Meta Muse Wonder: Hatırlayan ve Yarıda Bırakmayan Ajan Modeli

Perde açıldı: iki model, bir iddia

12 Ekim 2026'da Meta, yapay zeka yarışında ilk kez en ön sıraya oynadı: Muse Wonder ve büyük kardeşi Muse Wonder Full tanıtıldı. Bağımsız ölçüm kuruluşu ArtificialAnalysis, büyük modelin 56 puanla 4. sıraya yerleştiğini, küçük modelin ise 52 puan aldığını yazdı. Bir yıl önce geriden takip eden şirket için bu, orta sıralardan üst kata çıkış demek: bir önceki model Spark 1.3, 48 puanda kalmıştı. Meta, yeni ailenin günlük ve iş hayatındaki ajan işleri için üretildiğini söylüyor: sigorta başvurusu takibi, kira sözleşmesi okuma, çalışan bir uygulama kurma gibi.

Bu çıkışın arkasında 14 aylık bir yeniden inşa var. TechCrunch, şirketin yapay zeka ekibinin geçen yıl baştan kurulduğunu ve modellerin Ohio'daki Prometheus adlı veri merkezinde, gigawatt ölçeğinde eğitildiğini aktarıyor. Eskiden açık ağırlıklı modellerle tanınan Meta, bu kez kapalı ve iddialı bir aileyle geldi. Şirketin söylemi büyük: ölçek merdiveninde bir üst basamak ve kişisel süper zekâ yolunda sıçrama. Ben bu dili abartılı buluyorum ama rakamlar konuşulmaya değer.

İki yeni yetenek: akılda tutma ve yılmama

Ailenin ilk numarası akılda tutma. Meta buna etkin bellek diyor: model, senin için önemli olanı günler, haftalar, aylar boyu hatırda tutuyor ve doğru anda geri çağırıyor. Benzetme yapayım: her aradığında derdini baştan anlattığın çağrı merkezi yerine, seni tanıyan mahalle esnafı gibi. Şirketin paylaştığı MemoryBench ölçümünde Wonder, Fable, Opus ve Astra'yı geride bırakmış. Araştırmacı Kopparapu'nun sözü de bu yönde: günler, haftalar, aylar ötesinde neyin önemli olduğunu hatırlayan bir model için çok uğraşmışlar.

İkinci numara yılmama. Buna da etkin odak deniyor: iş zorlaşınca model pes etmiyor, başka yol deniyor, takıldığı yerde soru soruyor ve önemli bir adım atmadan önce sana danışıyor. Bugünkü ajanların iki derdini düşün: biri işi yarıda bırakıyor, öteki başına buyruk gidip istemediğin iş yapıyor. Meta ikisini birden çözdüğünü söylüyor. Doğruysa büyük iş; ama doğruysa kısmı önemli, oraya geleceğim.

Günlük hayatta ne yapıyor

Tanıtımdaki günlük örnekler iddiayı ete kemiğe büründürüyor. Seyahat eden bir kullanıcıya takvim ve epostalarından nerede olduğunu çıkarıp yüksek irtifa rahatsızlığı olabilir diyor. Sigorta örneğinde acil servis faturası, sigorta kartı fotoğrafı ve itiraz metni yükleniyor; model aranacak numarayı ve söylenecek sözü hazırlıyor, kullanıcı isteyince eposta taslağına çeviriyor. Düğün oturma planı, kedi Coco'nun fotoğrafından tişört siparişi, Muse Kitchen adlı küçük oyun derken liste uzuyor. Tablo şunu söylüyor: model gözünü ofisten çok mutfağa ve sokağa dikmiş.

Rakamlar ve bağımsız göz

Gelelim rakamlara. The Decoder'ın derlediği bağımsız tabloya göre Wonder Full, 10 ölçümün 6'sında ilk üçte. Küçük model 52, büyük model 56 puanda. Rakiplerle yan yana koyunca tablo şöyle: Opus 5.5 ve Astra önde, Fable 5.1 arkada kalmış, Argon verimlilikte ayrışıyor. Asıl sıçrama bir önceki modele göre: Spark 1.3'ün 48 puanı, Terminal-Bench 4.0'da %33'lük skoru vardı; Wonder Full aynı ölçümde %57'ye çıkmış ve çıktı tokenını %30 azaltmış. Yani hem daha akıllı hem daha tutumlu.

Yazılım tarafı daha da parlak. Yazılım aracı endeksinde büyük model 68 puanla Sonnet 5.5 kullanan rakip araçla eşitlenmiş; küçük model 63 puanla bir önceki sürümün 54'ünü açık ara geçmiş. Matematiksel ispat ölçütü ProofBench'te 58'den 94'e çıkış var; zirvedekiler 99-100 bandında. Wired, bazı yazılım ve hukuk ölçümlerinde Wonder ailesinin Opus 5.5 ile Astra'yı geçtiğini yazıyor. Kısacası Meta, yazılımda da varım diyor.

Madalyonun öteki yüzü bilgi. Genel kültür ölçütü Omniscience'ta büyük model 30, küçük model 25 puanda kalıyor; Opus 5.5'in 46'sı, Astra'nın 43'ü çok ileride. The Decoder buradan şu yorumu çıkarıyor: Wonder ailesi rakiplerinden daha küçük bir taban üzerine kurulu olabilir. İyi haber sanrı oranında: %33'ten %23'e düşüş var ve bu, 45 puan üstü modeller arasında en düşük ikinci oran; Argon %15 ile önde. Güvenlik tarafında Wired, Meta'nın tehlikeli çıktıları reddetme eğitimine ve şirketin yayını güvenlik için ertelediği bilgisine yer veriyor.

Hukuk ve finans tarafı Meta'nın asıl oynamak istediği saha. Harvey adlı hukuk aracı ölçümünde Wonder Full 13,1 puanla Fable 5.1'in 6,4'ünü ikiye katlamış. Şirketin verdiği örnekler de hep bilgi işi: kira sözleşmesi, mali tablo, sağlık bilgisi. Bence mantıklı: Meta'nın modelleri Facebook, Instagram ve gözlüklere girecek; oradaki kullanıcı yazılım değil günlük dert soruyor. Modelin bilgisi eksik ama sanrısı az; bilmediğinde uydurmak yerine susan bir yapı, günlük işte daha değerli.

Bağımsız sınamalar ne diyor? Mühendis Matt Johnston, küçük modeli canlı yayında kendi testlerinden geçirmiş. Sonuçlar karışık: gösterişli tanıtımla gerçek performans farklı çıkmış. İki oyunda 88 ve 83 puan almış; birinde düşmanlar vurulunca hasar almıyor, el bombasıyla vurulabiliyor, karakter bazen duvarın içinden geçiyor. Üç boyutlu yazıcıya uygun telefon kılıfı örneği ise temiz çıkmış. Johnston'ın notu net: gösteri günü başka, gerçek gün başka.

Geliştirici fal'in kaydı daha pratik: X'te Wang'in paylaştığı tanıtımı izleyip modeli uçbirime kurmuş, sesli komutla çalıştırmış, bir sitenin rengini koyu temaya çevirmiş. Yerli resim üretimini de sınamış: iki fotoğrafı harmanlayarak ürettiği portre güzel çıkmış ama dizüstü üstündeki yazılar bozuk, küçük kusurlar var. fal'in dikkat çektiği şirket grafiği iddialı: yazılım mühendisliği ölçümünde Full, Opus 5.5 ve Astra'nın üstünde görünüyor. Kısa haber kanalı Curve Wars ise 74 saniyede özeti vermiş: 14 ölçümün 9'u Opus'ta, fiyatlar kafa kafaya, bunlar şirketin kendi rakamı tam güçte, bağımsız hakem puanı henüz yok.

Fiyat, erişim ve geriye kalan soru

Fiyat tarafı da konuşuluyor. Giriş tokenı milyonda 4 $, çıkış tokenı milyonda 20 $. Bir önceki modele göre yaklaşık üç kat artış: Spark 1.3'te bu rakamlar 1,25 $ ve 4,25 $'tı. Görev başına maliyet 1,60 $'tan 4,52 $'a çıkmış; maliyetin %76'sı girdi tokenından geliyor ve model görev başına %28 daha çok girdi tokenı kullanıyor. Rakiplerle kıyas: Fable 5.1'de 7,63 $, Opus 5.5'te 5,98 $, Astra'da 3,26 $, Argon'da 1,99 $, Sol'da 0,72 $. Yani pahalı ama en pahalı değil; The Decoder benzer fiyattakiler içinde iyi konum diyor.

Erişim şimdilik geliştiriciye. Küçük model, şirketin model servisinden ve Muse Code'dan açık; büyük model yalnız Muse Code abonelerine. Kısa süre sonra Muse uygulamasına gelecek, önce ücretli üyelere. Planlar 50 $ ve 200 $ seviyesinde; Johnston 50 $'lık planın paralel testte 5 saatlik hakkı 15 dakikada erittiğini söylüyor. Yani meraklısı için kapı açık ama musluk sayaçlı.

Mashable, lansmanı Meta ilk kez öncü kümede diye duyurdu; siteye göre şirket, nisan ayındaki Spark'tan yalnız altı hafta sonra bu aileyi çıkardı. Geriden gelenin hızı buradan belli: 14,3B $'lık Scale AI adımı, yeni ekip, yeni veri merkezi. Şirketin planı da net: önce aboneler, sonra herkese özel türev modeller. Kişisel süper zekâ söylemi büyük ama yön doğru: modeli herkesin cebindeki asistana indirmek.

Yine de tedbiri elden bırakmayalım. Masadaki tüm parlak rakamlar şirketin kendi ölçümü; bağımsız kuruluş ArtificialAnalysis'in endeks puanı dışında hakem onayı bekleyen kalem çok. Curve Wars'un dediği gibi hakemler daha puan vermedi. Şirket, modellerin eğitime giren işlerde şişirilmiş göründüğü eleştirisine bilinmedik işlerde de iyi yanıtını veriyor. Bilgi ölçümündeki geri kalma da bu yanıtı sınayacak ilk yer.

Benim gözümde asıl sınav gösteri değil günlük hayat: sigorta kuyruğunda bekleyen, kira maddesini anlamaya çalışan, düğün masasını dizecek kişi. Hatırlayan ve yarıda bırakmayan bir ajan, o günlerde fark yaratır. Önümüzdeki haftalarda izlenecek üç şey var: bağımsız puanların gelişi, uygulamanın üyelere açılışı ve fiyat tepkisi. Meta yıllardır yakında diyordu; bu kez burada diyor. Farkı rakamlar değil, mutfaktaki sonuç gösterecek.