LONDON (IT BOLTWISE) – Meta bringt mit Muse Wonder und Muse Wonder Full zwei neue KI-Modelle für agentisches Arbeiten an den Start. Die Systeme kombinieren Active Memory und Active Focus, damit persönliche und berufliche Assistenten über mehrere Schritte hinweg Kontext behalten und zielgerichtet weiterarbeiten. Muse Wonder läuft über die Meta Model API und Muse Code, während Muse Wonder Full für Muse-Code-Abonnenten bereitgestellt wird. Im Fokus stehen außerdem Fortschritte bei domänenspezifischen Aufgaben und beim Programmieren über lange Projektläufe hinweg.
Mit Muse Wonder und Muse Wonder Full liefert Meta gleich zwei neue Grundlagenbausteine für KI-Agenten aus, die nicht nur Antworten generieren, sondern Aufgaben über mehrere Schritte hinweg verfolgen sollen. Entscheidend ist dabei weniger der einzelne Modell-Output als das Zusammenspiel aus Gedächtnis und Durchhaltevermögen: Muse Wonder setzt auf Active Memory, um relevante Informationen aus früheren Kontexten wieder aufzugreifen, und auf Active Focus, um eine anspruchsvolle Aufgabe auch dann weiterzuarbeiten, wenn sich Anforderungen ändern oder Blocker auftauchen. Meta positioniert die Serie als nächsten Schritt auf einer Skalierungsleiter nach früheren Releases wie Muse Spark und verbindet das neue Agentenversprechen mit der Aussicht, mittelfristig auch stärkere Aufgaben- und Artefakterzeugung direkt in Muse zu ermöglichen.
Technisch wird die Veröffentlichung als Training über mehrere Lernstufen beschrieben, konkret entlang von Pretraining und Reinforcement Learning. Besonders konkret wird die Darstellung beim Rechenumfeld: Trainiert seien die Modelle im Rahmen eines „gigawatt-scale“ Prometheus-Datencenters, womit Meta die infrastrukturseitige Dimension des Projekts betont. Für den Produktzugang nennt der Text zwei Wege: Muse Wonder ist heute über die Meta Model API und Muse Code verfügbar, Muse Wonder Full hingegen für Muse-Code-Abonnenten. Außerdem kündigt Meta an, dass Muse Wonder zunächst die Erfahrungen in Muse antreiben soll und mit der Zeit auch Prozesse unterstützt, bei denen „mehr Intelligenz“ nötig ist – ein Hinweis darauf, dass die Modellfamilie nicht nur für einzelne Prompts gedacht ist, sondern für orchestrierte Workflows und Folgeaktionen.
Bei den Fähigkeiten konkretisiert Meta das Agentenprofil über mehrere Prüfbereiche, die sich inhaltlich auf reale Arbeits- und Alltagssituationen beziehen. Anhand von Domain Expertise sollen die Modelle spezialisierte Zusammenhänge abarbeiten können, etwa wenn es um Vertragskonstellationen geht („understanding a lease“), oder wenn finanzielle beziehungsweise gesundheitliche Informationen verstanden und eingeordnet werden müssen. Als Beispiel nennt Meta einen Harvey’s Legal Agent Benchmark (LAB), der die Zusammenarbeit mit Quelldokumenten und das Befolgen detaillierter Anweisungen verlangt, um rechtliche Arbeitsergebnisse zu erstellen. Für den Speicheranteil beschreibt Meta Active Memory als die Fähigkeit, nicht nur „etwas zu merken“, sondern Kontext über Konversationen hinweg zu tragen und dann gezielt wieder abzurufen, was für die aktuelle Aufgabe relevant ist.
Damit daraus im Alltag keine Sackgasse wird, ergänzt Meta das Gedächtnis um Active Focus. Der Text beschreibt damit ein Funktionsprinzip, das eher an iterative Problemlösung als an Einmal-Antworten erinnert: Das System soll alternative Ansätze testen, Blocker durcharbeiten und sich an neue Informationen anpassen. Wichtig ist dabei auch das prozessuale Timing. Meta erwähnt, dass Muse Wonder bei Bedarf nach Klarstellungen fragt und „checks in“ vornimmt, bevor es wichtige Aktionen ausführt. Gemessen wird Focus offenbar über FocusBench und bei längeren Ausführungsphasen über SWE-Marathon, das auf „long-running software projects“ abzielt. Genau in diese Lücke fällt auch das Frontier Coding: Softwareentwicklung wird als zyklischer Prozess verstanden – Requirements verfolgen, Änderungen über ein Codebase hinweg konsistent umsetzen, testen, revidieren. Muse Wonder und Muse Wonder Full sollen hier von kleinen Anwendungen bis zu komplexerer Software Leistung demonstrieren.
Ein weiterer Teil der Veröffentlichung zielt auf einen klassischen Konflikt im Modellmarketing: Zwei Modelle können auf bekannten Benchmarks ähnlich abschneiden, während das eine in der Praxis deutlich flexibler wirkt. Meta greift diese Lücke über Begriffe wie „benchmaxxing“ und „big model smell“ auf und versucht sie messbar zu machen. Dazu wird untersucht, wie stark die Leistung auf Aufgaben, die gezielt während des Post-Trainings adressiert wurden, mit der Leistung auf neuen, nicht trainierten Aufgaben korreliert. Der Text vergleicht dafür Muse Spark 1.3 und Muse Wonder Full und ordnet Testpunkte einem variierenden „reasoning effort“ zu: Die horizontale Achse repräsentiert In-Distribution-Leistung, die vertikale Achse Out-of-Distribution. Ergebnis: Beide Modelle verbessern sich in Out-of-Distribution-Aufgaben ähnlich, aber Muse Wonder Full landet bei unbekannten Aufgaben höher, als die Spark-3-Trendlinie erwarten ließe. Meta führt das auf die stärkere Basismodel-Linie zurück: Größere Basen liefern offenbar Post-Training-Gewinne, die besser auf Aufgaben außerhalb des Trainings übertragbar sind.
Auch für Agenten im Browser-Alltag wirkt diese Generalisierungsfähigkeit unmittelbar relevant. Meta beschreibt einen Arbeitsmodus, in dem Muse Wonder „direkt im Browser und über Apps“ operiert und einen laufenden Plan aufbaut, konkret auf Basis von persönlichen Präferenzen und der jeweiligen Situation. Im Text taucht dabei eine Kartendatenquelle auf: Map data stammt von OpenStreetMap contributors. Auf dieses Detail folgt der nächste Sicherheitsblock: Wenn persönliche Agenten Handlungen im Namen von Nutzerinnen und Nutzern übernehmen und dafür Zugriff auf Kontext wie Nachrichten, Kalender oder private Dokumente erhalten, steigt der Bedarf an Robustheit gegen Missbrauch. Meta sagt daher, die Muse-Wonder-Familie sei auf Robustheit gegenüber adversarial instructions trainiert und auf „careful handling“ privater Informationen ausgerichtet. Parallel nennt Meta Schutzrichtungen gegen CBRN-Missbrauch sowie Cyber-Missbrauch, inklusive dem Zusatz, dass defensive Nutzung von Cyber-Fähigkeiten erhalten bleiben soll – und verweist dafür auf sein Meta Superintelligence Scaling Framework.
Für Unternehmen und Entwickler ist die Veröffentlichung vor allem deshalb bedeutsam, weil sie die Lücke zwischen Modellbenchmarks und agentischen Produktionsanforderungen adressiert: Gedächtnis über Sitzungen, fortgesetzte Zielverfolgung sowie längere Ausführung in codenahen Projekten. Wenn Muse Wonder zunächst über API und Muse Code verfügbar ist und Muse Wonder Full Abonnenten vorbehalten wird, verschiebt sich das Pilotieren weg von „Spiel mit Prompts“ hin zu „Orchestrieren von Workflows“, bei denen Memory und Focus als Bestandteile des Systems sichtbar werden. Gleichzeitig bleibt die weitere Ausrollung entscheidend: Meta kündigt an, dass Muse Wonder in Muse-Erlebnisse einfließen und später auch zur Entwicklung spezialisierter Modelle dienen soll. Aus Sicht von KI-Engineering-Teams wird damit die Architekturfrage wichtiger – etwa wie man Memory-Strukturen, Aufgabenplaner und Sicherheitschecks so in eigenen Systemen verankert, dass sie mit zunehmender Agentenfähigkeit stabil bleiben.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Meta stellt Muse Wonder und Muse Wonder Full für KI-Agenten vor" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Meta stellt Muse Wonder und Muse Wonder Full für KI-Agenten vor" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Meta stellt Muse Wonder und Muse Wonder Full für KI-Agenten vor« bei Google Deutschland suchen, bei Bing oder Google News!