Meta lança modelos Muse Wonder para competir com OpenAI e Anthropic

A Meta anunciou em 12 de outubro os modelos Muse Wonder e Muse Wonder Full, apresentados pela empresa como seus sistemas de inteligência artificial mais avançados. O lançamento coloca a companhia em uma disputa mais direta com OpenAI e Anthropic, cujos produtos são citados como referências na corrida por modelos de fronteira. A Reuters e a Axios confirmaram o anúncio, enquanto o G1 informou que as ações da Meta subiram 4% no dia.

A estratégia combina dois objetivos: melhorar o assistente pessoal Muse e ampliar a oferta da companhia para desenvolvimento de software. Segundo o G1, o Muse Wonder será integrado ao aplicativo Muse inicialmente para assinantes. Já o Muse Wonder Full, mais potente, está disponível para usuários do Muse Code, ferramenta da Meta voltada à programação.

O que os testes indicam

A pesquisa do The Decoder aponta uma evolução expressiva em relação ao modelo anterior Muse Spark 1.3. No Artificial Analysis Intelligence Index v4.3, o Muse Wonder Full marcou 56 pontos e o Muse Wonder, 52, ante 48 pontos do antecessor. Esses resultados colocaram os dois novos modelos entre os três melhores em seis de dez avaliações citadas no levantamento.

Os maiores avanços apareceram em tarefas agenticas, que medem a capacidade de um sistema executar trabalhos complexos com menor intervenção humana. No Terminal-Bench 4.0, o desempenho informado subiu de 33% para 57%. O dado é relevante para a proposta da Meta, porque o Muse foi concebido para agir em nome do usuário, e não apenas responder perguntas em uma conversa.

Também houve melhora em programação. O Muse Wonder Full alcançou 68 pontos no Coding Agents Index, empatando com o Claude Code com Sonnet 5.5, segundo o material fornecido. O Muse Wonder marcou 63 pontos, contra 54 do modelo anterior. Ainda assim, esses números vêm de avaliações específicas e não substituem testes independentes de uso cotidiano.

Memória, foco e acesso a dados pessoais

A Meta destacou duas funções para sustentar sua visão de um agente pessoal. A primeira, chamada Active Memory, permite ao modelo guardar informações consideradas importantes e recuperá-las em conversas posteriores. A segunda, Active Focus, descreve a capacidade de persistir em tarefas difíceis, tentar abordagens alternativas e fazer perguntas quando faltam informações.

Os modelos aceitam texto, imagens, vídeo e áudio e oferecem janela de contexto de um milhão de tokens. A proposta também prevê acesso a calendários, mensagens e documentos. No caso do Muse, o G1 relata que o assistente pode interagir com serviços ligados a e-mail, agenda, pagamentos, saúde, compras e casa inteligente, mediante as permissões correspondentes.

Esse alcance aumenta a utilidade potencial, mas também eleva o impacto de falhas operacionais. O G1 relatou uma controvérsia envolvendo um usuário que afirmou que o Muse forneceu seu endereço a um desconhecido após aceitar uma oferta no Facebook Marketplace e combinar uma retirada sem consultá-lo. A Meta disse que investigaria o caso; o material fornecido não informa o resultado.

Desempenho não elimina custos e limitações

O principal contraponto aos ganhos de desempenho é econômico. De acordo com o The Decoder, o custo por tarefa dos modelos quase triplicou. Isso pode dificultar a adoção em fluxos de trabalho intensivos, mesmo quando a qualidade das respostas ou a autonomia do agente melhoram. O dossiê não informa preços, unidades de cobrança ou condições comerciais para comparar diretamente com concorrentes.

A avaliação de conhecimento factual também expõe uma fraqueza. No teste AA-Omniscience, o Muse Wonder Full marcou 30 pontos e o Muse Wonder, 25. Os resultados ficaram abaixo dos números atribuídos no mesmo material ao Claude Opus 5.5, ao GPT-6 Astra e ao Gemini 4 Argon. A interpretação de que isso decorre de uma base menor é apresentada como sugestão do teste, não como conclusão comprovada.

Por outro lado, o The Decoder informou que a taxa de alucinação do Muse Wonder Full caiu de 33% para 23% em relação ao antecessor. O resultado seria o segundo menor entre os modelos com pelo menos 45 pontos no índice citado, atrás apenas do Gemini 4 Argon. A Meta também afirma que o modelo se sai melhor em tarefas desconhecidas do que os resultados de otimização de benchmarks poderiam sugerir, mas essa é uma declaração da empresa que ainda exige verificação independente.

• Muse Wonder: disponível pela API e no Muse Code, com integração futura ao aplicativo Muse para assinantes.
• Muse Wonder Full: versão mais poderosa, inicialmente restrita a usuários do Muse Code.
• Pontos fortes relatados: tarefas agenticas, programação, contexto multimodal e menor taxa de alucinação.
• Riscos e limites: custo por tarefa mais alto, conhecimento factual inferior e necessidade de avaliar ações sobre dados pessoais.

Na prática, o lançamento fortalece a posição da Meta em agentes e programação, mas não demonstra superioridade geral sobre todos os concorrentes. O que deve ser acompanhado agora é a disponibilidade efetiva no Muse, o preço de uso, a consistência em tarefas reais e a resposta da empresa a incidentes envolvendo permissões e ações automatizadas. Sem esses dados, o avanço nos benchmarks é um sinal relevante, porém incompleto.

Fontes: Reuters · Axios · The Decoder · G1