A poco più di un anno dalla nascita di Meta Superintelligence Labs, la divisione voluta da Mark Zuckerberg per riportare l’azienda ai vertici dell’intelligenza artificiale, arriva il risultato più ambizioso finora: Muse Wonder. È stato presentato il 12 ottobre 2026 in due varianti, Muse Wonder e Muse Wonder Full. È il primo modello che Meta posiziona apertamente come rivale diretto dei sistemi di punta di OpenAI e Anthropic, e i numeri dichiarati suggeriscono che la scommessa potrebbe essere vinta, almeno su alcuni fronti. Secondo Zuckerberg, con Muse Wonder Meta ha finalmente raggiunto la frontiera dell’AI. Tra benchmark interni, disponibilità limitata e qualche avvertenza sulla sicurezza, però, il quadro merita di essere analizzato con attenzione.
Cos’è Muse Wonder e perché è importante per Meta
Muse Wonder è una nuova famiglia di modelli linguistici multimodali, più grande e avanzata rispetto a Muse Spark, il primo modello di Meta Superintelligence Labs presentato ad aprile 2026. Meta propone due versioni:
- Muse Wonder, pensato per offrire prestazioni di frontiera con tempi di risposta rapidi;
- Muse Wonder Full, la versione completa e più potente del modello.
L’addestramento è avvenuto su Prometheus, il data center di Meta su scala gigawatt, e internamente il progetto era noto con il nome in codice “Watermelon”. Come già accaduto con Muse Spark, si tratta di un modello proprietario e a pesi chiusi. È una svolta netta rispetto all’era Llama, quando Meta aveva fatto dell’open source la propria bandiera. Il lancio ha anche un forte valore simbolico. Llama 4 era stato accolto tiepidamente nella primavera del 2025. Da allora Meta ha riorganizzato completamente le proprie attività sull’AI: ha ingaggiato Alexandr Wang, fondatore di Scale AI, con un accordo da 14,3 miliardi di dollari e ha offerto pacchetti retributivi milionari a ricercatori di primo piano. Muse Wonder è, di fatto, la prima vera prova che quell’investimento sta dando frutti.
Active Memory e Active Focus: un modello pensato per gli agenti AI
Muse Wonder non nasce per essere “solo” un chatbot. Meta lo ha progettato per gli agenti AI, cioè sistemi capaci di eseguire compiti complessi in autonomia, usando strumenti e portando avanti il lavoro attraverso molti passaggi. Due le funzionalità chiave:
- Active Memory: il modello conserva le informazioni rilevanti sull’utente tra una conversazione e l’altra e richiama i dettagli utili al compito in corso, anche dopo cronologie molto lunghe.
- Active Focus: quando un’attività si complica, il modello non si blocca ma prova strade alternative, recupera dagli errori, chiede chiarimenti e verifica con l’utente prima di compiere azioni importanti.
Alexandr Wang è oggi Chief AI Officer di Meta. Secondo lui l’obiettivo era proprio evitare che un agente si arenasse davanti agli imprevisti tipici delle attività quotidiane, come una prenotazione al ristorante che non va a buon fine al primo tentativo. Meta punta inoltre sul lavoro professionale ad alta specializzazione: analisi di contratti d’affitto, pratiche assicurative e situazioni finanziarie personali. C’è poi la programmazione, dalle piccole app ai progetti software di lunga durata. Nelle demo ufficiali Muse Wonder pianifica un percorso di corsa navigando sul web e ordina gadget personalizzati partendo dalle foto Instagram di un utente. Sviluppa anche un videogioco 3D ambientato in una cucina.
Benchmark: dove Muse Wonder batte GPT-6 Astra e Claude Opus 5.5
Il dato che fa più rumore riguarda il coding agentico, terreno su cui OpenAI e Anthropic dominano da tempo. Stando alle tabelle comparative pubblicate da Meta, Muse Wonder Full supera i rivali in diversi test chiave:
| Benchmark | Muse Wonder Full | Claude Opus 5.5 | GPT-6 Astra |
|---|---|---|---|
| SWE-Marathon (progetti software di lunga durata) | 57,5% | 46,3% | 42,5% |
| DeepSWE v1.1 | 79% | 74,2% | 74,1% |
| Harvey LAB-AA (attività legali) | 13,1 | 4,2 | 8,6 |
| AutomationBench-AA (flussi di lavoro aziendali) | 45,4% | 41,2% | 41,6% |
| MemoryBench (memoria a lungo termine)* | 85,6% | 81,5% | 81,4% |
*Punteggio riferito a Muse Wonder; entrambe le versioni si attestano intorno all’85,5%.
Il distacco più netto si registra su SWE-Marathon, che misura la capacità di portare avanti progetti software complessi nel tempo. Qui Muse Wonder Full ha oltre 11 punti di vantaggio su Claude Opus 5.5 e 15 su GPT-6 Astra. Impressiona anche il risultato nel benchmark legale, dove il punteggio di Meta è più che triplo rispetto a quello di Opus 5.5. I valori assoluti restano però molto bassi per tutti, e ricordano quanto sia ancora difficile per un agente produrre documenti legali davvero soddisfacenti. Non tutti i confronti sono a favore di Meta. Su AutomationBench-AA, ad esempio, la versione standard Muse Wonder (39,1%) resta dietro sia a GPT-6 Astra sia a Claude Opus 5.5.
Artificial Analysis Intelligence Index: secondo solo a Claude Opus 5.5
Sull’Artificial Analysis Intelligence Index, uno degli indici aggregati più seguiti del settore, il quadro è più equilibrato:
- Claude Opus 5.5: 58
- Muse Wonder Full: 56 (a pari merito con Claude Sonnet 5.5)
- GPT-6 Astra, Gemini 4 Argon e Claude Fable 5.1: 53
- Muse Wonder: 52
- Muse Spark 1.3: 48
Muse Wonder Full si piazza quindi al secondo posto, alle spalle del solo modello di punta di Anthropic, con un balzo di otto punti rispetto a Muse Spark 1.3. Secondo i dati diffusi, il modello è tra i primi tre in sei delle dieci valutazioni che compongono l’indice. Le prestazioni migliori arrivano proprio nelle attività agentiche e nella programmazione.
I benchmark vanno presi con cautela
C’è però un aspetto da non sottovalutare: la tabella comparativa è stata compilata da Meta stessa. Secondo la scheda tecnica del modello, Meta ha testato i modelli concorrenti “al meglio delle possibilità” e non su un’infrastruttura di valutazione comune e controllata. Alcuni test, come MemoryBench, sono inoltre benchmark interni sviluppati da Meta. Finché non arriveranno verifiche indipendenti più ampie, i risultati vanno letti come indicazioni promettenti, non come verdetti definitivi.
Specifiche tecniche di Muse Wonder
- Finestra di contesto: 1.048.576 token (circa un milione)
- Input supportati: testo, immagini, video, audio e PDF
- Output: testo
- Livelli di ragionamento: da minimal a max, passando per low, medium, high e xhigh
- Compatibilità API: formati OpenAI Responses, OpenAI Chat Completions e Anthropic Messages
Quest’ultimo punto è strategicamente rilevante. Muse Wonder accetta gli stessi formati API già usati da OpenAI e Anthropic, quindi gli sviluppatori possono provarlo nelle proprie applicazioni con modifiche minime al codice. Questo abbassa drasticamente la barriera al cambio di fornitore.
Prezzi e disponibilità: chi può usare Muse Wonder
La strategia di distribuzione è a più livelli, e non tutti potranno accedere subito alla versione più potente:
- Muse Wonder è disponibile da subito tramite la Meta Model API e Muse Code, l’agente di programmazione di Meta. Il prezzo indicativo è di 4 dollari per milione di token in input e 20 dollari per milione di token in output. Wang ha assicurato che il costo resterà sensibilmente inferiore a quello dei modelli di punta di OpenAI e Anthropic.
- Muse Wonder Full per ora è riservato agli abbonati di Muse Code, con piani da 50 o 200 dollari al mese. Non è quindi accessibile via API.
- Muse, l’agente personale lanciato da Meta a settembre, passerà “a breve” a Muse Wonder, partendo dagli abbonati ai piani da 20 e 100 dollari al mese.
- Per gli utenti gratuiti, Meta prevede di sfruttare Muse Wonder per addestrare modelli più piccoli e specializzati, con la promessa di portare questo livello di intelligenza a tutti nel tempo.
E in Italia? Meta non ha diffuso un elenco dei Paesi coinvolti. L’app Muse è al momento disponibile solo negli Stati Uniti per utenti maggiorenni, e la Meta Model API non copre ancora tutti i mercati. Per gli utenti italiani, quindi, i tempi di arrivo restano da definire.
Sicurezza: le avvertenze della scheda tecnica
Meta definisce Muse Wonder il suo modello più “allineato” di sempre. È stato addestrato a non condividere informazioni private senza autorizzazione e ha le protezioni più robuste finora contro abusi in ambito chimico, biologico e informatico. La scheda tecnica però segnala che, prima delle salvaguardie, il modello presentava un livello di rischio rilevante proprio in ambito chimico e biologico. Meta ha annunciato come imminente un rapporto completo sulla sicurezza. Il tema è tutt’altro che secondario: un modello pensato per agenti che leggono email, calendari e documenti personali deve offrire garanzie solide. Già nelle settimane successive al lancio dell’agente Muse, alcuni utenti avevano lamentato azioni compiute dall’AI per loro conto senza un’adeguata notifica.
Da Muse Spark a Muse Wonder: la rincorsa di Meta in sei mesi
Il lancio di Muse Wonder chiude un 2026 particolarmente intenso per Meta Superintelligence Labs:
- 8 aprile: debutta Muse Spark, primo modello di MSL e primo modello Meta a pesi chiusi;
- luglio: arrivano Muse Image, Muse Video e Muse Spark 1.1;
- agosto: è il turno di Muse Code, Muse Spark 1.2 e Muse Glimmer, versione a pesi aperti eseguibile in locale;
- settembre: escono Muse Voice Transcribe e Muse Spark 1.3. Arriva soprattutto Muse, l’agente personale che opera in una macchina virtuale dedicata nel cloud, sorvegliato dal sistema di sicurezza Sentinel;
- 12 ottobre: arrivano Muse Wonder e Muse Wonder Full.
Un ritmo di rilascio serratissimo, che testimonia la volontà di Meta di recuperare il terreno perso. In un’intervista Zuckerberg ha anche respinto gli appelli di alcuni leader del settore a rallentare lo sviluppo dell’AI, ribadendo che Meta intende continuare ad accelerare.
Cosa cambia nella corsa all’intelligenza artificiale
Se test indipendenti confermeranno i risultati dichiarati, i modelli di frontiera avranno un quarto contendente accanto a OpenAI, Anthropic e Google. E Meta porta in dote un vantaggio che nessun rival possiede: oltre 3,5 miliardi di utenti tra Facebook, Instagram, WhatsApp e Threads a cui distribuire i propri strumenti. Prestazioni competitive nel coding, prezzi API aggressivi e compatibilità con gli standard di mercato potrebbero rendere Muse Wonder particolarmente interessante per sviluppatori e aziende. Restano però alcune incognite:
- la scelta del modello chiuso, che allontana Meta dalla community open source cresciuta attorno a Llama;
- la disponibilità geografica ancora limitata;
- la necessità di dimostrare, fuori dai benchmark interni, che gli agenti basati su Muse Wonder siano affidabili e sicuri nell’uso quotidiano.
Una cosa è certa: con Muse Wonder Meta non insegue più. Ora è in gara.
