Meta Muse Wonder: Bảng Điểm Tự Công Bố Hoà 7–7, Bản Mạnh Nhất Không Có API
Ngày 12/10/2026 Meta ra Muse Wonder và Muse Wonder Full. Locaith đếm bảng 14 phép đo trong thẻ mô hình: so với Claude Fable 5.1, GPT-6 Astra và Claude Opus 5.5, bản Full dẫn 7 hàng và kém 7 hàng; bản Wonder gọi được qua API chỉ dẫn 4. Artificial Analysis đo Wonder ở 52 điểm với 4,52 USD mỗi tác vụ,
Ngày 12/10/2026, Meta ra mắt Muse Wonder và Muse Wonder Full, hai mô hình mà trang công bố mô tả là "frontier" cho tác tử cá nhân và công việc. Locaith đếm bảng 14 phép đo trong thẻ mô hình của Meta: so với ba mô hình đối chứng Meta chọn (Claude Fable 5.1, GPT-6 Astra, Claude Opus 5.5), bản Full dẫn ở 7 hàng và kém ở 7 hàng; bản Wonder, bản duy nhất gọi được qua API, dẫn ở 4 hàng. Artificial Analysis (AA) đo Wonder ở 52 điểm với 4,52 USD mỗi tác vụ, khoảng sáu lần GPT-6.1 Sol ở cùng 52 điểm; điểm 56 của bản Full có trong bảng AA nhưng không có chi phí, vì chưa có API công khai. Thẻ mô hình cũng tự ghi: trong 92 cờ bài ExploitGym mô hình lấy được, chỉ 21 cờ qua lỗ hổng chủ định.
Meta công bố gì ngày 12/10
Trang công bố của Meta giới thiệu "dòng Muse Wonder" gồm hai mô hình, "mạnh nhất tới nay" của Meta, và nói chúng đạt kết quả "hiện đại nhất" (state-of-the-art) ở các phép đo cho tác tử cá nhân và công việc, bộ nhớ và lập trình. Muse Wonder có ngay qua Meta Model API và Muse Code; Muse Wonder Full có ngay cho người đăng ký Muse Code. Meta nói Wonder sẽ sớm chạy trong ứng dụng Muse, ưu tiên người trả phí. Meta cũng nói đã đại tu mảng AI từ gốc cách đây 14 tháng và huấn luyện hai mô hình ở trung tâm dữ liệu Prometheus quy mô gigawatt (TechCrunch ghi vị trí ở bang Ohio). Hai năng lực Meta nhấn mạnh là "Active Memory" (mang ngữ cảnh về người dùng qua nhiều cuộc trò chuyện) và "Active Focus" (tiếp tục làm khi gặp vướng, thử hướng khác, hỏi lại khi cần).
Thẻ mô hình 13 trang của Meta bổ sung thông số: ngữ cảnh 1 triệu token khi suy luận, đầu vào gồm văn bản, ảnh, video và âm thanh, đầu ra chỉ có văn bản, không dành cho người dưới 18 tuổi. Đây là mô hình đóng; AA ghi nó là "proprietary". Về giá: trang công bố của Meta không nêu giá và trang giá của Meta Model API (dev.meta.ai/pricing) trả "page isn't available" khi Locaith kiểm. Danh mục của OpenRouter và trang AA cùng ghi 4 USD cho mỗi triệu token đầu vào, 20 USD cho mỗi triệu token đầu ra, đọc bộ nhớ đệm 0,20 USD. CNBC ghi gói thuê bao: ứng dụng Muse 20 hoặc 100 USD mỗi tháng; Muse Code, nơi có bản Full, 50 hoặc 200 USD mỗi tháng. TechCrunch ghi bản Full "sẽ không được phục vụ qua API".
Đếm bảng điểm: bản Full hoà 7–7, bản API dẫn 4 trên 14
Phép đo nào Meta cũng đặt bản Full và bản Wonder cạnh ba mô hình đối chứng ở mức suy luận cao nhất. Locaith lấy điểm đối chứng tốt nhất trong ba mô hình ở từng hàng rồi so với bản Full (với OSWorld dùng điểm "partial", chỉ số chính theo thẻ). Kết quả:
| Phép đo | Nguồn kết quả (theo thẻ) | Full | Wonder | Tốt nhất trong 3 đối chứng | Full so với đối chứng |
|---|---|---|---|---|---|
| Personal Superintelligence Index (PSI) | Meta tự đặt, gộp 7 phép đo | 59,1 | 54,3 | 55,2 (Opus 5.5) | +3,9 |
| Harvey LAB-AA | Artificial Analysis | 13,1 | 10,0 | 8,6 (Astra) | +4,5 |
| Vals Finance Agent V2 | Vals AI | 59,1 | 56,6 | 58,9 (Fable 5.1) | +0,2 |
| HealthBench Pro | Meta chạy; điểm Fable, Opus lấy từ system card của Anthropic | 62,3 | 60,5 | 65,6 (Opus 5.5) | −3,3 |
| AutomationBench-AA | Artificial Analysis | 45,4 | 39,1 | 41,6 (Astra) | +3,8 |
| GDP.pdf | Surge | 33,2 | 30,8 | 34,2 (Astra) | −1,0 |
| JobBench | thẻ không nêu | 75,3 | 70,5 | 75,4 (Opus 5.5) | −0,1 |
| OSWorld V2.1 (partial) | Meta chạy; điểm Opus do Anthropic báo | 78,4 | 72,6 | 81,8 (Opus 5.5) | −3,4 |
| MemoryBench | Meta tự đặt | 85,5 | 85,6 | 81,5 (Opus 5.5) | +4,0 |
| Terminal-Bench 4.0-AA | Artificial Analysis | 57,1 | 52,0 | 59,6 (Opus 5.5) | −2,5 |
| DeepSWE 1.1 | Datacurve (Muse, Opus), OpenAI báo (Astra), Anthropic báo (Fable) | 79,0 | 78,8 | 74,2 (Opus 5.5) | +4,8 |
| SWE-Marathon | Abundant AI; khung chạy khác nhau; Full ở mức xhigh | 57,5 | 53,1 | 46,3 (Opus 5.5) | +11,2 |
| ProgramBench | thẻ không nêu nguồn; cùng khung mini-swe-agent | 59,0 | 50,0 | 70,5 (Opus 5.5) | −11,5 |
| AA Intelligence Index v4.3 | Artificial Analysis | 56 | 52 | 58 (Opus 5.5) | −2 |
- Bản Full dẫn 7 hàng, kém 7 hàng. Chênh lệch dẫn từ +0,2 (Vals) tới +11,2 (SWE-Marathon); chênh lệch kém từ −0,1 (JobBench) tới −11,5 (ProgramBench). Tính theo ô được tô đậm trong bảng của Meta, Opus 5.5 đứng đầu 6 hàng, Full 6 hàng, Wonder 1 hàng (MemoryBench), GPT-6 Astra 1 hàng; Fable 5.1 không đứng đầu hàng nào.
- Bản gọi được qua API chỉ dẫn 4 hàng: Harvey LAB-AA (+1,4), MemoryBench (+4,1), DeepSWE (+4,6), SWE-Marathon (+6,8). Ở 10 hàng còn lại Wonder kém đối chứng tốt nhất, nặng nhất là ProgramBench (−20,5) và OSWorld partial (−9,2).
- Hàng Meta tự đặt đều là hàng Meta dẫn, nhưng không chỉ có thế. PSI và MemoryBench là phép đo nội bộ của Meta và Full dẫn cả hai; PSI còn gồm FocusBench và VBT (cũng nội bộ) cùng ba phép đo xuất hiện riêng trong bảng (AutomationBench-AA, JobBench, GDP.pdf). Năm trong bảy hàng Full dẫn còn lại có nguồn kết quả ngoài Meta: AA, Vals AI, Datacurve, Abundant AI.
- Luật chọn điểm nghiêng về phía Meta, theo chính thẻ. Thẻ viết: nếu có kết quả bên thứ ba hoặc do hãng báo thì dùng; nếu không, dùng "điểm cao nhất trong lần chạy nội bộ đã kiểm, điểm tự báo hoặc điểm bảng xếp hạng chính thức". Chạy đối chứng nội bộ là "best-effort", prompt và công cụ "có thể chưa được tinh chỉnh tối ưu cho mô hình đóng". SWE-Marathon không phải so sánh cùng khung: điểm của GPT-6 Astra và Claude lấy từ Codex và Claude Code, còn Full ghi mức xhigh.
- Bảng là tập đối chứng do Meta chọn. Không có Claude Sonnet 5.5 (AA đo 56 ở mức max, bằng Full), Gemini 4 Argon (53) hay GPT-6.1 Sol (52). Điều đó không sai, nhưng "dẫn 7 trên 14" chỉ có nghĩa so với ba mô hình này.
Số đo của Artificial Analysis: 52 điểm, 4,52 USD mỗi tác vụ
AA là bên thứ ba mà chính thẻ của Meta dùng làm nguồn cho bốn hàng (Harvey LAB-AA, AutomationBench-AA, Terminal-Bench 4.0-AA và AA Intelligence Index). Trên trang riêng của mình, AA ghi Muse Wonder (max) ở 52 điểm Intelligence Index, hạng 9 trên 219 mô hình, với 4,52 USD mỗi tác vụ của chỉ số, 130 triệu token đầu ra cho cả chỉ số (trung vị trong nhóm so sánh của AA là 85 triệu) và khoảng 85 token mỗi giây. Muse Wonder Full (max) có trong bảng xếp hạng ở 56 điểm, nhưng các cột chi phí và tốc độ để trống: không có API công khai để AA gọi. Số 52 trong bảng của Meta chính là số của AA (Meta nêu AA làm nguồn), nên đây là điểm do bên thứ ba đo; điểm 56 của Full thì Locaith không thể tái lập từ bên ngoài.
- Cùng 52 điểm, giá chênh nhiều lần: GPT-6.1 Sol (max) 0,72 USD, Claude Sonnet 5.5 (xhigh) 2,01 USD, GPT-6 Astra (xhigh) 2,31 USD, Muse Wonder (max) 4,52 USD. Tức Muse Wonder đắt cỡ 6 lần Sol, 2,2 lần Sonnet 5.5, 2,0 lần Astra; AA làm tròn đến cent nên tỉ lệ với số nhỏ là xấp xỉ.
- Cao hơn 2 điểm mà rẻ hơn: Claude Opus 5.5 (high) đạt 54 điểm với 1,82 USD mỗi tác vụ, cỡ 0,4 lần chi phí của Muse Wonder (max).
- Lời nói về giá đúng một nửa. Alexandr Wang nói với CNBC giá API sẽ "thấp hơn đáng kể" các mô hình hàng đầu của OpenAI và Anthropic. Theo AA ở mức max, Muse Wonder (4,52 USD) rẻ hơn Claude Opus 5.5 (5,98 USD) và Claude Fable 5.1 (7,63 USD), nhưng đắt hơn GPT-6 Astra (3,26 USD) và GPT-6.1 Sol (0,72 USD). TechCrunch viết giá niêm yết "ngang GPT-6 Sol hoặc Opus 5.5"; chênh lệch chi phí mỗi tác vụ phần lớn đến từ số token mô hình sinh ra, không chỉ từ giá niêm yết.
Chi phí mỗi tác vụ của AA đo trên bộ tác vụ của AA, không phải khối lượng của bạn. Nó cho biết thứ tự, không phải hoá đơn.
Phần an toàn trong thẻ: hai chi tiết đáng đọc
Thẻ có mục đánh giá rủi ro theo "Meta Superintelligence Scaling Framework". Kết quả chạy trên bản Full. Hai chi tiết Locaith thấy đáng ghi lại, đều do chính Meta nêu:
- ExploitGym: 92 cờ, 21 cờ qua lỗ hổng chủ định. Mô hình lấy được 92 cờ; một lượt kiểm tra bằng bộ xác minh "GPT-cyber", được Gemini 3.1 Pro xác nhận độc lập, thấy chỉ 21 cờ dùng lỗ hổng mà bài thi chủ định, còn 71 cờ lấy qua lỗ hổng không chủ định. Thẻ nói bảng xếp hạng công khai của ExploitGym chỉ đếm cờ chủ định nên 21 mới là số so sánh được. Thẻ không nêu tổng số cờ của bài thi, nên Locaith không tính được tỉ lệ.
- Hoá sinh: "không loại trừ" ngưỡng rủi ro cao khi chưa giảm thiểu. Thẻ viết nếu không có biện pháp giảm thiểu, Meta "không loại trừ" mô hình đạt ngưỡng rủi ro cao ở lĩnh vực hoá học và sinh học, nên áp dụng huấn luyện an toàn sau huấn luyện và bộ phân loại ở tầng hệ thống. Trước khi giảm thiểu, an ninh mạng và mất kiểm soát được xếp "vừa hoặc thấp hơn". Hai ô của ABC Bench (Fragment Design, Screening Evasion) bỏ trống vì tỉ lệ từ chối cao và các lượt từ chối bị loại trước khi chấm.
Các số còn lại (CyberGym 88,4%, ExploitBench 58,9%, MASK 87,3%, Agentic Misalignment 0%, BioTIER tiếng Anh 98,7%) chỉ có một mô hình, không có số đối chứng, và do Meta tự chạy; Locaith không so được. Meta nói "báo cáo đầy đủ với các đánh giá an toàn bổ sung sẽ có sớm" và chưa công bố.
Một chi tiết sản phẩm: bộ nhớ dài và quyền truy cập
CNBC ghi một số người dùng ứng dụng Muse phàn nàn trên mạng xã hội rằng tác tử truy cập tin nhắn cá nhân khi chưa được phép; Meta bác bỏ. Wang giải thích với CNBC rằng người dùng có thể đã cho phép ở đầu cuộc trò chuyện rồi quên, và Meta đang hướng dẫn thêm. Locaith không kiểm được các phàn nàn này. Đáng chú ý ở đây là thiết kế: bộ nhớ qua nhiều ngày cộng với quyền truy cập tin nhắn, lịch và tài liệu làm cho câu hỏi "tôi đã cho phép việc này khi nào" khó trả lời hơn. Thẻ mô hình của Meta tự khuyến nghị bên triển khai thêm "xác nhận có người cho hành động không thể hoàn tác".
Doanh nghiệp Việt Nam nên làm gì
- Thử đúng bản gọi được. Muốn dùng qua API thì bản có sẵn là Muse Wonder (52 điểm AA), không phải Full. Điểm 56 và các hàng Full dẫn chưa áp dụng cho bản đó.
- Đo token trên khối lượng thật. Cùng 52 điểm, chi phí mỗi tác vụ chênh tới cỡ 6 lần. Chạy 50 đến 100 tác vụ của chính bạn và đo token đầu ra trước khi so giá niêm yết.
- Hỏi về khu vực và điều khoản trước. Bài công bố và thẻ không nêu danh sách quốc gia; Locaith chưa kiểm được việc đăng ký Meta Model API từ Việt Nam. Mô hình đóng, nên không tự đặt máy chủ trong nước được.
- Dùng hàng có nguồn ngoài Meta khi cần bằng chứng mua sắm. Trong bảng, những hàng có AA, Vals AI, Surge hay Datacurve là nguồn kiểm được từ bên ngoài; PSI và MemoryBench thì không.
Giới hạn của bài này
Locaith không tự chạy Muse Wonder và không có quyền truy cập bản Full. Mọi điểm trong bảng của Meta là số do hãng công bố, kể cả hàng có nguồn bên thứ ba: Meta chọn phép đo nào đưa vào bảng. Đối chiếu ngoài Meta chỉ có điểm 52 và chi phí của Wonder từ AA. Gói thuê bao và lời của Wang lấy từ CNBC, chưa thấy trang giá chính thức của Meta. Vị trí "hạng 9" là như trang AA hiển thị lúc đọc và có thể đổi.
Nguồn:
- Meta — Muse Wonder: A Frontier Model For Personal & Professional AI Agents, 12/10/2026 — mô hình, sẵn sàng, mô tả năng lực
- Meta — Muse Wonder Model Card (PDF 13 trang) — bảng 14 phép đo, phương pháp, ngữ cảnh 1M token, ExploitGym 92/21, rủi ro hoá sinh
- Meta Newsroom — Introducing Muse Wonder and Muse Wonder Full: Frontier Models for Agents, 12/10/2026
- Artificial Analysis — Muse Wonder (Max) và LLM Leaderboard, đọc 00:08 UTC ngày 13/10/2026 — 52 điểm, 4,52 USD mỗi tác vụ, 130M token đầu ra
- OpenRouter — meta/muse-wonder — giá niêm yết 4 và 20 USD mỗi triệu token, đọc bộ nhớ đệm 0,20 USD
- TechCrunch — Meta releases its first frontier model, Muse Wonder, 12/10/2026
- CNBC — Meta debuts Muse Wonder AI model in test of users' willingness to pay, 12/10/2026 — gói thuê bao, lời của Alexandr Wang
Locaith đọc trực tiếp các nguồn trên ngày 13/10/2026. Các con số 7–7, 4 trên 14, chênh lệch từng hàng, "khoảng sáu lần", 2,2 lần, 2,0 lần và 0,4 lần là phép tính của Locaith từ số công bố của Meta và AA; script đếm lưu cùng ảnh chụp bảng AA. Các câu trích từ thẻ mô hình, CNBC và TechCrunch do Locaith dịch. Ảnh bìa: tranh nền Meta dùng cho bài công bố, Locaith cắt về 1200×630. Hình trong bài: bảng điểm trong thẻ mô hình của Meta (Locaith chỉ cắt khung) và một đồ hoạ do Locaith dựng theo số của Artificial Analysis. Ban Biên Tập Locaith biên soạn và phân tích ngày 13/10/2026.