Meta merilis Muse Wonder dan Muse Wonder Full pada 12 Oktober 2026 sebagai dua model baru untuk tugas agen AI yang berlangsung lebih lama dan menuntut lebih banyak langkah. Muse Wonder tersedia melalui Meta Model API dan Muse Code, sedangkan Muse Wonder Full ditujukan untuk pelanggan Muse Code.
Pengumuman ini menempatkan Meta lebih langsung di pasar model frontier yang biasanya diisi oleh OpenAI, Anthropic, dan Google. Namun, nilai rilisnya bukan hanya pada klaim skor benchmark. Meta sedang menjual gagasan bahwa agen AI harus mampu mempertahankan konteks, mencoba pendekatan lain ketika gagal, serta menuntaskan pekerjaan yang tidak selesai dalam satu balasan.
Dua model, dua jalur akses
Meta menyebut Muse Wonder sebagai model yang bisa dipakai pengembang melalui Meta Model API dan Muse Code. Halaman model resmi Meta mencantumkan konteks hingga satu juta token, harga 4 dolar AS per satu juta token input, 20 dolar AS per satu juta token output, serta tarif input tersimpan 20 sen per satu juta token. Muse Wonder Full belum ditawarkan melalui API pada saat peluncuran. Model itu tersedia melalui paket langganan Muse Code dengan tingkatan penggunaan tertentu.
Perbedaan akses tersebut penting. Pengembang yang ingin mengintegrasikan model ke aplikasi dapat mencoba jalur API, tetapi pengguna yang menginginkan versi paling tinggi harus masuk ke produk coding Meta. Dengan begitu, peluncuran ini sekaligus menjadi rilis model dan dorongan untuk membangun ekosistem layanan di sekeliling Muse.
Meta mengatakan Muse Wonder akan segera dipakai untuk lebih banyak pengalaman di Muse, termasuk pembuatan artefak dan proses yang membutuhkan kemampuan lebih tinggi. Perusahaan juga menyebut peluncuran awal di Muse akan diberikan kepada pelanggan. Ketersediaan itu berarti “tersedia hari ini” tidak otomatis sama dengan akses luas untuk semua pengguna Meta.
Memori aktif dan fokus aktif
Fitur yang paling menonjol dalam pengumuman Meta adalah Active Memory dan Active Focus. Active Memory dirancang untuk membawa kembali informasi yang relevan dari percakapan sebelumnya. Active Focus, menurut Meta, membuat model terus mengejar tujuan ketika pekerjaan menjadi sulit: mencoba cara lain, memulihkan diri dari kesalahan, dan meminta klarifikasi sebelum melakukan sesuatu yang penting.
Konsep ini terdengar sederhana, tetapi ia menyentuh masalah nyata pada agen AI. Model yang hanya menghasilkan teks dapat berhenti setelah satu jawaban. Agen yang menjalankan tugas harus menyimpan keadaan pekerjaan, memilih alat, menafsirkan hasil, lalu menentukan langkah berikutnya. Jika salah satu tahap gagal, sistem perlu membedakan antara kegagalan sementara dan keputusan yang memang tidak boleh diteruskan.
Di halaman pengembangnya, Meta memosisikan Muse Wonder untuk coding frontier, agen berumur panjang, dan computer use. Contoh yang ditampilkan mencakup pekerjaan di repositori besar, perencanaan marathon yang berlangsung lama, pembuatan game, dan tugas yang harus dijalankan melalui aplikasi. Ini adalah kemampuan yang relevan untuk otomatisasi, tetapi juga memperbesar kebutuhan terhadap izin, log aktivitas, dan titik persetujuan manusia.
Dari demo ke pekerjaan yang dapat diaudit
Meta memberi contoh tugas personal dan profesional seperti menavigasi klaim asuransi, memahami kontrak sewa, serta membaca informasi finansial. Perusahaan juga mengatakan modelnya diarahkan untuk domain hukum, keuangan, kesehatan, dan coding. Klaim tersebut sebaiknya dibaca sebagai cakupan penggunaan yang dituju, bukan bukti bahwa model dapat menggantikan profesional di bidang-bidang itu.
Tugas seperti klaim asuransi dan dokumen hukum memiliki konsekuensi ketika agen salah membaca satu detail. Karena itu, kemampuan “bisa mengerjakan” berbeda dari kemampuan “aman untuk dibiarkan menyelesaikan sendiri”. Dalam praktiknya, sistem tetap membutuhkan pembatas akses, pemeriksaan hasil, pencatatan perubahan, dan konfirmasi sebelum mengirim formulir atau mengambil tindakan yang sulit dibatalkan.
Meta mengatakan Muse Wonder dilatih untuk tidak membagikan informasi pribadi tanpa izin, menolak permintaan yang membantu tindakan berbahaya, serta mendukung pekerjaan keamanan defensif. Perusahaan menyebut laporan keselamatan dengan evaluasi tambahan akan tersedia kemudian. Sampai laporan itu dapat diperiksa, pembaca belum memiliki seluruh detail tentang metode pengujian, kegagalan yang ditemukan, atau batasan yang berlaku di tiap mode penggunaan.
Persaingan model makin bergeser ke agen
TechCrunch melaporkan bahwa Muse Wonder adalah rilis model frontier pertama Meta setelah perusahaan merombak upaya AI-nya. Meta sendiri menyebut Wonder dan Wonder Full sebagai model paling mampu yang pernah mereka buat. Bahasa tersebut adalah klaim perusahaan, bukan hasil pengujian independen yang berlaku untuk semua jenis tugas.
Arah kompetisinya tetap jelas. Perusahaan tidak lagi hanya membandingkan kemampuan menjawab pertanyaan atau menulis kode pendek. Mereka menjual agen yang dapat membaca konteks panjang, memanggil alat, mengubah file, menggunakan komputer, dan bertahan menghadapi pekerjaan berjam-jam. Satu juta token konteks membantu menyimpan lebih banyak bahan, tetapi konteks besar tidak menjamin model memahami semuanya secara tepat atau memilih tindakan yang benar.
Bagi pengembang, pertanyaan praktisnya bukan sekadar apakah Muse Wonder mengalahkan model lain di benchmark. Yang lebih penting adalah berapa banyak langkah yang bisa diselesaikan tanpa intervensi, seberapa sering agen perlu diulang, bagaimana biaya membesar ketika output panjang, dan apakah jejak tindakannya cukup jelas untuk diperiksa.
Muse Wonder menunjukkan bahwa Meta ingin ikut menentukan standar baru untuk agen AI: memori, ketekunan, penggunaan komputer, dan coding dalam satu paket. Pengguna akan segera menguji apakah janji itu bertahan di pekerjaan nyata, bukan hanya di halaman demo.
Sumber https://about.fb.com/news/2026/10/introducing-muse-wonder-models/ Riset Meta: https://research.meta.ai/blog/muse-wonder Dokumentasi model dan harga: https://dev.meta.ai/models/muse-wonder Konteks tambahan: https://techcrunch.com/2026/10/12/meta-releases-its-first-frontier-model-muse-wonder/