Meta ra mắt Muse Wonder, lần đầu chen chân vào nhóm model AI hàng đầu

Kể từ khi tái cơ cấu mảng AI dưới sự dẫn dắt của Alexandr Wang năm 2025, Meta mới có hai thứ: dòng model nhanh, rẻ Muse Spark, và trợ lý agent Muse cho người dùng phổ thông chạy trên nền đó. Điều còn thiếu là một model đủ tầm ngồi chung bàn với Anthropic, OpenAI và Google. Thứ Hai, 12/10/2026, Meta Superintelligence Lab đã tung ra hai model như vậy: Muse Wonder và Muse Wonder Full. TechCrunch gọi đây là model frontier (model thuộc nhóm mạnh nhất hiện tại) đầu tiên của Meta. Còn Wang thì nói thẳng: Muse Wonder là “model tốt nhất thế giới cho agent cá nhân và agent chuyên nghiệp”.

Số liệu độc lập đã có ngay sau đó. Bức tranh chúng vẽ ra kém hào nhoáng hơn lời quảng bá, nhưng vẫn cho thấy một bước tiến thật.

Những gì được phát hành

Hai phiên bản. Muse Wonder dùng được ngay qua Meta Model API (dev.meta.ai) và sản phẩm lập trình Muse Code. Muse Wonder Full, bản mạnh hơn, chỉ dành cho người đăng ký Muse Code, không có trên API.
Giá. Theo cả TechCrunch lẫn The Decoder, Muse Wonder có giá 4 USD cho một triệu token đầu vào và 20 USD cho một triệu token đầu ra. Mức này ngang GPT-6 Sol và Claude Opus 5.5, và tăng mạnh so với 1,25 / 4,25 USD của Muse Spark 1.3. Wonder Full chưa có giá token công khai.
Thông số. Model card (tài liệu mô tả model) ghi cửa sổ ngữ cảnh 1 triệu token, nhận đầu vào là văn bản, hình ảnh, video và âm thanh, đầu ra chỉ là văn bản. Cả bài blog lẫn model card đều không nhắc tới open weights (công bố trọng số để ai cũng tải về chạy được). Đây là bản phát hành chỉ qua API, khác hẳn thời Llama.
Huấn luyện. Meta cho biết cả hai được huấn luyện tại trung tâm dữ liệu Prometheus quy mô gigawatt ở Ohio, gồm pretraining kết hợp reinforcement learning (học tăng cường), nối tiếp công việc mở rộng quy mô từ Muse Spark.
Lộ trình. Muse Wonder sẽ chạy trong ứng dụng agent Muse, ưu tiên người trả phí trước. Về sau Meta sẽ chưng cất (distil) từ nó các model chuyên biệt cho mọi người dùng.

Điểm thực sự mới: trí nhớ và sự bền bỉ

Meta không quảng bá Wonder chủ yếu bằng khả năng suy luận thuần túy, mà bằng hai hành vi dành cho agent:

Active Memory (trí nhớ chủ động). Model ghi nhớ những bối cảnh quan trọng về người dùng qua nhiều cuộc hội thoại và tự lấy đúng chi tiết cũ khi một việc mới cần đến. Meta đo bằng MemoryBench, một benchmark nội bộ kiểm tra khả năng nhớ các dữ kiện then chốt nằm lẫn trong những cuộc hội thoại dài 64K–100K token. Các cuộc hội thoại này có xen mạch gây nhiễu và có cả những lượt chèn vào để mâu thuẫn hoặc cập nhật dữ kiện cần nhớ. Theo TechCrunch, Meta cho biết Wonder vượt Claude Fable 5.1, Opus 5.5 và GPT-6 Astra trên bài này.
Active Focus (tập trung chủ động). Model kiên trì với mục tiêu khó: thử cách khác, tìm đường vòng qua chỗ vướng, hỏi lại khi chưa rõ và xin xác nhận trước những thao tác quan trọng. Bài kiểm tra nội bộ FocusBench gồm các việc cá nhân về nhà ở, du lịch, IT và tài chính, trong đó môi trường thay đổi giữa chừng.

Hai khả năng này rất đáng giá với một agent được truy cập lịch, tin nhắn và tài liệu của bạn, đúng là nơi Meta định triển khai. Nhưng cả hai benchmark chủ lực đều do chính Meta xây dựng. Hiện chưa có bên nào kiểm chứng lại, và thắng trên bài thi do mình tự ra đề thì dễ hơn.

Số liệu độc lập

Artificial Analysis, đơn vị mà chính Meta trích dẫn trong model card, cho một bức tranh bớt hào nhoáng nhưng vẫn ấn tượng:

Intelligence Index v4.3: Wonder Full đạt 56, Wonder 52, Muse Spark 1.3 là 48. Trên trang model của Artificial Analysis, Wonder Full (Max) đứng thứ 4 trong khoảng 700 model.
Coding Agents Index: Wonder Full đạt 68, ngang Claude Code chạy Sonnet 5.5. Wonder đạt 63, so với 54 của thế hệ trước (theo The Decoder).
Terminal-Bench 4.0: tăng từ 33% lên 57% so với thế hệ trước, và Wonder Full dùng ít hơn khoảng 30% token đầu ra.
ProofBench (chứng minh toán học, bộ đề kín): Wonder Full giải được 94/100 bài, tăng từ 58. Các model dẫn đầu đạt 99–100.
Điểm yếu là kiến thức thực tế. Trên AA-Omniscience, Wonder Full chỉ đạt 30 và Wonder 25, trong khi Opus 5.5 đạt 46, GPT-6 Astra 43, Gemini 4 Argon 42. Tỷ lệ hallucination (bịa thông tin) giảm từ 33% xuống 23%. Đó là tiến bộ tốt nhưng vẫn cao hơn mức 15% của Gemini 4 Argon.
Chi phí mỗi tác vụ trên bộ chỉ số là 4,52 USD với Wonder, gần gấp ba mức 1,60 USD của Muse Spark 1.3. Như vậy vẫn rẻ hơn Opus 5.5 (5,98 USD) và Fable 5.1 (7,63 USD), nhưng đắt hơn GPT-6 Astra (3,26 USD) và Gemini 4 Argon (1,99 USD). Token đầu vào chiếm khoảng 76% hóa đơn, và mỗi tác vụ Wonder dùng nhiều hơn 28% token đầu vào so với thế hệ trước.
Trên Vals AI Index, Wonder Full (Max) xếp thứ năm, trên mọi model của OpenAI nhưng sau các model hiện tại của Anthropic.

Đọc kỹ phần chữ nhỏ trong model card

Bảng benchmark do Meta tự công bố cần đọc thận trọng. Phần phương pháp ghi rằng khi không có kết quả của bên thứ ba, Meta lấy “giá trị cao nhất trong số lần chạy nội bộ đã kiểm định, điểm tự báo cáo, hoặc điểm trên bảng xếp hạng chính thức”. Meta cũng thừa nhận các lần chạy model đối thủ “có thể chưa được tinh chỉnh tối ưu cho model độc quyền”. Ở mục SWE-Marathon, Wonder Full được so với GPT-6 Astra chạy trong Codex và Fable 5.1 chạy trong Claude Code. Chính model card ghi rằng đây không phải phép so sánh trên cùng một harness (bộ khung chạy agent). Những điều này không lạ với model card của các hãng, nhưng có nghĩa là bảng tự báo cáo nên được xem là mức trần, không phải phép đo trung lập.

Phần an toàn có một chi tiết mà ai làm bảo mật nên để ý. Trên ExploitGym, Wonder Full chiếm được 92 cờ (flag), nhưng bước kiểm tra lại cho thấy chỉ 21 cờ khai thác đúng lỗ hổng được cài sẵn. 71 cờ còn lại đến từ những lỗ hổng ngoài dự kiến trong chính môi trường thử nghiệm. Meta báo cáo con số 21 để so sánh. Nhưng cũng có thể hiểu là model rất giỏi tìm ra những lỗi mà không ai cố ý cài vào. Điều đó hữu ích cho phía phòng thủ, và cũng chính là kiểu hành vi gần đây đã gây rắc rối cho agent của các phòng lab khác khi chạy trong môi trường thật. Theo Superintelligence Scaling Framework (khung đánh giá rủi ro của Meta), hãng thừa nhận không loại trừ được khả năng model chưa áp biện pháp giảm thiểu chạm ngưỡng rủi ro cao về lạm dụng hóa học và sinh học. Vì vậy Meta phát hành kèm hậu huấn luyện an toàn và các bộ phân loại ở cấp hệ thống, rồi đánh giá rủi ro còn lại ở mức “trung bình hoặc thấp hơn”. Báo cáo an toàn đầy đủ được hứa sẽ ra “sớm”.

Vì sao điều này quan trọng

Có ba lý do.

Thứ nhất, nhóm dẫn đầu giờ có bốn phòng lab nghiêm túc chứ không còn ba. Một model flagship đáng tin cậy từ Meta sẽ tạo thêm áp lực giá ở phân khúc 4–5 USD cho mỗi triệu token đầu vào, và cho doanh nghiệp thêm một lựa chọn, nhất là những đơn vị vốn đã gắn với hệ sinh thái quảng cáo và nhắn tin của Meta.

Thứ hai, Meta đặt cược rằng cuộc đua tiếp theo nằm ở agent cá nhân có trí nhớ lâu dài, không phải ở chất lượng trò chuyện. Nhớ được qua nhiều phiên làm việc và chịu tiếp tục khi gặp vướng mắc là hai điều mà agent lập trình và agent duyệt web hiện nay thường thiếu nhất. Nếu những cải thiện kiểu MemoryBench vẫn đứng vững khi được kiểm tra bên ngoài phòng lab của Meta, các hãng khác sẽ phải đáp trả.

Thứ ba, với lập trình viên, đây là model đóng, chỉ phục vụ qua API. Ai từng xây sản phẩm trên trọng số mở của Llama nên lưu ý rằng thành quả tốt nhất của Meta giờ nằm sau dev.meta.ai, và bản mạnh nhất thậm chí không có trên API.

Những câu hỏi còn bỏ ngỏ

Kiểm chứng độc lập về trí nhớ. Chừng nào các nhóm bên ngoài chưa thử khả năng ghi nhớ dài hạn, kể cả cách model xử lý ký ức đã cũ hoặc mâu thuẫn nhau, thì “Active Memory” vẫn chỉ là lời quảng cáo dựa trên một benchmark nội bộ.
Lỗ hổng kiến thức. Điểm chỉ số gần top nhưng điểm AA-Omniscience kém Opus 16 điểm cho thấy model suy luận tốt trên một nền kiến thức mỏng hơn. The Decoder đoán rằng model nền của Wonder nhỏ hơn của đối thủ. Meta chưa xác nhận.
Tinh chỉnh theo benchmark. Các model Muse trước từng bị chê vì điểm số không phản ánh hiệu năng khi dùng thật. Meta nói Wonder Full vượt đường xu hướng trên các tác vụ ngoài phân phối huấn luyện, nhưng đó cũng là kết quả do chính Meta đo.
Giá và quyền truy cập API của Wonder Full vẫn chưa rõ, nên rất khó đánh giá nửa ấn tượng hơn của đợt ra mắt này trong môi trường production.

Tóm lại, Meta đã bắt kịp đủ để được tính đến, nhưng chưa vươn lên dẫn đầu. Hãng chọn cạnh tranh bằng trí nhớ và sự bền bỉ thay vì độ rộng kiến thức. Nước đi đó đúng hay sai còn phụ thuộc vào những con số mà hiện chưa ai ngoài Meta đưa ra.