Meta bringt Wonder-Fähigkeiten zu allen Muse- und Meta-AI-Nutzern

Worum es geht

Meta stellt die Modelle hinter seinen Verbraucher-Assistenten um. Seit Freitag, dem 7. November 2026, laufen der persönliche Agent Muse und der Chat-Assistent Meta AI auf neuen Modellen. Meta hat sie mit seinem Spitzenmodell Muse Wonder trainiert. Das berichtet Frederic Lardinois bei The New Stack. Meta AI steckt in WhatsApp, Instagram, Facebook und Messenger. Die Änderung erreicht also sehr viele Menschen. Muse gibt es auch kostenlos. Wer ein Abo hat, bekommt für schwierigere Aufgaben weiterhin Wonder selbst.

Namen für die neuen Modelle nennt Meta nicht. Der Konzern spricht nur von „spezialisierten“ Versionen seiner bestehenden Modelle, „trainiert mit Muse Wonder“. Neu ist, dass zwei Funktionen von Wonder jetzt bei allen Nutzern ankommen: Active Memory und Active Focus.

Kurzer Rückblick: Muse, Spark und Wonder

Meta hatte im April das Modell Muse Spark vorgestellt. Laut PYMNTS war es das erste einer neuen Modellreihe und ein Schritt in Richtung dessen, was Meta „persönliche Superintelligenz“ nennt. Am 8. September folgte die App Muse, ein persönlicher Agent, der Aufgaben selbstständig für dich erledigt, statt nur Fragen zu beantworten. Laut The New Stack wurde Muse für Meta zu einem Überraschungserfolg und machte vielen Menschen die Idee eines persönlichen Agenten erst bekannt. Ein Vorteil gegenüber der Konkurrenz ist die Gratisversion. OpenAIs „Dots“ und Anthropics „Duet“ gibt es laut The New Stack nur in den teuersten Abos. Laut Reuters schätzt eine Analyse der Citi-Bank, dass Muse zunehmend zur „Eingangstür ins Internet“ wird und bis 2030 mehr als 27 Milliarden Dollar Umsatz bringen könnte.

Am 12. Oktober kamen dann Muse Wonder und das noch stärkere Muse Wonder Full heraus. Wonder gibt es über die Meta Model API und im Programmier-Agenten Muse Code. Wonder Full ist auf die beiden teuersten Muse-Code-Tarife beschränkt. Laut dqindia wurden beide Modelle in Metas Rechenzentrum „Prometheus“ trainiert, das im Gigawatt-Bereich arbeitet. Das unabhängige Analysehaus Artificial Analysis gibt Wonder 52 Punkte auf seinem Intelligence Index, Wonder Full 56 und dem älteren Muse Spark 1.3 48 Punkte. Schon beim Start von Wonder hatte Meta angekündigt, damit später spezialisierte Modelle für alle Nutzer zu bauen. Das passiert jetzt.

Großes Modell trainiert kleineres: was dahintersteckt

Ein großes Modell zu nutzen, um kleinere zu trainieren, ist in der Branche üblich. Fachleute nennen das oft Destillation: Das große Modell ist der Lehrer, das kleine lernt von seinen Antworten. So bringen Firmen Fähigkeiten ihrer Spitzenmodelle in Produkte, die Millionen Menschen nutzen, ohne für jede Anfrage das teure große Modell rechnen zu lassen. Wie Meta das genau macht, verrät der Konzern laut The New Stack nicht.

Auffällig ist laut The New Stack: Meta hat keine kleinere Allzweck-Version von Wonder gebaut. Der Konzern hat die Modelle gezielt auf Verhalten trainiert, das in einer App wie Muse zählt. Ein Agent muss entscheiden, wann er selbst weitermacht und wann er nachfragt. Er muss Korrekturen mitten in einer Aufgabe annehmen, ohne den Faden zu verlieren. Lardinois bringt es so auf den Punkt: Ein Agent, der einen Restauranttisch bucht und dein Postfach sortiert, muss nicht alles wissen, was ein Spitzenmodell weiß. Er muss sich aber merken, was du vor einer Woche gesagt hast, und weitermachen können, wenn eine Website mitten in der Buchung abstürzt.

Active Memory: Gedächtnis über Gespräche hinweg

Active Memory soll dafür sorgen, dass die Assistenten Details aus früheren Gesprächen in neue mitnehmen. Meta schreibt dazu:

„Wir haben unsere Modelle darauf trainiert zu erkennen, welche Art von Information vorübergehend und welche dauerhaft ist, über Zeiträume hinweg zu schlussfolgern und zu unterscheiden, was noch relevant und was veraltet ist.“

Ein Beispiel: Dass du diese Woche krank bist, ist vorübergehend. Dass du Vegetarier bist, gilt dauerhaft. Für die Zahlen gilt: Alle stammen aus Metas eigenen Tests und sind nicht unabhängig geprüft.

Die letzten beiden Werte nennt Technobezz. Wichtig: Alle Zahlen beziehen sich auf Muse. Für Meta AI beschreibt der Konzern Verbesserungen, nennt aber keine eigenen Zahlen.

Active Focus: dranbleiben, wenn es hakt

Active Focus soll die Modelle an einer Aufgabe halten, wenn etwas schiefgeht. Meta schreibt, man habe die Modelle mit vielen realistischen Hindernissen trainiert, damit sie es erneut versuchen, sich von Fehlern erholen oder einen anderen Weg finden. In Muse schließen die neuen Modelle Alltagsaufgaben mit unerwarteten Problemen laut Meta um 67 Prozent häufiger ab. The New Stack kritisiert, dass Meta den Ausgangswert nicht nennt. Ohne ihn lässt sich die Zahl schwer einordnen: Von 30 auf 50 Prozent wären auch rund 67 Prozent mehr.

Dazu kommt laut Technobezz: Muse soll Korrekturen und Klarstellungen während einer laufenden Aufgabe besser umsetzen und mehrere Aufgaben gleichzeitig verwalten. Bei Meta AI sollen die Verbesserungen helfen, komplizierte Probleme in Schritte zu zerlegen, sinnvollere Rückfragen zu stellen und einem Gespräch zu folgen, wenn du das Thema wechselst. Einen genauen Zeitplan für die Einführung nennt Technobezz nicht. The New Stack schreibt dagegen, dass die Modelle ab Freitag für alle bereitstehen.

Weitere Neuerungen rund um Muse

Kurz vorher hat Meta laut Technobezz eine Sprachfunktion für Muse gestartet, zunächst in den USA auf Smartphone, im Web und auf dem Mac. Es gibt Hunderte Stimmen und auf Wunsch einen Avatar, der auf das Gespräch reagiert. Außerdem ist Muse jetzt in Singapur verfügbar, mit Anbindungen an Dienste wie Grab, Shopee und Singapore Airlines. Einige dieser Anbindungen kommen erst nach und nach. Die meisten Alltagsfunktionen sind dort kostenlos, für mehr gibt es Abos.

Einordnung

Der Schritt ist vor allem wirtschaftlich sinnvoll. Wonder kostet über die API 4 Dollar pro Million Eingabe-Token und 20 Dollar pro Million Ausgabe-Token (Token sind Textbausteine, etwa Wortteile). Das allen Nutzern von WhatsApp und Instagram zur Verfügung zu stellen, wäre teuer. Kleinere, gezielt trainierte Modelle sind wahrscheinlich die günstigere Lösung, wie auch The New Stack vermutet. Für Nutzer heißt das: Fähigkeiten, die vor Kurzem nur Entwicklern und zahlenden Kunden vorbehalten waren, kommen jetzt auch in der Gratisversion an, wenn auch in abgespeckter Form.

Viel bleibt aber offen. Meta nennt weder Namen noch Größe der neuen Modelle. Die Trainingsmethode ist unklar, und alle Zahlen stammen aus internen Tests, beim wichtigsten Wert sogar ohne Ausgangswert. Außerdem bedeutet ein besseres Gedächtnis, dass mehr persönliche Daten über längere Zeit gespeichert werden. Meta gibt an, Wonder sei darauf trainiert, private Informationen vorsichtig zu behandeln und Manipulationsversuche abzuwehren. Ob das auch für die neuen Modelle gilt und wie gut Nutzer kontrollieren können, was gespeichert wird, sagen die Quellen nicht. Ob Muse wirklich verlässlicher geworden ist, wird sich erst im Alltag zeigen.