Muse Wonder Full обошла GPT-6 Astra, но не Claude Opus 5.5

Muse Wonder Full набрала больше GPT-6 Astra и Gemini 4 Argon в независимом индексе Artificial Analysis. Но первой она не стала: Claude Opus 5.5 сохранила лидерство. Для пользователей это полезная оговорка к громкому заголовку, потому что результат зависит от того, какую задачу проверяют.

По данным Artificial Analysis, Wonder Full получила 55,8 балла, GPT-6 Astra 52,7, Gemini 4 Argon 52,6, а Claude Opus 5.5 57,6. Meta отдельно заявляет о сильных результатах в агентных и кодинговых тестах. Например, в SWE-Marathon Wonder Full набрала 57,5% против 46,3% у Opus 5.5.

Главная ставка Meta связана с поведением агента. Active Memory должна переносить важные сведения о пользователе между разговорами. Active Focus учит модель продолжать сложную задачу, пробовать другие подходы и уточнять детали перед важными действиями. Если эти функции работают так, как описывает компания, практическая польза будет в задачах, которые занимают больше одного диалога.

Есть и неприятная для громких заявлений часть. Wonder Full уступила Opus 5.5 в ProgramBench и Terminal-Bench, а в общем индексе Artificial Analysis отстаёт от неё. По тесту AA-Omniscience у Wonder Full 30 баллов против 46 у Opus 5.5, то есть сильные агентные результаты не означают столь же сильные знания. Веса моделей не опубликованы, а Wonder Full доступна только подписчикам Muse Code.

В какой задаче вы бы скорее доверили агенту работать без постоянного контроля: в программировании или в личных делах, где важна память о ваших предпочтениях? Источник: Все статьи подряд / Машинное обучение / Хабр