IA · 13 ottobre 2026 · 4 min di lettura
Meta torna alla frontiera dell'IA con Muse Wonder: memoria continua e agenti a lungo raggio
In sintesi: Meta ha presentato Muse Wonder e Muse Wonder Full, i suoi primi modelli di frontiera capaci di competere ad armi pari con le ammiraglie di OpenAI e Anthropic. Sviluppati dal Superintelligence Lab di Menlo Park, i nuovi sistemi puntano sulle architetture Active Memory e Active Focus per risolvere il degrado delle prestazioni nei compiti prolungati nel tempo. L'annuncio segna anche una svolta strategica: prezzi allineati al mercato closed-source e nessun rilascio dei pesi del modello.
di Team Mocchi's
Dopo mesi trascorsi a rincorrere le ammiraglie di OpenAI e Anthropic, Menlo Park rimette piede al vertice del settore con un rilascio strategico. Il Superintelligence Lab di Meta ha reso disponibili due nuove architetture di vertice: Muse Wonder e la sua versione più pesante, Muse Wonder Full. Si tratta del primo vero ingresso del gruppo nella fascia dei cosiddetti modelli di frontiera da quando la serie Llama ha ceduto il passo al nuovo ecosistema di agenti.
Come ricostruisce Wired, il progetto rappresenta il primo banco di prova concreto per la riorganizzazione interna voluta da Mark Zuckerberg lo scorso anno, che ha visto ingenti investimenti infrastrutturali e l'ingaggio dell'ex fondatore di Scale AI Alexandr Wang alla guida dei laboratori di ricerca avanzata.
Il confronto con i giganti: Astra e Opus nel mirino
Stando ai parametri diffusi da Meta, Muse Wonder Full si colloca appena dietro Claude Opus 5.5 e supera Fable 5.1 sull'indice aggregato Artificial Analysis Intelligence. Il dato più rilevante emerge però nei compiti verticali ad alta intensità cognitiva, come la revisione di testi legali complessi e la programmazione software, dove il modello dichiara prestazioni superiori a GPT-6 Astra di OpenAI.
La vera distinzione architetturale non riguarda tuttavia soltanto il numero di parametri o la velocità di calcolo. Meta ha scelto di affrontare il principale tallone d'Achille degli agenti autonomi: la dispersione dell'attenzione e la perdita di contesto sui task prolungati.
Active Memory e Active Focus: la cura contro il degrado degli agenti
Nello sviluppo di flussi di lavoro complessi — dalla scrittura di intere basi di codice alla ricerca documentale multipiattaforma — i modelli tendono a incorrere in errori a catena, deviando dalle istruzioni iniziali man mano che la finestra di contesto si allunga. Per arginare questo fenomeno, Meta ha integrato in Wonder due meccanismi proprietari denominati Active Memory e Active Focus.
Come riporta TechCrunch, l'Active Memory permette al modello di trattenere, indicizzare e sintetizzare preferenze e vincoli operativi definiti dall'utente lungo archi temporali di giorni o settimane. Nei test su MemoryBench, il benchmark industriale che misura l'apprendimento continuo e la ricostruzione mnemonica, Muse Wonder ha superato sia Astra che l'intera gamma Opus. La funzione Active Focus, invece, agisce da vincolo deterministico per evitare che l'agente «deragli» durante l'esecuzione di piani complessi suddivisi in decine di passaggi consecutivi.
Prezzi da modello chiuso e addio alla gratuità di Llama
Il rilascio di Wonder certifica anche un cambio di rotta commerciale irreversibile per il colosso di Menlo Park. La stagione dei pesi aperti liberamente scaricabili sembra momentaneamente accantonata: i dettagli su dataset, compute e pesi di addestramento non sono stati resi pubblici.
Muse Wonder è accessibile tramite API al costo di 4 dollari per milione di token in ingresso e 20 dollari per milione di token in uscita, tariffe del tutto sovrapponibili a quelle di GPT-6 Sol e Claude Opus 5.5. La variante top di gamma Wonder Full non avrà nemmeno un endpoint API pubblico, ma rimarrà esclusiva della piattaforma di sviluppo Muse Code e del client desktop Muse. Entrambe le soluzioni alimenteranno l'agente personale che Meta sta progressivamente integrando su tutta la propria suite applicativa.
Il punto di Mocchi's
Il debutto di Muse Wonder conferma che la competizione tra i modelli di frontiera non si gioca più sulla pura capacità di generare testo, ma sulla tenuta della memoria operativa e sull'affidabilità nei processi lunghi. Per le aziende italiane che costruiscono flussi aziendali con agenti autonomi, la disponibilità di meccanismi come Active Focus riduce drasticamente il bisogno di complesse impalcature esterne per correggere le deviazioni del modello. Al tempo stesso, la definitiva chiusura dell'ecosistema Meta impone alle organizzazioni di valutare attentamente il lock-in sui prezzi API, trattando Menlo Park non più come un fornitore di open source, ma come un vendor proprietario a tutti gli effetti.