Muse Wonder: Meta enfim chega à fronteira da IA

O gargalo que a Meta quer quebrar

Muse Wonder é o primeiro modelo da Meta que dá para levar a sério em trabalho agêntico de verdade. Não estamos falando de chatbot que responde bem em benchmark de conversa, estamos falando de modelo que segura terminal, planilha, PDF bagunçado e tarefa de várias etapas sem desmoronar no meio do caminho. Depois de 14 meses reconstruindo a base do zero no Meta Superintelligence Labs, a empresa pulou de 48 pontos com o Muse Spark 1.3 para 52 pontos com o Wonder e 56 pontos com o Wonder Full no Intelligence Index. O líder Opus 5.5 está em 58. A diferença agora é de dois pontos, não de uma geração inteira. Para quem opera, isso importa porque cria uma terceira opção real de fronteira, com preço, API e comportamento próprios. E quando você tem pipeline em produção, ter três fornecedores brigando por latência e custo vale mais que qualquer paper novo.

O fato

A Meta lançou a família Muse Wonder com codinome interno Watermelon, sua segunda geração de modelos depois do Spark. São duas versões. O Muse Wonder é a versão rápida de fronteira, disponível via Meta Model API e dentro do Muse Code. O Muse Wonder Full é a versão com raciocínio máximo, disponível apenas para assinantes dos planos Power e Maximum Usage do Muse Code. A ideia é clara e copia a lógica da concorrência. Assim como a OpenAI separa Sol, Terra e Luna e a Anthropic separa Opus, Sonnet e Haiku, a Meta agora tem Spark para volume, Wonder para fronteira rápida e Wonder Full para o máximo de inteligência. O lançamento veio acompanhado de vazamento de preço de 4 dólares por milhão de tokens de entrada e 20 dólares por milhão de tokens de saída, com janela de 1 milhão de tokens. No mesmo dia, Mark Zuckerberg e Alexandr Wang defenderam três apostas centrais: Active Memory, Active Focus e expertise em domínios como finanças e jurídico, com força também em saúde. Teve ainda um bug de cota no dia do lançamento que drenou limites do Muse Code rápido demais, corrigido no mesmo dia com reset geral.

Como funciona na visão de operador

Na prática, o Wonder foi desenhado para trabalho agêntico pessoal e profissional, não para completar texto. O Active Memory promete manter contexto através de dias, semanas e meses, o que na prática deve significar um sistema de memória persistente fora da janela de contexto, provavelmente com resumo hierárquico, vetor store gerenciado pela Meta e reidratação automática no prompt. O Active Focus promete atravessar bloqueadores para terminar tarefas, o que sugere loop de agente nativo com uso de ferramentas, retry inteligente e planejamento interno mais longo. A janela de 1 milhão de tokens coloca o Wonder no mesmo patamar operacional de Gemini e dos modelos longos da Anthropic, ótimo para codebase inteira, due diligence jurídica ou análise financeira com vários documentos. O preço vazado de 4 dólares de entrada e 20 de saída não é barato. Está acima do Sonnet em uso típico e puxa o custo para cima quando o modelo gera muito raciocínio. Isso indica que a Meta está cobrando pelo ganho em tarefas longas, não tentando vencer no preço por token. A instalação via Muse Code com um simples curl em dev.meta.ai mostra a intenção de morder o fluxo do desenvolvedor que hoje está no Cursor, Copilot e Claude Code.

O que os evals independentes mostram

Os números da Artificial Analysis ajudam a tirar o hype da jogada. O Wonder Full melhorou em todos os dez evals do índice, com os maiores saltos justamente onde dói em produção. Terminal-Bench 4.0 saiu de 33 por cento para 57 por cento, GDPval subiu de 1681 para 1857 de Elo e o AA-Briefcase foi de 1581 para 1729. O modelo ficou no top 3 em 6 de 10 evals, foi primeiro em GDP.pdf e em CritPt, segundo em GDPval e terceiro em AutomationBench com 71 por cento e SciCode com 63 por cento. Até o Wonder normal, sem ser Full, subiu de 33 para 52 por cento no Terminal-Bench e de 58 para 68 por cento no AutomationBench. Em seis semanas entre o Spark 1.3 e o Wonder, a Meta entregou o salto que normalmente leva seis meses. O ponto de atenção para operador é o custo de tokens por tarefa. Modelos de raciocínio máximo tendem a gastar muito mais tokens de saída para ganhar esses pontos, então aquele 57 por cento no Terminal-Bench pode custar três a cinco vezes mais por run do que um modelo menor.

O que isso muda na prática

Quem ganha primeiro é quem tem agente quebrando em tarefa longa. Se seu agente trava em repositório grande, perde contexto depois de 20 passos ou alucina em documento financeiro, o Wonder Full vira um teste obrigatório esta semana. Quem perde, no curto prazo, é quem apostou tudo em um único fornecedor e otimizou prompt e cache só para Claude ou GPT. A diferença de 2 pontos para o Opus 5.5 significa que dá para negociar, fazer fallback e comparar custo por tarefa resolvida, não por token. Para times de produto, o Active Memory muda o desenho de personal agent. Se a memória persistente funcionar mesmo, você pode tirar parte da sua camada de memória customizada e delegar para o modelo, simplificando arquitetura. Mas só confie depois de testar vazamento entre usuários, porque a Meta fala em robustez contra instruções adversárias e cuidado com informação privada sem mostrar um system card detalhado. E sem system card, compliance em finanças e saúde trava.

• Rode um teste A/B direto: pegue 50 tarefas reais do seu backlog que falham hoje e rode em Wonder, Wonder Full e seu modelo atual com limite fixo de custo por tarefa.
• Meça custo por sucesso: não compare preço por milhão de tokens, compare dólares por tarefa concluída com qualidade aceitável, incluindo retries.
• Teste memória longa: crie um projeto no Muse Code, volte depois de 48 horas e veja se ele lembra decisões sem você reexplicar tudo.

A ação prática mais valiosa agora é simples. Se você usa Claude Code ou Cursor, instale o Muse Code em um ambiente isolado, aponte para uma cópia de um repo real e deixe o Wonder tentar uma issue de nível médio com acesso ao terminal. Registre taxa de sucesso, latência ponta a ponta e tokens de entrada e saída. Com esses três números você decide em um dia se vale migrar parte da carga ou manter como fallback para tarefas que seu modelo atual não resolve.

Tensão real: isso escala ou só move o gargalo?

Aqui fica a dúvida de operador. O salto de 33 para 57 por cento no Terminal-Bench é impressionante, mas veio com um modelo maior, mais caro e, pelo menos no lançamento, preso ao Muse Code na versão Full. Isso resolve ou só move o gargalo do raciocínio para o bolso e para o lock-in? O preço de 20 dólares na saída pune exatamente o caso de uso que a Meta vende, que é agente trabalhando por muito tempo, gerando muito raciocínio e muitas ações. Se o Full só vive dentro da assinatura, você não tem API aberta para colocar no seu orquestrador, não controla cache, não controla fila e fica refém da cota deles. O bug do primeiro dia, que consumiu cota rápido demais, mostra que a infra ainda está imatura para pico. E tem outro ponto. Memória através de semanas é ótima no demo, mas em produção memória persistente vira problema de privacidade, de contaminação de contexto e de custo silencioso. Cada lembrança recuperada é token de entrada pago. Será que o ganho de 176 pontos de Elo no GDPval compensa quando você soma memória, raciocínio longo e retry? Talvez sim para jurídico e finanças, onde uma hora de analista custa caro. Talvez não para suporte ou código simples, onde latência e preço mandam.

Conclusão

Muse Wonder coloca a Meta oficialmente no clube da fronteira, com números fortes em agentes e uma aposta clara em memória e foco contínuo. O teste que importa agora não é benchmark, é dólares por tarefa resolvida no seu workload. Você trocaria parte da sua carga para um modelo 2 pontos abaixo do líder se ele lembrar do seu projeto por semanas?