Meta ha annunciato ieri sera 12 ottobre Muse Wonder e Muse Wonder Full, due modelli destinati ad alimentare assistenti personali e strumenti di lavoro. L'obiettivo dichiarato è gestire incarichi complessi, mantenendo il contesto e continuando a lavorare quando emergono ostacoli. In sostanza, Mark Zuckerberg afferma che i suoi benchmark collocano Wonder e il più grande Muse Wonder Full al pari dei sistemi di punta di OpenAI e Anthropic. È questo il significato concreto da cercare dietro l'espressione aziendale «superintelligenza personale».

Cosa fanno: leggono contenuti diversi e producono risposte

Wonder e Wonder Full accettano testo, immagini, video e audio, ma restituiscono testo. Possono quindi interpretare documenti e grafici, sintetizzare informazioni, scrivere e correggere codice. La finestra di contesto dichiarata è di un milione di token: indica quanto materiale possono elaborare durante una richiesta, non quanto ricorderanno per sempre. Essere multimodali, inoltre, non significa generare automaticamente immagini o video.

Che differenza c'è tra Spark, Wonder e Wonder Full

Nel quadro che riporti, Spark privilegia la rapidità; Wonder punta a incarichi più impegnativi. Full viene presentato da Meta come la variante più avanzata. Wonder è accessibile attraverso la Meta Model API e Muse Code; Full attraverso Muse Code. La distinzione riguarda quindi anche il modo in cui si possono utilizzare: integrare un modello in un'applicazione oppure impiegarlo nell'ambiente di programmazione di Meta. Il sito non spiegano però la differenza architetturale fra Wonder e Full: dal nome non possiamo dedurre parametri, dimensioni o potenza di calcolo.

Active Memory e Active Fosus

Meta chiama Active Memory il recupero delle informazioni rilevanti dalle conversazioni precedenti e Active Focus la capacità di insistere su un obiettivo, cambiare approccio e affrontare gli ostacoli. Un esempio: chiedere all'assistente di preparare un dossier rispettando fonti, formato e preferenze già indicati, aggiornandolo quando arrivano nuovi documenti. Per compiere azioni serve però un sistema attorno al modello: strumenti, accesso alle applicazioni e permessi. Meta descrive agenti capaci di usare browser e app e distribuire parti del lavoro a sottoagenti. Il modello fornisce capacità di interpretazione e decisione; l'agente le collega agli strumenti operativi. La documentazione consultata non chiarisce abbastanza come venga conservata la memoria persistente. Non dimostra che ogni conversazione aggiorni i pesi del modello.

Come sono fatti?

Meta dichiara di aver lavorato su preaddestramento e apprendimento per rinforzo, utilizzando il data center Prometheus. Il primo costruisce capacità generali attraverso l'addestramento sui dati; il secondo orienta il comportamento mediante segnali di ricompensa. L'azienda attribuisce parte dei progressi a modelli di base più grandi e robusti. Restano però senza dettaglio, nelle fonti consultate, numero di parametri, composizione dei dati e architettura. Prometheus indica dove sono stati addestrati, non spiega come siano costruiti.

Quanto costano?

Se guardiamo ai benchmark i risultati sono importanti. Su MemoryBench riporta 91,6 per Wonder e 93,1 per Full; definisce però quel test come una valutazione interna. Indica inoltre risultati attribuiti a soggetti esterni, fra cui Datacurve e Artificial Analysis. È quindi troppo categorico scrivere che mancano cifre o che tutte le prove sono esclusivamente interne. Queste attribuzioni richiedono comunque una verifica presso le fonti originarie. Il prezzo? Quattro dollari per milione di token in ingresso e 20 in uscita per Wonder via API. Il costo di un incarico dipenderà anche dal numero di passaggi necessari. E un buon punteggio sulla memoria non basta a dimostrare affidabilità sul lavoro: la stessa model card riconosce possibili risposte inesatte ed errori nei compiti articolati.

Per approfondire

    • Cosa abbiamo capito di Meta Muse Spark?
    • Cosa sono i modelli Muse Glimmer di Meta?
    • In cinque punti cosa c'è da sapere su Muse Image di Meta
    • In cinque punti quello che dobbiamo sapere di Meta Ai
    • Meta Ai diventa app. La guida per opporsi all'uso dell'Ai e tutto quello che c'è da sapere. In cinque punti
    • In cinque punti quello che dobbiamo sapere di Meta Ai
    • Dopo OpenAi, Google, Adobe e Runaway ecco Movie Gen il generatore di video di Meta
    • Cosa sono Llama 4 Scout e Llama 4 Maverick? In cinque punti
    • Meta AI sfida ChatGpt: arriva l'app per iPhone e Android. Ecco a cosa serve
    • Meta inizia l'addestramento dell'Ai sui post e commenti pubblici. Ecco come opporsi