Pe 13 octombrie, Meta a lansat Muse Wonder și Muse Wonder Full, primele sale modele de frontieră, și a scos în față o funcție numită Active Memory. Nu e o îmbunătățire de viteză. E diferența dintre un bot care răspunde și un sistem care duce un client de la primul mesaj până la semnătură.
Dacă ai încercat vreodată un chatbot pe site-ul tău și l-ai oprit după trei săptămâni, probabil nu te-a deranjat că dădea răspunsuri greșite. Te-a deranjat că dădea răspunsuri bune, dar scurte de memorie. Clientul explica o dată ce vrea, pe urmă revenea a doua zi și o lua de la capăt. Tu te uitai la transcrieri și îți spuneai că încă nu suntem acolo.
Pe 13 octombrie 2026, Meta a lansat două modele, Muse Wonder și Muse Wonder Full, pe care le descrie drept cele mai capabile ale sale până acum, și a pus în centrul comunicării exact lucrul acela: memoria. Funcția se numește Active Memory și, în descrierea companiei, duce contextul utilizatorului de la o conversație la alta și scoate la suprafață detaliile de care o sarcină are nevoie.
E momentul în care memoria trece din categoria „detaliu tehnic pe care îl discută programatorii” în categoria „criteriu pe baza căruia alegi ce rulează în firma ta”.
Ce s-a întâmplat, în cifre
Muse Wonder costă 4 dolari per milion de tokeni la intrare, 0,20 dolari la intrarea citită din cache și 20 de dolari la ieșire. Muse Wonder Full nu are preț de API: se ia doar prin abonament Muse Code, la 50 de dolari pe lună pe planul Power sau 200 de dolari pe planul Maximum. Fereastra de context e de 1 milion de tokeni la ambele, intrarea acceptă text, imagine, video și audio, iar ieșirea e doar text. Niciunul dintre cele două modele nu are greutăți deschise, numărul de parametri nu e comunicat, iar MarkTechPost notează că încă nu există un raport complet de siguranță.
Pe partea de rezultate, Meta a publicat un tabel cu efort maxim de raționament. Pe MemoryBench, o evaluare internă a companiei, Muse Wonder ia 85,6 și Muse Wonder Full 85,5, în fața lui Claude Opus 5.5 cu 81,5, GPT-6 Astra cu 81,4 și Claude Fable 5.1 cu 79,0. Pe DeepSWE 1.1, Muse Wonder Full ia 79,0 și Muse Wonder 78,8, față de 74,2 pentru Opus 5.5 și 74,1 pentru Astra. Pe Harvey LAB-AA, Muse Wonder Full ia 13,1 și Muse Wonder 10,0, față de 8,6 pentru Astra și 4,2 pentru Opus 5.5.
Și, ca de obicei, partea mai puțin flatantă. Pe ProgramBench, Opus 5.5 ia 70,5 în timp ce Muse Wonder Full ia 59,0 și Muse Wonder 50,0, cel mai mare decalaj din tot tabelul. Pe OSWorld V2.1, Opus 5.5 ia 81,8 și Fable 5.1 ia 80,7, în fața celor două modele Meta. Pe Terminal-Bench 4.0-AA, Opus 5.5 ia 59,6 și Astra 59,1, în fața lui Muse Wonder Full cu 57,1. Pe Artificial Analysis Intelligence Index v4.3, Opus 5.5 ia 58, Muse Wonder Full 56 și Muse Wonder 52.
Mai e un detaliu de citit cu atenție: pe SWE-Marathon, Muse Wonder Full ia 57,5 față de 46,3 pentru Opus 5.5, dar publicația notează că modelele rivale au fost rulate pe Codex și Claude Code, deci comparația nu s-a făcut pe aceeași infrastructură de test. Asta nu invalidează cifra, dar o pune în context.
Cum funcționează memoria unui agent, pe limba noastră
Hai să desfacem trei lucruri care sunt confundate permanent, pentru că dacă le confunzi cumperi greșit.
Primul: fereastra de context. Un milion de tokeni de context nu e memorie, e masa de lucru. E cât material poate botul să țină deschis în fața lui în timpul unei sarcini. Imaginează-ți un birou foarte mare. Poți pune pe el tot dosarul clientului, contractul, istoricul de corespondență și catalogul. Minunat. Dar la sfârșitul zilei, cineva golește biroul.
Al doilea: memoria activă. Asta e dosarul care rămâne. Nu e tot ce s-a discutat, pentru că ar fi inutilizabil, e selecția de detalii care contează, scoasă la suprafață când o sarcină nouă are nevoie de ele. Diferența practică: un bot de vânzări cu fereastră mare și fără memorie îți cere din nou bugetul clientului la a treia discuție. Unul cu memorie activă începe de unde ați rămas.
Al treilea: baza de date. Mulți oameni cred că memoria înseamnă „botul scrie în CRM”. Nu e același lucru. CRM-ul ține ce ai decis să salvezi, în câmpurile pe care le-ai definit tu. Memoria ține nuanțe pe care nu ai avut timp să le definești: că omul acela a cerut de două ori să nu fie sunat dimineața, că s-a plâns o dată de livrare, că decizia o ia soția lui.
Analogie scurtă: fereastra de context e biroul, baza de date e arhiva, memoria activă e colegul care își amintește și îți spune „stai, cu clientul ăsta am avut deja discuția asta în mai”.
Un scenariu ipotetic, marcat clar ca exemplu, nu ca studiu de caz: o firmă de amenajări premium are un bot care preia cererile de pe site. Fără memorie, fiecare conversație e o pagină albă, iar omul care revine după două săptămâni reintroduce suprafața, bugetul și termenul. Cu memorie activă, botul deschide discuția cu ce s-a stabilit deja și pune următoarea întrebare, nu prima. Clientul simte diferența imediat, și nu pentru că modelul e mai inteligent. Pentru că nu îl mai pune să repete. Cifrele de conversie dintr-un astfel de caz nu le am și nu le invent.
Graficele de mai jos arată întâi scorurile raportate pe memorie, apoi diferența practică dintre trei feluri de a lucra cu ea.


Ce înseamnă pentru un antreprenor mic sau o agenție
Memoria e singura caracteristică a unui bot pe care clientul final o observă fără să înțeleagă nimic din tehnologie. Nimeni nu îți spune „ce model folosești”. Toată lumea îți spune „păi i-am explicat deja asta”.
Pentru o firmă mică, asta înseamnă două consecințe foarte practice.
Prima, calitatea percepută a automatizării nu vine din model, vine din continuitate. Poți rula pe un model mai ieftin și să pari mai profesionist decât un concurent care rulează pe modelul cel mai scump și repornește de la zero la fiecare interacțiune.
A doua, memoria e și o răspundere. Un sistem care ține minte ce a spus clientul ține minte și lucruri pe care clientul nu știe că le-ai păstrat. Dacă vinzi automatizare, partea de „ce reține sistemul, cât timp și cine are acces” nu e un capitol de contract pus ca să umple pagini. Este, în multe cazuri, singura obiecție serioasă care se ridică în fața unui decident.
Mai e un semnal de business în anunțul Meta, pe lângă cifre. Modelul mare, Muse Wonder Full, nu se vinde cu tokeni, se vinde cu abonament, 50 sau 200 de dolari pe lună, și rulează doar în cloud-ul propriu. Asta e direcția în care merge toată piața: nu îți vinde o componentă, îți vinde un abonament la un mediu. Dacă tu vinzi tot componente, concurezi cu un model de business, nu cu un produs.
Ce poți face diferit, concret
Trei mișcări care nu îți cer buget, doar o decizie.
- Pune memoria pe lista de cerințe, înaintea vitezei. Când evaluezi un furnizor sau un tool, întrebarea nu e „cât de rapid răspunde”, ci „ce își amintește a doua zi, cine decide ce reține și cum șterg o informație”. Dacă răspunsul e vag, e vag și sistemul.
- Fă un test de două zile. Deschide o conversație cu botul tău actual, dă-i trei informații despre un client fictiv, închide. A doua zi, deschide altă conversație și cere-i ceva ce depinde de informațiile alea. Dacă te întreabă din nou, ai răspunsul. Acesta e singurul benchmark care contează pentru firma ta, și îl rulezi fără să plătești nimic.
- Scrie o pagină despre memorie. O pagină, nu un regulament. Ce reține sistemul, cât timp, cine poate vedea, cum se șterge. O dai clientului înainte să o ceară. În industriile premium, asta nu e birocrație, e argument de vânzare.
Cum poți fi cu un pas înainte
Peste câteva luni, memoria nu va mai fi un diferențiator, va fi o așteptare. Toți furnizorii o vor avea, în forme asemănătoare. Ce rămâne diferențiator e un nivel mai sus: nu ce își amintește un bot, ci ce își amintesc boții unii despre alții.
Gândește-te la ecosistemul tău ca la o echipă. Botul de outreach află că un prospect preferă mesaje scurte. Botul de suport, trei luni mai târziu, vorbește cu același om. Dacă informația nu trece de la unul la altul, ai angajat cinci oameni care nu vorbesc între ei. Dacă trece, ai o companie. Asta e, de fapt, întreaga diferență dintre a cumpăra unelte și a avea infrastructură, și e singurul lucru pe care un tool luat separat nu ți-l poate da, oricât de bun e modelul din spate.
Deci întrebarea pe care merită să o pui azi nu e ce model are cea mai bună notă pe MemoryBench. E dacă ceea ce află un bot al tău ajunge și la ceilalți.
Concluzia
Meta a pus un nume, Active Memory, și o notă, 85,6, pe frustrarea pe care o avea oricine a încercat un bot și l-a oprit. Nota e dintr-o evaluare internă a companiei și trebuie citită ca atare. Numele, însă, descrie corect ce lipsea.
Un bot care uită e o unealtă. Un bot care ține minte începe să semene cu un angajat. Un ecosistem în care toți țin minte și își spun unul altuia ce au aflat nu mai e nici una, nici alta: e compania din spatele companiei tale.
Tu decizi ce merită ținut minte. Restul rulează singur.
Notă: prețurile, fereastra de context și rezultatele pe benchmark-uri sunt cele publicate de MarkTechPost pe 13 octombrie 2026. MemoryBench este o evaluare internă a Meta, nu independentă, iar comparația pe SWE-Marathon nu s-a făcut pe aceeași infrastructură de test pentru toate modelele. Scenariul cu firma de amenajări e ipotetic. Verifică prețurile direct în documentația Meta Model API înainte de orice decizie.
Surse:




















