur tersebut didukung oleh fondasi model dasar yang memiliki kemampuan generalisasi tinggi. Melalui peningkatan komputasi waktu uji (test-time compute), model ini mampu bernalar lebih baik saat menyelesaikan tugas-tugas asing di luar data pelatihannya. Ketangguhan ini memastikan kinerja agen tetap stabil saat menghadapi masalah baru yang tidak terduga.
3. Hasil pengujian tolok ukur dan perbandingan performa
Dominasi lini Muse Wonder pada tolok ukur rekayasa perangkat lunak DeepSWE v1.1 yang mengungguli model pesaing utama. (meta.com) Kemampuan keluarga Muse Wonder diuji secara komprehensif melawan model papan atas seperti Claude Opus 5.5, GPT-6 Astra, dan Gemini 4 Argon. Platform tolok ukur independen Artificial Analysis mencatat Muse Wonder Full berhasil meraih skor 56 pada indeks kecerdasannya. Angka tersebut menempatkan model andalan Meta ini sejajar dengan Claude Sonnet 5.5 dan hanya terpaut dua poin dari posisi puncak.
Keunggulan model ini terlihat sangat dominan pada sektor rekayasa perangkat lunak berdurasi panjang. Pada pengujian DeepSWE v1.1, Muse Wonder Full dan varian reguler memimpin di posisi teratas dengan raihan skor masing-masing 79,0 dan 78,8 persen. Rekor tersebut berlanjut pada uji SWE-Marathon, di mana varian Full mengungguli Claude Opus 5.5 dan GPT-6 Astra.
Keluarga model ini juga menorehkan hasil gemilang pada pengujian bidang profesional khusus. Model ini mencatatkan skor 85,6 pada MemoryBench serta unggul signifikan dalam uji dokumen hukum Harvey LAB-AA dengan skor 13,1 poin. Selain itu, performanya pada pengujian agen keuangan Vals Finance Agent V2 mampu bersaing ketat dengan skor 59,1 poin.
Meski mendominasi pemrograman panjang, DataCamp mencatat Muse Wonder masih tertinggal pada beberapa skenario pengujian. Kelemahan terbesarnya tampak pada tolok ukur ProgramBench untuk membangun program dari nol, di mana model ini tertinggal 11,5 poin dari Claude Opus 5.5. Model ini juga harus mengakui keunggulan lawan pada pemrograman terminal serta evaluasi medis HealthBench Pro.
4. Ragam kasus penggunaan, limitasi, dan skema harga
Muse Wonder membuat game dapur 3D yang dapat dimainkan dari input gambar yang dapat disesuaikan. (meta.ai) Dalam praktik nyata, Muse Wonder sangat piawai menjalankan perombakan kode berskala besar dan otomatisasi alur kerja peramban web. Agen ini dapat membagi proyek perangkat lunak rumit ke sub-agen pembantu sembari terus menguji perbaikan kode secara mandiri. Bahkan di sektor riset kesehatan, model ini telah dimanfaatkan peneliti untuk menganalisis 5 juta rekam medis hingga menghasilkan draf artikel ilmiah.
Kendati menjanjikan, pengguna tetap perlu memperhatikan sejumlah limitasi teknis yang dimiliki model ini. Evaluasi desktop OSWorld V2.1 menunjukkan tingkat penyelesaian tugas tuntas model ini baru mencapai 39,4 persen. Di samping itu, model masih memiliki kelemahan pada tugas penalaran spasial tiga dimensi (3D) dan risiko membawa kesalahan logika awal ke langkah kerja berikutnya.
Guna menjaga integritas dan privasi pengguna, Meta menerapkan protokol mitigasi risiko yang ketat. Pelanggan Muse Code secara bawaan berada di Contributor Mode yang mengizinkan data masukan dipakai untuk melatih AI, sehingga pengguna perlu mengubah pengaturan ke Standard Mode demi melindungi kode rahasia. Model ini juga dilengkapi penyaring keamanan untuk mencegah penyalahgunaan berbahaya sembari mendukung pertahanan siber.
Untuk ketersediaan dan harga, Muse Wonder reguler dibanderol melalui API seharga 4 dolar AS (sekitar Rp72 ribu) per sejuta token input dan 20 dolar AS (sekitar Rp361 ribu) per sejuta token output. Sementara itu, akses eksklusif Muse Wonder Full hanya bisa dinikmati melalui paket langganan bulanan Muse Code seharga 50 atau 200 dolar AS. Nah, melihat spesifikasi dan fitur penalaran yang dibawanya, apakah kamu tertarik mengandalkan Muse Wonder untuk mengotomatiskan pekerjaanmu?
