Ngày 12/10/2026, Meta ra mắt Muse Wonder, mô hình AI frontier (mô hình lớn thiết kế để cạnh tranh ở tầng năng lực cao nhất) đầu tiên của công ty. Theo kiểm thử nội bộ của Meta, Muse Wonder đạt benchmark ngang Fable 5.1 và GPT-6 Astra, đồng thời vượt Fable, Opus và Astra trên MemoryBench, benchmark đánh giá khả năng nhớ thông tin người dùng qua nhiều phiên làm việc liên tiếp.
Muse Wonder so sánh thế nào với GPT-6 và các mô hình hàng đầu?
Theo kết quả kiểm thử Meta trình bày trong model card (tài liệu kỹ thuật chi tiết của mô hình), Wonder và Wonder Full đạt điểm tương đương Fable 5.1 và GPT-6 Astra. Kết quả nổi bật nhất nằm ở MemoryBench: Muse Wonder vượt cả Fable, Opus lẫn Astra trên benchmark này, theo Meta.
Meta mô tả hai mô hình là “bước tiếp theo trên nấc thang mở rộng quy mô và là bước nhảy lớn hướng tới siêu trí tuệ cá nhân.” Nhà nghiên cứu Kavya Kopparapu cho biết trong video ra mắt: “Chúng tôi đã đầu tư rất nhiều công sức để đảm bảo mô hình có thể nhớ điều quan trọng với bạn qua nhiều ngày, nhiều tuần, nhiều tháng và xa hơn.”
Để hiểu MemoryBench đo gì: benchmark này được đề xuất trong một bài báo trên arxiv.org vì các thước đo bộ nhớ hiện có chủ yếu kiểm tra khả năng đọc hiểu văn bản dài trong một lần, không phải khả năng xây dựng bộ nhớ từ tương tác liên tục với người dùng. Trong thí nghiệm của chính bài báo, hiệu quả và hiệu suất của các phương pháp tiên tiến nhất được thử vẫn “far from satisfying” (còn xa mới đạt yêu cầu).
“Active memory” là gì và khác gì so với AI thông thường?
Meta gọi khả năng lưu giữ này là “active memory” (bộ nhớ chủ động): tổng hợp và gợi nhớ thông tin người dùng cung cấp qua nhiều phiên làm việc theo thời gian. Context window (vùng văn bản được nạp vào một hội thoại đơn) chỉ bao quát nội dung của một cuộc hội thoại, còn active memory nhằm giữ lại những gì người dùng đã chia sẻ qua nhiều ngày, nhiều tuần và lâu hơn.
MemoryBench kiểm tra trực tiếp sự khác biệt này. Theo bài báo trên arxiv.org, benchmark đánh giá mức độ AI học từ phản hồi tích lũy của người dùng trong thời gian sử dụng thực tế, bao gồm nhiều lĩnh vực, ngôn ngữ và loại tác vụ.
Bài báo cũng chỉ ra rằng ba hướng tiếp cận chính để cải thiện hệ thống AI hiện nay, gồm mở rộng dữ liệu, tăng tham số và test-time computation (tính toán tại thời điểm suy luận), đang dần chạm trần do nguồn dữ liệu chất lượng cao cạn kiệt và mức cải thiện ngày càng nhỏ khi tăng tài nguyên tính toán. Điều này khiến hướng tiếp cận dựa trên bộ nhớ ngày càng được quan tâm nghiên cứu.
Muse Wonder giá bao nhiêu và ai được dùng Wonder Full?
Truy cập qua Meta Model API, Muse Wonder có giá $4 mỗi triệu input token và $20 mỗi triệu output token. Token là các đơn vị văn bản mô hình đọc và tạo ra. Theo TechCrunch, mức giá này tương đương GPT-6 Sol hoặc Opus 5.5.
Muse Wonder Full sẽ không có mặt trên API và chỉ dành cho người đăng ký Muse Code. Cả hai mô hình đều sẽ được dùng để vận hành Muse agent.
Cập nhật 13/10/2026: Theo The Verge, Muse Wonder và Muse Wonder Full mở cho người đăng ký Muse Code từ ngày 12/10, và Wonder cũng dùng được qua Meta Model API. Meta cho biết về lâu dài sẽ dùng Wonder để vận hành trợ lý Muse, bắt đầu từ người đăng ký, nhưng chưa nêu chi tiết hay thời gian. The Verge cũng lưu ý chưa rõ các mô hình này so với Gemini 4 Argon của Google ra sao.
Hai mô hình được huấn luyện tại trung tâm dữ liệu Prometheus của Meta ở trung Ohio, đã đi vào hoạt động đầu năm nay, theo TechCrunch.
Đây là mô hình frontier đầu tiên Meta ra mắt kể từ khi nhà sáng lập Scale AI, Alexandr Wang, tái cơ cấu bộ phận AI của Meta vào tháng 8 năm ngoái. Từ đó đến nay, Meta mới chỉ ra mắt Muse Spark (mô hình nhẹ, độ trễ thấp) và Muse agent, đồng thời tránh kiểu ra mắt mô hình tối tân mà OpenAI và Anthropic thường làm. Các mô hình Wonder nhắm đến tác vụ phức tạp hơn với benchmark cao hơn và kết quả tốt hơn ở các tác vụ như lập trình, theo TechCrunch.
Trước khi triển khai Muse Wonder, cần kiểm những gì?
- Xác định rõ use case của bạn cần bộ nhớ liên tục đa phiên hay chỉ cần context dài trong một phiên. Hai khả năng này khác nhau và có tiêu chí benchmark riêng.
- Kiểm tra điều kiện truy cập: Wonder Full chỉ dành cho người đăng ký Muse Code, không có trên API thông thường.
- So sánh giá mỗi token ($4 input / $20 output mỗi triệu token) với chi phí mô hình hiện tại ở khối lượng sử dụng thực tế.
- Đọc bài báo MemoryBench (arxiv.org/abs/2510.17281) để hiểu benchmark thực sự đo gì và hệ thống hiện tại đang thiếu hụt ở đâu.
- Tự chạy kiểm thử đa phiên trước khi kết luận rằng điểm benchmark của Meta phản ánh đúng hiệu năng trong lĩnh vực hoặc ngôn ngữ cụ thể của bạn.
- Theo dõi đánh giá độc lập từ bên thứ ba về chất lượng active memory khi chúng xuất hiện, vì điểm số hiện có đều đến từ kiểm thử của chính Meta.
Góc nhìn Hingewise: active memory thay đổi cuộc chơi tìm kiếm AI như thế nào?
Theo nhận định biên tập của Hingewise, một trợ lý AI nhớ được sở thích người dùng sẽ vận hành như một kênh khám phá khác với trợ lý bắt đầu lại từ đầu ở mỗi hội thoại. Đó là hàm ý chính của active memory với các thương hiệu muốn xuất hiện trong câu trả lời AI.
Giả sử một người dùng cho trợ lý biết họ thích phần mềm có gói miễn phí, và sở thích đó được giữ lại nhiều tuần. Khi ấy các gợi ý sau này có thể được lọc qua sở thích đã lưu, nghiêng về những thương hiệu phù hợp sẵn. Meta chưa cho biết bộ nhớ đã lưu ảnh hưởng thế nào đến gợi ý, nên đây là một kịch bản, không phải hành vi đã được công bố.
Nếu bộ nhớ vận hành như vậy, mức hiển thị trong câu trả lời AI sẽ mang tính tích lũy hơn: những gì trợ lý biết sớm về nhu cầu người dùng có thể đi theo sang các phiên sau.
Theo Hingewise, thương hiệu sớm bị gắn liên tưởng không tốt có thể chịu rủi ro lớn hơn thương hiệu đơn giản là chưa được nhắc tới.
Điểm MemoryBench của Meta đến từ kiểm thử nội bộ, chưa có đánh giá bên thứ ba độc lập. Active memory hoạt động ra sao khi dùng hằng ngày vẫn là ẩn số cho đến khi có đánh giá bên ngoài. Bên cạnh đó, Wonder Full chỉ dành cho người đăng ký Muse Code và không có trên API, dù Meta cho biết sẽ dùng Wonder để vận hành Muse agent, bắt đầu từ người đăng ký.
Nhận định của Hingewise: bộ nhớ dài hạn trong các mô hình frontier có thể khiến những liên tưởng sớm về thương hiệu trong hội thoại với AI trở nên quan trọng hơn. Điều đáng theo dõi không nằm ở điểm MemoryBench do Meta tự công bố, mà ở cách các bên đánh giá độc lập chấm khả năng nhớ qua nhiều phiên trong những tháng tới.
Nguồn:
TechCrunch, “Meta releases its first frontier model, Muse Wonder,” 12/10/2026
arxiv.org, “MemoryBench: A Benchmark for Memory and Continual Learning in LLM Systems”
The Verge, “Meta has some Wonder Full new AI models,” 12/10/2026
Bài viết được soạn với sự hỗ trợ của AI từ các nguồn dẫn ở trên và đối chiếu với các nguồn đó trước khi đăng. "Góc nhìn Hingewise" là nhận định biên tập của Hingewise, dựa trên khung phân tích và lập trường chúng tôi dùng trong công việc GEO. Cách chúng tôi làm việc: Chính sách biên tập.