# Muse Wonder e Muse Wonder Full: i benchmark dei nuovi agenti di Meta

_Punteggi dichiarati dal produttore, disponibilità e limiti dei nuovi modelli per agenti personali e professionali_

Fonte: https://andreapirazzini.it/blog/muse-wonder-e-muse-wonder-full-i-benchmark-dei-nuovi-agenti-di-meta · 14 ottobre 2026

> Articolo redatto da un sistema di AI a partire da fonti ufficiali: https://research.meta.ai/blog/muse-wonder.

## In breve

- Meta ha presentato il 12 ottobre 2026 la serie Muse Wonder, con i modelli Muse Wonder e Muse Wonder Full.
- Nell’Artificial Analysis Intelligence Index Muse Wonder Full ottiene 56 punti, secondo dopo Claude Opus 5.5 con 58.
- Nel Personal Superintelligence Index, indice interno di Meta, Muse Wonder Full raggiunge il 59,1%, il valore più alto del grafico.
- Muse Wonder è disponibile tramite Meta Model API e Muse Code, mentre Muse Wonder Full è riservato agli abbonati di Muse Code.

[Animazione: La testata animata della pagina ufficiale dell’annuncio di Muse Wonder. Fonte: Meta.](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/7440d640-d8de-40b6-b2f2-0e5c05951f55/4dd734f1-c561-4781-8ccc-357bedba6853.mp4)

## Perché se ne parla

**Meta** ha presentato **Muse Wonder** e **Muse Wonder Full**, modelli pensati per compiti agentici personali e professionali, cioè attività in cui l'AI svolge un lavoro per conto dell'utente. Secondo il produttore, la serie raggiunge lo stato dell'arte su questi compiti, con risultati di punta su benchmark dedicati ad agenti, memoria e programmazione. Si tratta di dichiarazioni di Meta, riportate nel [comunicato originale](https://about.fb.com/news/2026/10/introducing-muse-wonder-models/) e nel [report di valutazione](https://research.meta.ai/blog/muse-wonder).

[Video: Il video di presentazione mostra i ricercatori di Meta che introducono Muse Wonder e ne illustrano le capacità, mentre la narrazione accompagna persone alle prese con obiettivi personali e professionali. Fonte: Meta.](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/7440d640-d8de-40b6-b2f2-0e5c05951f55/42afdadd-0914-47ff-bb48-2fc3a2465206.mp4)

Due funzioni distinguono i modelli: **Active Memory**, che conserva il contesto utile sull'utente tra una conversazione e l'altra, e **Active Focus**, che permette di proseguire verso un obiettivo difficile, provare strade alternative e chiedere chiarimenti. **Muse Wonder** è disponibile oggi tramite la **Meta Model API** e **Muse Code**, mentre **Muse Wonder Full** è riservato agli **abbonati di Muse Code**.

Per voi il dato più rilevante riguarda l'ambito d'uso: Meta indica compiti in diritto, finanza e salute, come capire un contratto d'affitto, oltre alla programmazione. Il primo modello alimenterà anche esperienze in **Muse**, partendo dagli abbonati. Per il contesto sugli strumenti da terminale di Meta, leggete [Meta Muse Code: l'agente da terminale](https://andreapirazzini.it/blog/meta-muse-code-agente-cli-spark-1-2).

## Verso la superintelligenza personale

![Una donna sorridente con camicia a righe blu e bianche davanti a una libreria di legno; in basso compaiono il nome Michelle Ko e il ruolo Research Product Manager.](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/7440d640-d8de-40b6-b2f2-0e5c05951f55/f9ae5e4c-d673-4f9f-9f3f-55b18667abd6.webp)
*Michelle Ko, Research Product Manager di Meta, presentata con nome e ruolo nel video di lancio dei nuovi modelli. Fonte: Meta.*

Secondo la [pagina di Meta](https://about.fb.com/news/2026/10/introducing-muse-wonder-models/), **quattordici mesi fa** l'azienda ha avviato una revisione completa del proprio lavoro sull'AI: dalla ricostruzione delle fondamenta si è passati a spingere la frontiera, cioè i modelli più avanzati. Muse Wonder e Muse Wonder Full sono addestrati nel data center **Prometheus**, descritto come a scala di **gigawatt**, e riuniscono il lavoro di più team di Meta. Si appoggiano alle basi gettate con **Muse Spark**, il modello presentato in precedenza.

### Glossario essenziale

- **Frontiera**: il livello più alto di prestazioni raggiunto dai modelli disponibili.
- **Active Memory**: la capacità di ricordare il contesto utile su di voi tra una conversazione e l'altra.
- **Active Focus**: la capacità di proseguire verso un obiettivo difficile, provando strade diverse e chiedendo chiarimenti quando serve.
- **Gigawatt**: unità di potenza elettrica; il riferimento indica un'infrastruttura di calcolo di grandissime dimensioni.

[Video: Nel video, i ricercatori di Meta presentano Muse Wonder e ne illustrano le capacità. Fonte: Meta.](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/7440d640-d8de-40b6-b2f2-0e5c05951f55/508f650b-b4b1-4904-91c6-07b10aef581a.mp4)

## Capacità di frontiera

- **56** Muse Wonder Full nell'indice (Secondo posto, dopo Claude Opus 5.5)
- **52** Muse Wonder (A pari merito con GPT-6.1 Sol)
- **58** Claude Opus 5.5 (Primo in classifica)

_Fonte: Artificial Analysis, 12 ottobre 2026_

Nell'Artificial Analysis Intelligence Index, pubblicato il 12 ottobre 2026, **Muse Wonder Full** ottiene **56** punti, subito dietro **Claude Opus 5.5** con **58**. **Muse Wonder** si ferma a **52**, pari a GPT-6.1 Sol e sotto Claude Fable 5.1, GPT-6 Astra e Gemini 4 Argon, tutti a **53**. Per **Muse Spark** il dato è una stima di Artificial Analysis, pari a **31**. Meta dichiara che la serie raggiunge risultati all'avanguardia nei benchmark per agenti, memoria e programmazione: si tratta di affermazioni del produttore ([fonte Meta](https://research.meta.ai/blog/muse-wonder)). Il grafico include anche i modelli concorrenti citati nella fonte; per un confronto con un singolo modello vedete [Claude Opus 5.5](https://andreapirazzini.it/blog/claude-opus-5-5-benchmark-prezzi-sicurezza).

**Artificial Analysis Intelligence Index** — Punteggi dei modelli, 12 ottobre 2026

| Voce | Punteggio indice |
| --- | --- |
| Claude Opus 5.5 | 58punti |
| Muse Wonder Full | 56punti |
| Claude Fable 5.1 | 53punti |
| GPT-6 Astra | 53punti |
| Gemini 4 Argon | 53punti |
| Muse Wonder | 52punti |
| GPT-6.1 Sol | 52punti |
| Claude Fable 5 | 50punti |
| Muse Spark 1.3 | 48punti |
| GPT-6 Sol | 48punti |
| Claude Opus 4.8 | 42punti |
| Gemini 3.8 Flash | 41punti |

_Fonte: Meta, valori letti dal grafico ufficiale_

![Grafico a barre dell'Artificial Analysis Intelligence Index con i modelli Muse Wonder Full, Muse Wonder, Muse Spark e altri modelli di riferimento, con le frecce che indicano i confronti tra le…](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/7440d640-d8de-40b6-b2f2-0e5c05951f55/4642e556-74d3-4bba-b4f8-173f3e92a64c.webp)
*Il grafico originale di Artificial Analysis, da cui sono ricavati i punteggi della tabella animata sopra. Fonte: Meta.*

## Indice di lavoro personale e di conoscenza

Il Personal Superintelligence Index è un **indice composito interno di Meta** dedicato al lavoro personale e di conoscenza. Non è un benchmark indipendente: i punteggi sono quelli che il produttore ha scelto di pubblicare nella [scheda di lancio](https://research.meta.ai/blog/muse-wonder), e vanno letti in questa chiave.

**Personal Superintelligence Index** — Indice composito interno di Meta, lavoro personale e di conoscenza

| Voce | Personal Superintelligence Index |
| --- | --- |
| Muse Wonder Full (max) | 59,1% |
| Claude Opus 5.5 (max) | 55,2% |
| GPT-6 Astra (max) | 54,5% |
| Muse Wonder (max) | 54,3% |
| Claude Fable 5.1 (max) | 49,9% |

_Fonte: Meta, valori letti dal grafico ufficiale_

![Grafico a barre verticali intitolato Personal Superintelligence Index, con cinque modelli e punteggi tra 49,9% e 59,1%, le due versioni di Muse Wonder in blu.](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/7440d640-d8de-40b6-b2f2-0e5c05951f55/57a367b3-7d01-458d-8611-8bee81dcdeaf.webp)
*Il grafico ufficiale di Meta riporta gli stessi cinque punteggi dell'indice composito, con Muse Wonder e Muse Wonder Full evidenziati. Fonte: Meta.*

Il grafico confronta le due versioni di Muse Wonder con tre modelli concorrenti. **Muse Wonder Full (max)** è primo con **59,1%**, mentre **Muse Wonder (max)** si ferma a **54,3%**, in quarta posizione. Claude Fable 5.1 (max) è l'ultimo, a **49,9%**.

## Automazione dei flussi di lavoro

AutomationBench-AA misura le prestazioni dei modelli su flussi di lavoro aziendali end-to-end. Secondo la fonte, **Muse Wonder Full (max)** è il primo in questo grafico con **45,4%**, davanti a **GPT-6 Astra (max)** con **41,6%** e **Claude Opus 5.5 (max)** con **41,2%**. **Muse Wonder (max)** si ferma a **39,1%** e **Claude Fable 5.1 (max)** a **32,1%**. Sono valori riportati dal produttore, Meta, nel proprio materiale di presentazione ([fonte](https://research.meta.ai/blog/muse-wonder)).

**AutomationBench-AA** — Punteggio per modello, valori dal grafico ufficiale

| Voce | AutomationBench-AA |
| --- | --- |
| Muse Wonder Full (max) | 45,4% |
| GPT-6 Astra (max) | 41,6% |
| Claude Opus 5.5 (max) | 41,2% |
| Muse Wonder (max) | 39,1% |
| Claude Fable 5.1 (max) | 32,1% |

_Fonte: Meta, valori letti dal grafico ufficiale_

![Grafico a barre AutomationBench-AA che confronta le prestazioni nei flussi di lavoro aziendali end-to-end dei modelli Muse Wonder e di altri modelli di punta.](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/7440d640-d8de-40b6-b2f2-0e5c05951f55/8d54c231-01c1-4138-afc3-66996e077db3.webp)
*Il grafico ufficiale mostra i punteggi AutomationBench-AA: la barra di Muse Wonder Full è la più alta, seguita dagli altri modelli confrontati. Fonte: Meta.*

## Scheda completa dei benchmark

La tabella completa dei benchmark è qui sotto, con l'immagine originale subito dopo.

| Test | Muse Wonder Full (max) | Muse Wonder (max) | Claude Fable 5.1 (max) | GPT-6 Astra (max) | Claude Opus 5.5 (max) |
| --- | --- | --- | --- | --- | --- |
| Personal Superintelligence Index | 59.1 | 54.3 | 49.9 | 54.5 | 55.2 |
| Harvey LAB-AA | 13.1 | 10 | 6.4 | 8.6 | 4.2 |
| Vals Finance Agent V2 | 59.1 | 56.6 | 58.9 | 53.5 | 58.6 |
| HealthBench Pro | 62.3 | 60.5 | 62.1 | 65.3 | 65.6 |
| AutomationBench-AA | 45.4 | 39.1 | 32.1 | 41.6 | 41.2 |
| GDP.pdf | 33.2 | 30.8 | 27.6 | 34.2 | 30.6 |
| JobBench | 75.3 | 70.5 | 73.1 | 66.1 | 75.4 |
| OSWorld V2.1 (partial) | 78.4 | 72.6 | 80.7 | 75.8 | 81.8 |
| OSWorld V2.1 (binary) | 39.4 | 34.3 | 43.1 | 34.3 | — |
| MemoryBench | 85.5 | 85.6 | 79 | 81.4 | 81.5 |
| Terminal-Bench 4.0-AA | 57.1 | 52 | 52 | 59.1 | 59.6 |
| DeepSWE 1.1 | 79 | 78.8 | 67.4 | 74.1 | 74.2 |
| SWE-Marathon | 57.5 | 53.1 | 45.6 | 42.5 | 46.3 |
| ProgramBench | 59 | 50 | 55.5 | 52.5 | 70.5 |
| Artificial Analysis Index | 56 | 52 | 53 | 53 | 58 |

Punteggi dei cinque modelli su tutti i test della scheda benchmark di Muse Wonder, per consultazione. Fonte: Meta.

![Tabella di confronto tra modelli per agenti personali e professionali, programmazione e valutazioni generali, con i punteggi di Muse Wonder Full, Muse Wonder, Claude Fable 5.1, GPT-6 Astra e Claude…](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/7440d640-d8de-40b6-b2f2-0e5c05951f55/355429dd-ac0a-42a4-b180-03d694eb9ac5.webp)
*Immagine originale della tabella dei benchmark da cui sono stati letti i valori della scheda. Fonte: Meta.*

## Competenza di dominio

Muse Wonder e Muse Wonder Full devono applicare conoscenze specialistiche a problemi di lavoro e di vita quotidiana, dalla comprensione di un contratto d'affitto a un'informazione finanziaria o sanitaria. Meta li valuta con test in diritto, finanza e salute. Il benchmark legale Harvey LAB, per esempio, richiede di lavorare su documenti sorgente e seguire istruzioni dettagliate per produrre prodotti di lavoro legali. Dettagli nella [scheda di Meta](https://research.meta.ai/blog/muse-wonder).

**Harvey LAB-AA** — Punteggio (%) nel benchmark legale di Harvey

| Voce | Harvey LAB-AA |
| --- | --- |
| Muse Wonder Full (max) | 13,1% |
| Muse Wonder (max) | 10% |
| GPT-6 Astra (max) | 8,6% |
| Claude Fable 5.1 (max) | 6,4% |
| Claude Opus 5.5 (max) | 4,2% |

_Fonte: Meta, valori letti dal grafico ufficiale_

![Grafico a barre intitolato Harvey LAB-AA con cinque barre: Muse Wonder Full (max) in blu scuro, Muse Wonder (max) in blu più chiaro e tre modelli in grigio, con i punteggi scritti sopra ogni barra.](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/7440d640-d8de-40b6-b2f2-0e5c05951f55/16ce390d-7e84-44e8-aed2-1a448cba9b1e.webp)
*Il grafico ufficiale mostra la barra di Muse Wonder Full più alta tra i modelli confrontati nel benchmark legale. Fonte: Meta.*

Nel grafico Harvey LAB-AA Muse Wonder Full (max) raggiunge **13,1%** e Muse Wonder (max) **10%**, seguiti da GPT-6 Astra (max) con **8,6%**, Claude Fable 5.1 (max) con **6,4%** e Claude Opus 5.5 (max) con **4,2%**. Si tratta di punteggi dichiarati dal produttore.

**Vals Finance Agent V2** — Punteggio (%) nel benchmark finanziario di Vals

| Voce | Vals Finance Agent V2 |
| --- | --- |
| Muse Wonder Full (max) | 59,1% |
| Claude Fable 5.1 (max) | 58,9% |
| Claude Opus 5.5 (max) | 58,6% |
| Muse Wonder (max) | 56,6% |
| GPT-6 Astra (max) | 53,5% |

_Fonte: Meta, valori letti dal grafico ufficiale_

![Grafico a barre intitolato Vals Finance Agent V2 con cinque barre: Muse Wonder Full (max) in blu scuro, Muse Wonder (max) in blu più chiaro e tre modelli in grigio, con i punteggi scritti sopra ogni…](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/7440d640-d8de-40b6-b2f2-0e5c05951f55/eceb40fb-4cb8-4ead-9b28-40131f6566d6.webp)
*Il grafico ufficiale mostra quattro modelli molto vicini tra loro nel test finanziario, con Muse Wonder Full in testa. Fonte: Meta.*

Nel Vals Finance Agent V2 Muse Wonder Full (max) è in testa con **59,1%**, seguito da Claude Fable 5.1 (max) con **58,9%** e Claude Opus 5.5 (max) con **58,6%}. Muse Wonder (max) ottiene **56,6%** e GPT-6 Astra (max) **53,5%}, con i primi tre distanziati di pochi decimi.

## Memoria attiva

### Che cos'è Active Memory

Meta chiama **Active Memory** la capacità di portare nelle conversazioni il contesto importante sull'utente e di richiamare i dettagli rilevanti per il compito in corso. In pratica, il modello può riprendere informazioni emerse in interazioni precedenti quando servono, senza che voi le riscriviate ogni volta. Il tema è descritto nella [pagina di presentazione di Meta](https://research.meta.ai/blog/muse-wonder).

### MemoryBench

Il grafico mostra **MemoryBench**, una valutazione interna di Meta sulla capacità dei modelli di ricordare e usare il contesto di un utente in una lunga storia di interazioni. Secondo Meta, **Muse Wonder (max)** ottiene **85,6%** e **Muse Wonder Full (max)** **85,5%**, davanti a **Claude Opus 5.5 (max)** con **81,5%**, **GPT-6 Astra (max)** con **81,4%** e **Claude Fable 5.1 (max)** con **79%**. Sono punteggi dichiarati dal produttore.

**MemoryBench** — Capacità di ricordare e usare il contesto dell'utente nel tempo

| Voce | MemoryBench |
| --- | --- |
| Muse Wonder (max) | 85,6% |
| Muse Wonder Full (max) | 85,5% |
| Claude Opus 5.5 (max) | 81,5% |
| GPT-6 Astra (max) | 81,4% |
| Claude Fable 5.1 (max) | 79% |

_Fonte: Meta, valori letti dal grafico ufficiale_

![Grafico a barre MemoryBench che confronta la memoria contestuale a lungo termine dei modelli Muse Wonder e di altri modelli di punta.](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/7440d640-d8de-40b6-b2f2-0e5c05951f55/d17bac3a-622a-4491-b0e1-c29df5980e3d.webp)
*Il grafico ufficiale di Meta riporta gli stessi cinque punteggi di MemoryBench, con i due modelli Muse Wonder evidenziati in blu. Fonte: Meta.*

## Focus attivo e sessioni lunghe

### Active Focus: lavorare su obiettivi difficili

Secondo Meta, Active Focus permette a Muse Wonder di proseguire verso un obiettivo difficile, provare approcci alternativi, superare gli ostacoli e adattarsi alle nuove informazioni. Il modello chiede chiarimenti quando serve e si ferma a verificare prima delle azioni importanti ([annuncio Meta](https://research.meta.ai/blog/muse-wonder)). Meta misura questo comportamento con **FocusBench**, valutazione interna con compiti realistici multi-step che usano strumenti e file, e con **SWE-Marathon**, che testa il lavoro su progetti software di lunga durata.

### SWE-Marathon

**SWE-Marathon** — Punteggio (%). Muse Wonder Full in configurazione xhigh, gli altri modelli in configurazione max

| Voce | SWE-Marathon |
| --- | --- |
| Muse Wonder Full (xhigh) | 57,5% |
| Muse Wonder (max) | 53,1% |
| Claude Opus 5.5 (max) | 46,3% |
| Claude Fable 5.1 (max) | 45,6% |
| GPT-6 Astra (max) | 42,5% |

_Fonte: Meta, valori letti dal grafico ufficiale_

![Grafico a barre SWE-Marathon che confronta le prestazioni sostenute di ingegneria del software di Muse Wonder e di altri modelli.](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/7440d640-d8de-40b6-b2f2-0e5c05951f55/e0e4d75d-61fd-4146-ac50-8c8324a4c2ac.webp)
*Il grafico ufficiale di SWE-Marathon mette a confronto Muse Wonder con i modelli concorrenti nei progetti software di lunga durata. Fonte: Meta.*

Muse Wonder Full è al primo posto con **57,5%** in configurazione xhigh, mentre Muse Wonder (max) raggiunge **53,1%**. Claude Opus 5.5 (max) ottiene **46,3%**, Claude Fable 5.1 (max) **45,6%** e GPT-6 Astra (max) **42,5%**. Le due condizioni di esecuzione diverse vanno quindi lette separatamente.

### FocusBench

**FocusBench** — Punteggio (%). Tutti i modelli in configurazione max

| Voce | FocusBench |
| --- | --- |
| Muse Wonder Full (max) | 54,2% |
| GPT-6 Astra (max) | 47,7% |
| Claude Opus 5.5 (max) | 45,8% |
| Muse Wonder (max) | 44,9% |
| Claude Fable 5.1 (max) | 36,6% |

_Fonte: Meta, valori letti dal grafico ufficiale_

![Grafico a barre FocusBench che confronta la concentrazione sui compiti di Muse Wonder e di altri modelli.](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/7440d640-d8de-40b6-b2f2-0e5c05951f55/c47ce625-b6f2-4442-b3c8-b195113b4c4c.webp)
*Il grafico ufficiale di FocusBench mostra i punteggi nei compiti multi-step con strumenti e file. Fonte: Meta.*

Muse Wonder Full ottiene **54,2%**, davanti a GPT-6 Astra (max) con **47,7%** e Claude Opus 5.5 (max) con **45,8%**. Muse Wonder (max) si ferma a **44,9%** e Claude Fable 5.1 (max) a **36,6%**. Sono punteggi dichiarati da Meta nella propria valutazione interna.

## Programmazione avanzata

### DeepSWE: programmazione su orizzonti lunghi

Nel benchmark DeepSWE, dedicato alla programmazione su orizzonti lunghi, Meta dichiara **79%** per Muse Wonder Full (max) e **78,8%** per Muse Wonder (max). Il grafico confronta cinque modelli: dopo i due di Meta seguono Claude Opus 5.5 (max) con **74,2%**, GPT-6 Astra (max) con **74,1%** e Claude Fable 5.1 (max) con **67,4%**. Secondo Meta, i modelli sono stati addestrati su compiti diversi e di lunga durata per sostenere il progresso nel codice: sono dichiarazioni del produttore, da verificare nella [fonte](https://about.fb.com/news/2026/10/introducing-muse-wonder-models/).

**DeepSWE** — Punteggio in percentuale, benchmark di programmazione su orizzonti lunghi

| Voce | DeepSWE |
| --- | --- |
| Muse Wonder Full (max) | 79% |
| Muse Wonder (max) | 78,8% |
| Claude Opus 5.5 (max) | 74,2% |
| GPT-6 Astra (max) | 74,1% |
| Claude Fable 5.1 (max) | 67,4% |

_Fonte: Meta, valori letti dal grafico ufficiale_

![Grafico a barre DeepSWE con cinque barre: Muse Wonder Full (max) in testa con il punteggio più alto, seguito da Muse Wonder (max), Claude Opus 5.5 (max), GPT-6 Astra (max) e Claude Fable 5.1 (max),…](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/7440d640-d8de-40b6-b2f2-0e5c05951f55/8e97b9d2-f1ed-4676-ac54-6b9064f2f0b0.webp)
*Il grafico ufficiale di Meta, dove le due barre blu sono i modelli Muse Wonder e le barre grigie gli altri modelli. Fonte: Meta.*

[Animazione: La demo interattiva «Kitchen Game»: Muse Wonder costruisce un gioco 3D giocabile partendo da immagini personalizzabili. Fonte: Meta.](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/7440d640-d8de-40b6-b2f2-0e5c05951f55/ce3f885d-2b72-407e-a7c6-f4c0422a5287.mp4)

[Animazione: La demo interattiva «Wellness Support»: Muse Wonder assiste l’utente in viaggio incrociando calendario, messaggi ed email. Fonte: Meta.](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/7440d640-d8de-40b6-b2f2-0e5c05951f55/4db8ada3-dd2b-42ac-8091-5a02f7ee3b93.mp4)

[Video: Muse Wonder gestisce end to end una fattura medica contestata. Fonte: Meta.](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/7440d640-d8de-40b6-b2f2-0e5c05951f55/43472f3b-6036-4154-a1f3-955d89cc0167.mp4)

## Capacità che si generalizzano

### Perché il punteggio non basta

Due modelli con punteggi simili nei test standard possono comportarsi in modo diverso su compiti non familiari. Secondo [Meta](https://about.fb.com/news/2026/10/introducing-muse-wonder-models/), questa differenza riguarda un'ampiezza di capacità che i test più diffusi, su pochi ambiti, non catturano del tutto.

Il confronto riguarda **Muse Spark 1.3** e **Muse Wonder Full**, con diversi livelli di impegno nel ragionamento. Sull'asse orizzontale c'è il punteggio su compiti mirati durante il post-training; su quello verticale la media su compiti non mirati.

![Grafico a dispersione che confronta Muse Spark 1.3 e Muse Wonder Full: sull'asse orizzontale il rendimento in-distribution, su quello verticale il rendimento out-of-distribution.](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/7440d640-d8de-40b6-b2f2-0e5c05951f55/dfad585c-7fb5-4c0e-8471-ec3830f3ae2e.webp)
*Il grafico mostra la linea di tendenza dei due modelli: a parità di rendimento sui compiti mirati, Muse Wonder Full ottiene un rendimento più alto sui compiti non mirati. Fonte: Meta.*

Entrambi i modelli migliorano in modo simile sui compiti nuovi quando cresce il calcolo in fase di risposta. Ma, a parità di punteggio in-distribution, **Muse Wonder Full** fa meglio di quanto prevede la tendenza di **Muse Spark 1.3**. Meta lo attribuisce ai modelli base più grandi e più solidi, che trasferiscono meglio i guadagni del post-training a compiti non previsti.

- Post-training: l'addestramento successivo al modello base, orientato a compiti specifici.
- Modello base: il modello di partenza da cui nasce la versione finale.
- Test-time compute: il calcolo usato quando il modello elabora una risposta.

[Video: Un esempio di agente che, lavorando nel browser e tra più app, costruisce un piano di corsa del sabato sulla base di preferenze e circostanze personali. Fonte: Meta.](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/7440d640-d8de-40b6-b2f2-0e5c05951f55/80f6e269-61de-4e66-8559-c908f6bf5ae3.mp4)

[Video: Un esempio di agente che progetta e ordina gadget personalizzati partendo da foto reali tratte da un profilo Instagram personale. Fonte: Meta.](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/7440d640-d8de-40b6-b2f2-0e5c05951f55/2e57e386-7d2a-41c4-a906-c1d8a4312f98.mp4)

[Video: Un esempio di agente che prepara la disposizione dei posti per un matrimonio a partire da un elenco di requisiti di abbinamento complessi. Fonte: Meta.](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/7440d640-d8de-40b6-b2f2-0e5c05951f55/f2439349-3dd2-4bcb-8e3b-2dd416dbf378.mp4)

Meta sottolinea che questa versatilità conta soprattutto per gli agenti personali, che devono gestire combinazioni di obiettivi, strumenti e vincoli, non tutti prevedibili durante l'addestramento.

## Sicurezza: azioni e dati personali

Un agente personale agisce per conto dell'utente e può gestire messaggi, calendari e documenti privati. Per questo Meta misura due aspetti: quanto spesso il modello esegue codice non autorizzato e quanto spesso gestisce male i dati personali. In entrambi i test, più basso è meglio.

### Esecuzione di codice non autorizzato

**Esecuzione di codice non autorizzato** — Tasso di successo degli attacchi, più basso è meglio

| Voce | Esecuzione di codice non autorizzato |
| --- | --- |
| Muse Wonder (max) | 10,5% |
| Muse Wonder Full (max) | 10,7% |
| Claude Fable 5.1 (max) | 11,3% |
| GPT-6 Astra (max) | 19,7% |

_Fonte: Meta, valori letti dal grafico ufficiale_

![Unauthorized code execution bar chart comparing attack success rates across Muse Wonder models and other leading models. Lower is better.](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/7440d640-d8de-40b6-b2f2-0e5c05951f55/5ca71b82-0ad0-49b9-ae13-9117198eec52.webp)
*Il grafico confronta il tasso di successo degli attacchi che portano all'esecuzione di codice non autorizzato tra i modelli Muse Wonder e altri modelli di punta. Fonte: Meta.*

Nel primo test, Muse Wonder (max) si ferma al **10,5%** e Muse Wonder Full (max) al **10,7%**, contro l'**11,3%** di Claude Fable 5.1 (max) e il **19,7%** di GPT-6 Astra (max), secondo i dati dichiarati da Meta.

### Gestione delle informazioni personali

**Gestione delle informazioni personali** — Tasso di violazione, più basso è meglio

| Voce | Gestione delle informazioni personali |
| --- | --- |
| Muse Wonder Full (max) | 2,2% |
| Muse Wonder (max) | 3,4% |
| GPT-6 Astra (max) | 4,6% |
| Claude Fable 5.1 (max) | 6,8% |

_Fonte: Meta, valori letti dal grafico ufficiale_

![Personal-information handling bar chart comparing violation rates across Muse Wonder models and other leading models. Lower is better.](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/7440d640-d8de-40b6-b2f2-0e5c05951f55/463ba3eb-2632-4065-b523-f4296beb35bd.webp)
*Il grafico confronta il tasso di violazione nella gestione delle informazioni personali per gli stessi modelli. Fonte: Meta.*

Meta dichiara di aver addestrato la famiglia Muse Wonder a evitare di condividere dati privati senza permesso. Nel secondo test, Muse Wonder Full (max) registra il **2,2%** di violazioni, Muse Wonder (max) il **3,4%**, GPT-6 Astra (max) il **4,6%** e Claude Fable 5.1 (max) il **6,8%**: sono risultati dichiarati dal produttore.

## Rifiuti, uso improprio e difesa informatica

Meta dichiara di voler proteggere da usi impropri CBRN e informatici, preservando l'accesso alle capacità cyber per la difesa, come riportato nella [pagina ufficiale](https://research.meta.ai/blog/muse-wonder).

### Rifiuti sui rischi biologici

Nel test bioTIER, dove più alto è meglio, **Muse Wonder Full** rifiuta il **98,7%** delle richieste e **Muse Wonder** il **98%**. Il primo posto è di **Claude Fable 5.1 (max)** con **99,7%**.

**bioTIER** — Più alto è meglio

| Voce | Tasso di rifiuto |
| --- | --- |
| Claude Fable 5.1 (max) | 99,7% |
| Muse Wonder Full (max) | 98,7% |
| Muse Wonder (max) | 98% |
| GPT-6 Astra (max) | 83,6% |

_Fonte: Meta, valori letti dal grafico ufficiale_

![Grafico a barre bioTIER sui tassi di rifiuto dei rischi biologici, con Muse Wonder e altri modelli. Più alto è meglio.](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/7440d640-d8de-40b6-b2f2-0e5c05951f55/eb09b1c5-97f1-4cce-8840-7c5a4a0cd6d4.webp)
*Il grafico bioTIER confronta i tassi di rifiuto sui rischi biologici dei modelli Muse Wonder con altri modelli di riferimento. Fonte: Meta.*

| Modello | Tasso di rifiuto (%) |
| --- | --- |
| Claude Fable 5.1 (max) | 99.7 |
| Muse Wonder Full (max) | 98.7 |
| Muse Wonder (max) | 98 |
| GPT-6 Astra (max) | 83.6 |

Valori letti dal grafico ufficiale bioTIER. Fonte: Meta.

### Uso improprio informatico

Nel Cyber Misuse Refusal Benchmark **Muse Wonder Full** arriva al **96,9%** e **Muse Wonder** al **93,7%**, sotto **Claude Fable 5.1 (max)** (**97,5%**) e sopra **GPT-6 Astra (max)** (**86,3%**).

**Cyber Misuse Refusal Benchmark** — Più alto è meglio

| Voce | Tasso di rifiuto |
| --- | --- |
| Claude Fable 5.1 (max) | 97,5% |
| Muse Wonder Full (max) | 96,9% |
| Muse Wonder (max) | 93,7% |
| GPT-6 Astra (max) | 86,3% |

_Fonte: Meta, valori letti dal grafico ufficiale_

![Grafico a barre del Cyber Misuse Refusal Benchmark sui tassi di rifiuto, con Muse Wonder e altri modelli. Più alto è meglio.](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/7440d640-d8de-40b6-b2f2-0e5c05951f55/45a991cd-675c-4a2b-bf6d-1c58cf984e18.webp)
*Il grafico mostra i tassi di rifiuto sugli usi impropri informatici, con i modelli Muse Wonder a confronto con altri modelli. Fonte: Meta.*

| Modello | Tasso di rifiuto (%) |
| --- | --- |
| Claude Fable 5.1 (max) | 97.5 |
| Muse Wonder Full (max) | 96.9 |
| Muse Wonder (max) | 93.7 |
| GPT-6 Astra (max) | 86.3 |

Valori letti dal grafico ufficiale del Cyber Misuse Refusal Benchmark. Fonte: Meta.

### Difesa informatica

Nel Cyber Defense Compliance Benchmark **Muse Wonder (max)** guida con **94,5%**, seguito da **Muse Wonder Full** (**93,3%**) e da **GPT-6 Astra (max)** (**81,3%**); **Claude Fable 5.1 (max)** resta al **15,7%**.

**Cyber Defense Compliance Benchmark** — Più alto è meglio

| Voce | Tasso di conformità |
| --- | --- |
| Muse Wonder (max) | 94,5% |
| Muse Wonder Full (max) | 93,3% |
| GPT-6 Astra (max) | 81,3% |
| Claude Fable 5.1 (max) | 15,7% |

_Fonte: Meta, valori letti dal grafico ufficiale_

![Grafico a barre del Cyber Defense Compliance Benchmark sui tassi di conformità, con Muse Wonder e altri modelli. Più alto è meglio.](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/7440d640-d8de-40b6-b2f2-0e5c05951f55/7b831945-b257-4724-96ce-31536391ebd4.webp)
*Il grafico mostra i tassi di conformità nel test di difesa informatica, dove i modelli Muse Wonder sono in testa. Fonte: Meta.*

| Modello | Tasso di conformità (%) |
| --- | --- |
| Muse Wonder (max) | 94.5 |
| Muse Wonder Full (max) | 93.3 |
| GPT-6 Astra (max) | 81.3 |
| Claude Fable 5.1 (max) | 15.7 |

Valori letti dal grafico ufficiale del Cyber Defense Compliance Benchmark. Fonte: Meta.

[Video: I ricercatori presentano Muse Wonder e ne discutono le capacità. Fonte: Meta.](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/7440d640-d8de-40b6-b2f2-0e5c05951f55/e3f0a9f1-9414-4457-abc1-a16f5ca77412.mp4)

## Come leggere questi numeri

Non tutti i numeri pubblicati da **Meta** arrivano dalla stessa fonte. L'**Intelligence Index** è riportato con fonte **Artificial Analysis**, mentre il **Personal Superintelligence Index**, **Memory Bench** e gli altri indicatori sono valutazioni interne di **Meta**, quindi misurate dal produttore stesso. Le etichette **(max)** e **(xhigh)** indicano l'impostazione di sforzo di ragionamento usata nel test. La stima relativa a **Muse Spark** è dichiarata come tale e non è una misura diretta.

I benchmark restano dichiarazioni del produttore: prima di affidarvi una scelta, conviene verificarli con test propri, costruiti su documenti e compiti del vostro lavoro.

### Glossario

- **Benchmark**: test standard per confrontare modelli diversi sugli stessi compiti.
- **Post-training**: fase di rifinitura successiva all'addestramento di base, su compiti mirati.
- **In-distribution / out-of-distribution**: compiti simili a quelli della rifinitura, contro compiti non previsti.
- **Sforzo di ragionamento**: quanto il modello è spinto a elaborare prima di rispondere.
- **Benchmaxxing**: ottimizzazione per i test più popolari, che non garantisce prestazioni altrove.
- **Active Memory**: memoria del contesto tra conversazioni e richiamo dei dettagli utili al compito.
- **Active Focus**: capacità di proseguire un obiettivo difficile provando approcci alternativi.

> **Attenzione:** Meta promette un rapporto completo sulla sicurezza, con valutazioni aggiuntive. Al momento della pubblicazione di questo articolo non è ancora disponibile.

## Cosa significa per un’azienda

1. Verificate il canale di accesso: **Muse Wonder** è disponibile tramite **Meta Model API** e **Muse Code**, mentre **Muse Wonder Full** è riservato agli abbonati **Muse Code**. Controllate quale piano serve prima di avviare il progetto.
2. Scegliete uno o due processi reali, come la gestione documentale o i flussi di lavoro interni, e misurate i risultati su quei casi specifici prima di estendere l'uso.
3. Confrontate i risultati con i benchmark pubblicati da Meta, tenendo presente che si tratta di dichiarazioni del produttore e che non è detto che coincidano con i vostri compiti.
4. Definite in anticipo quali azioni l'agente può compiere senza conferma. Le fonti indicano che **Active Focus** chiede chiarimenti e si ferma prima di azioni importanti, ma le soglie operative le stabilite voi.
5. Chiedete il rapporto di sicurezza completo prima di affidare dati sensibili. Un agente personale può gestire messaggi, calendari e documenti privati, e Meta indica che il rapporto completo sarà disponibile a breve.

## Il quadro di sicurezza aggiornato

Meta ha aggiornato il **Meta Superintelligence Scaling Framework**, che fissa gli standard per addestrare, valutare e rilasciare i modelli più capaci, recependo gli impegni presi alla **Casa Bianca**.

### Contenimento durante addestramento e valutazione

Prima di ogni addestramento per rinforzo, Meta verifica se il modello potrebbe compromettere l'ambiente in cui opera. In caso affermativo, sono obbligatorie tre misure:

- sandbox approvate e controllate per vulnerabilità;
- log sicuri, scritti in tempo reale e non modificabili;
- monitor automatici che possono fermare l'addestramento.

### Modelli open-weight

I pesi pubblici sono una risorsa per la ricerca, ma chi li possiede può aggirare i rifiuti del modello. Il Framework valuta quindi il contesto specifico di utilizzo.

### Rischi e governance

Meta svolge threat modeling con esperti esterni e coinvolge enti governativi. Un nuovo comitato AI del consiglio di amministrazione esaminerà le modifiche future e verificherà il rispetto degli standard.

Per leggere il testo, vi servono questi termini:

- **Sandbox**: ambiente isolato in cui il modello lavora senza toccare i sistemi reali.
- **Fine-tuning**: ulteriore addestramento su dati specifici.
- **Threat modeling**: analisi dei modi in cui un sistema potrebbe essere abusato.

## Domande frequenti

**Quale modello risulta primo nei benchmark?**

Meta dichiara che **Muse Wonder** e **Muse Wonder Full** raggiungono lo stato dell'arte su benchmark chiave per agenti personali e professionali, memoria e coding. Sono affermazioni del produttore: le fonti non riportano classifiche indipendenti.

**Dove si può usare Muse Wonder?**

Muse Wonder è disponibile tramite la **Meta Model API** e **Muse Code**. **Muse Wonder Full** è riservato agli abbonati di Muse Code. Muse Wonder alimenterà presto le esperienze di Muse, con rilascio prima agli abbonati.

**Cos'è Active Memory?**

È la capacità del modello di portare con sé il contesto importante su di voi tra una conversazione e l'altra, recuperando i dettagli rilevanti per il compito in corso.

**Cos'è Active Focus?**

Descrive la capacità di proseguire verso un obiettivo difficile, provare approcci alternativi, superare ostacoli e chiedere chiarimenti. Il modello verifica con voi prima di compiere azioni importanti.

**Quali dati mancano ancora?**

Il rapporto completo con ulteriori valutazioni di sicurezza sarà disponibile **prossimamente**, secondo Meta. Al momento della pubblicazione non è ancora online.

## Come è stato calcolato il voto

Il voto della valutazione è la media di questi criteri, ciascuno motivato con un fatto delle fonti ufficiali.

| Criterio | Voto | Motivo |
| --- | --- | --- |
| Prestazioni su benchmark indipendenti | 7/10 | Nell'Artificial Analysis Intelligence Index Muse Wonder Full ottiene 56 punti, secondo dopo Claude Opus 5.5 con 58, mentre Muse Wonder si ferma a 52. |
| Benchmark dichiarati dal produttore | 5/10 | Il Personal Superintelligence Index è un indice interno di Meta, dove Muse Wonder Full raggiunge il 59,1%, valore che non risulta verificato da terzi nelle fonti. |
| Dominio specialistico (legge, finanza,… | 5/10 | Su Harvey LAB-AA Muse Wonder Full ottiene 13,1%, mentre su HealthBench Pro ottiene 62,3%, sotto Claude Opus 5.5 con 65,6% e GPT-6 Astra con 65,3%. |
| Prezzo e disponibilità | 4/10 | Muse Wonder è disponibile tramite Meta Model API e Muse Code, mentre Muse Wonder Full è riservato agli abbonati di Muse Code; le fonti non indicano prezzi. |
| Trasparenza e documentazione | 3/10 | Le fonti rinviano a un report completo sulla sicurezza e a ulteriori valutazioni «disponibili a breve», senza indicare licenza o pesi aperti. |