La memoria cambia l’IA di Meta: cosa fanno davvero Wonder e Full

La vera svolta dei nuovi sistemi di Meta non è soltanto la capacità di rispondere a domande più difficili: l’obiettivo è seguirne l’evoluzione nel tempo, ricordare ciò che è già stato deciso e completare incarichi composti da numerosi passaggi. È in questa direzione che si muovono Muse Wonder e Muse Wonder Full, presentati il 12 ottobre dai Meta Superintelligence Labs, la divisione guidata da Alexandr Wang.

L’ambizione è portare questi modelli dentro Muse, l’assistente personale dell’azienda, inizialmente per gli utenti abbonati. Ma insieme alle promesse arrivano interrogativi concreti: quanto sono affidabili nei compiti professionali e quali rischi comporta affidare loro conversazioni, documenti e informazioni personali?

La memoria diventa parte del lavoro

La funzione chiamata Active Memory permette al sistema di recuperare elementi emersi in precedenti conversazioni. In pratica, un assistente incaricato di organizzare un viaggio potrebbe tenere presenti le preferenze dell’utente, gli orari già concordati e le scelte compiute nei giorni precedenti, senza dover ricostruire ogni volta l’intero contesto.

Active Focus riguarda invece la capacità di mantenere una direzione operativa. Se incontra un errore o un impedimento, il modello può modificare il piano, tentare una soluzione diversa e chiedere ulteriori indicazioni quando non dispone di informazioni sufficienti. Meta indica tra gli impieghi possibili la gestione di pratiche assicurative, la lettura di contratti e la preparazione di progetti informatici.

È importante distinguere il modello dall’agente. Il primo interpreta le richieste, analizza i dati e stabilisce i passaggi; il secondo è il servizio che, grazie a strumenti e autorizzazioni, può interagire con programmi e siti per svolgere un’attività per conto dell’utente.

Accesso limitato e prezzi a consumo

Muse Wonder è stato messo a disposizione degli sviluppatori attraverso Meta Model API e Muse Code. Le interfacce di programmazione consentono di collegare un software ai sistemi di Meta, così da integrare l’elaborazione dei modelli all’interno di applicazioni e servizi propri.

Il costo di Wonder è fissato a 4 dollari per ogni milione di unità di testo inviate e a 20 dollari per ogni milione di unità generate dal sistema. Non si tratta quindi di un abbonamento ordinario, ma di una tariffazione legata alla quantità di contenuti elaborati.

Wonder Full, la variante più potente, è invece accessibile agli abbonati ai piani Power e Maximum di Muse Code, lo strumento di Meta per la programmazione assistita dall’intelligenza artificiale. I due nuovi modelli sono dunque distribuiti come servizi proprietari, una scelta diversa rispetto alla precedente famiglia Llama, i cui modelli potevano essere scaricati e utilizzati più liberamente.

Un contesto molto ampio, ma non infallibile

Wonder e Wonder Full sono stati addestrati anche con il supporto di Prometheus, il grande centro di calcolo realizzato da Meta. Entrambi possono ricevere testo, immagini, video e audio, mentre le risposte vengono prodotte in forma testuale. Il loro contesto arriva fino a un milione di token, una capacità utile per esaminare documenti e archivi molto estesi.

L’ampiezza del materiale analizzabile non garantisce però, da sola, conclusioni corrette. La qualità del risultato dipende sia dal modello sia dagli strumenti che gli vengono assegnati, oltre che dalla precisione delle informazioni disponibili.

Secondo le valutazioni indipendenti di Artificial Analysis, Wonder Full ha ottenuto 56 punti nell’indice complessivo, contro i 58 di Claude Opus 5.5 e i 53 di Gpt-6 Astra. Wonder si è fermato a 52 punti. Nei test pubblicati da Meta, Wonder Full ha inoltre raggiunto 13,1 nella prova dedicata alla produzione di documenti legali, un valore che misura la percentuale di elaborati capaci di rispettare tutti i criteri richiesti.

La prova decisiva sarà nell’uso quotidiano

I risultati disponibili non sono perfettamente sovrapponibili: la documentazione riunisce prove interne, analisi di società indipendenti e punteggi comunicati dai produttori concorrenti. Per questo, un buon piazzamento generale non significa necessariamente che il sistema riesca a completare senza errori ogni incarico complesso.

La prima versione della nuova famiglia, Muse Spark, era stata presentata ad aprile con l’obiettivo di fornire risposte rapide e ridurre i tempi di elaborazione. Wonder e Wonder Full segnano invece il passaggio verso attività più lunghe e articolate, un terreno nel quale Meta cerca di confrontarsi con OpenAI, Anthropic e Google.

La memoria introduce anche un problema più delicato. Un agente capace di lavorare su calendari, messaggi e documenti può offrire un servizio più personalizzato, ma deve gestire una quantità maggiore di dati, comprese informazioni sulle persone vicine all’utente.

Meta sostiene di aver rafforzato le protezioni contro la diffusione impropria dei dati e l’impiego pericoloso dei modelli. Nei documenti dedicati a limiti e sicurezza, tuttavia, riconosce la possibilità di risposte errate e di errori durante l’esecuzione di incarichi complessi. Per le azioni difficili da annullare, come operazioni economiche o modifiche rilevanti ai documenti, l’azienda raccomanda controlli specifici e una conferma umana.