Meta bước chân vào nhóm dẫn đầu AI với bộ đôi mô hình tiên phong Muse Wonder và Muse Wonder Full

Meta vừa chính thức trình làng hai biến thể thuộc dòng mô hình AI tiên phong (frontier model) mới nhất: Muse Wonder và Muse Wonder Full. Đợt ra mắt này đánh dấu bước tiến công nghệ lớn của gã khổng lồ công nghệ, đưa các mô hình của hãng vươn thẳng lên nhóm dẫn đầu trên các bảng xếp hạng hiệu năng, sau một giai đoạn có phần hụt hơi với các hệ thống mã nguồn mở Llama.

Trên bảng đánh giá Artificial Analysis Intelligence Index v4.3, Muse Wonder Full đạt 56 điểm, trong khi Muse Wonder ghi nhận 52 điểm. Cả hai đều cho thấy sự bứt phá đáng kể so với phiên bản tiền nhiệm Muse Spark 1.3 (vốn đạt 48 điểm). Nhìn chung, Muse Wonder Full lọt top 3 ở 6 trên 10 bài benchmark được đánh giá, đồng thời ra mắt ở vị trí thứ 5 trên Vals AI Index—vượt qua toàn bộ các mô hình của OpenAI và chỉ xếp sau các hệ thống chủ lực của Anthropic.

Bước nhảy vọt về khả năng lập trình tác nhân và giải quyết vấn đề

Những cải tiến đáng kể nhất của thế hệ Wonder nằm ở các bài đánh giá tính năng tác nhân (agentic evaluations), vốn đo lường khả năng thực thi các quy trình làm việc đa bước của mô hình mà không cần con người liên tục nhắc lệnh (prompt). Trên bài kiểm tra Terminal-Bench 4.0, hiệu suất xử lý tác vụ đã tăng từ 33% lên 57%, đồng thời giảm được 30% lượng token đầu ra cần sử dụng.

Mảng phát triển phần mềm cũng chứng kiến mức tăng trưởng ấn tượng không kém. Trên Coding Agents Index, Muse Wonder Full đạt 68 điểm, san bằng cách biệt với Claude Code sử dụng Sonnet 5.5. Muse Wonder đạt 63 điểm, tăng từ mức 54 điểm của Muse Spark 1.3. Ở mảng toán học, Muse Wonder Full giải quyết thành công 94 trên tổng số 100 bài toán trên bộ benchmark chứng minh nội bộ ProofBench, tăng vọt so với con số 58 bài của phiên bản trước.

Meta cho biết những bước tiến này đến từ hai cơ chế kiến trúc cốt lõi:

• Active Memory (Bộ nhớ chủ động): Cho phép mô hình lưu giữ và truy hồi các thông tin then chốt qua nhiều lượt hội thoại (multi-turn).

• Active Focus (Tập trung chủ động): Giúp duy trì khả năng suy luận liên tục qua các chỉ dẫn phức tạp, thúc đẩy mô hình tìm kiếm các chiến lược thay thế hoặc đặt câu hỏi làm rõ khi gặp ngữ cảnh chưa rõ ràng.

Cả hai mô hình đều sở hữu cửa sổ ngữ cảnh lên tới 1 triệu token và hỗ trợ dữ liệu đầu vào đa phương thức (multimodal) gồm văn bản, hình ảnh, video và âm thanh. Meta đã huấn luyện dòng mô hình này ở quy mô gigawatt tại trung tâm dữ liệu chuyên dụng Prometheus.

Hạn chế về kiến thức và tỷ lệ ảo giác

Dù Muse Wonder thể hiện phong độ đỉnh cao trong lập trình và tự chủ thực thi, khả năng truy xuất dữ kiện thực tế (factual retrieval) vẫn là điểm yếu thấy rõ. Trong bài kiểm tra AA-Omniscience, Muse Wonder Full chỉ đạt 30 điểm và Muse Wonder đạt 25 điểm. Kết quả này khiến Meta tụt lại khá xa so với các mô hình tiên phong đối thủ, bao gồm Claude Opus 5.5 (46 điểm), GPT-6 Astra (43 điểm) và Gemini 4 Argon (42 điểm), cho thấy dòng Wonder nhiều khả năng dựa trên một kiến trúc nền tảng tương đối tinh gọn.

Hiệu năng xử lý các tác vụ tài chính và pháp lý cũng gần như đi ngang, thậm chí giảm nhẹ tối đa 2 điểm so với phiên bản trước.

Dẫu vậy, Meta đã bù đắp cho lỗ hổng truy xuất kiến thức bằng độ tin cậy được nâng cao. Muse Wonder Full đã hạ tỷ lệ ảo giác (hallucination) từ 33% xuống còn 23%. Trong số tất cả các mô hình đạt từ 45 điểm trở lên trên Intelligence Index, chỉ có Gemini 4 Argon (15%) ghi nhận tỷ lệ ảo giác thấp hơn. Meta cũng lưu ý rằng mô hình vẫn duy trì khả năng thích ứng cao trước các tác vụ lạ, nằm ngoài phạm vi tối ưu hóa huấn luyện cụ thể.

Giá API tăng vọt và kế hoạch triển khai

Hiệu năng được nâng cấp cũng kéo theo chi phí tăng đáng kể. Báo cáo từ Artificial Analysis chỉ ra rằng việc vận hành Muse Wonder tốn tới 4,52 USD cho mỗi tác vụ trên Intelligence Index, so với mức 1,60 USD của Muse Spark 1.3.

Biểu giá theo token đã chuyển sang mức 4 USD cho mỗi triệu token đầu vào và 20 USD cho mỗi triệu token đầu ra (tăng từ mức 1,25 USD đầu vào và 4,25 USD đầu ra của phiên bản trước). Token đầu vào chiếm tới 76% tổng chi phí do lượng tiêu thụ đầu vào trên mỗi tác vụ tăng 28%, dù lượng token đầu ra sinh ra nhìn chung đã gọn hơn khoảng 10%. Mức giá này đưa Muse Wonder lên cao hơn GPT-6 Astra (3,26 USD) và Gemini 4 Argon (1,99 USD), nhưng vẫn thấp hơn Claude Opus 5.5 (5,98 USD) và Claude Fable 5.1 (7,63 USD). Giá token cho Muse Wonder Full hiện vẫn chưa được công bố.

Hiện tại, người dùng có thể tiếp cận Muse Wonder thông qua API của Meta và nền tảng Muse Code. Hãng dự kiến sẽ triển khai mô hình cho các thuê bao trả phí của ứng dụng tiêu dùng Muse trước khi tung ra các biến thể chuyên biệt. Trong khi đó, Muse Wonder Full vẫn là đặc quyền dành riêng cho người dùng Muse Code.