Markdown आवृत्ती

AI-translated from English; not yet reviewed by a fluent editor.

# Meta ने AI एजंट्ससाठी Muse Wonder आणि Wonder Full सादर केले

> Meta ने Model API आणि Muse Code द्वारे Muse Wonder उपलब्ध केले आहे; पात्र सदस्यत्वांमध्ये Wonder Full देखील मिळते. Wonder पुढे ग्राहकांसाठीच्या Muse मध्ये येईल, असे Meta म्हणते; अधिक संपूर्ण सुरक्षा-मूल्यांकनाचे निष्कर्ष अद्याप प्रतीक्षेत आहेत.

By BIG CHANGE Editorial

Published: 2026-10-12T22:13:11.530Z
Updated: 2026-10-12T22:13:11.530Z
Canonical: https://bigchange.ai/blog/meta-muse-wonder-agent-model-access

![Conceptual charcoal illustration of a physical wedding seating plan with round table models and blank place cards, beside a set banquet table.](https://bigchange.ai/api/media/file/meta-muse-wonder-seating-plan-hero-v3.png)
AI-generated conceptual illustration by BIG CHANGE, based on a task described by Meta AI Research; not an actual Muse Wonder output.

Meta ने 12 ऑक्टोबर 2026 रोजी Muse Wonder आणि Muse Wonder Full सादर केले. आधीच्या Spark मॉडेलपासून पुढे जात, Muse मालिकेत Meta ज्या मॉडेल्सना दीर्घ एजंट कामे आणि कठीण कोडिंग कामांसाठी सक्षम म्हणते त्यांचा समावेश झाला. विकसक Meta Model API किंवा Muse Code द्वारे Muse Wonder वापरू शकतात. पात्र Muse Code सदस्यत्वांवर Muse Wonder Full उपलब्ध आहे. ही मॉडेल्स पुढे ग्राहकांसाठीच्या Muse एजंटला चालना देतील, असे Meta म्हणते; मात्र ते 12 ऑक्टोबरच्या विकसक प्रकाशनाचा भाग नाही.

## मोठा बदल

- **काय बदलले:** अनेक टप्प्यांत काम करणारे एजंट तयार करणाऱ्या विकसकांसाठी Meta आता Model API आणि Muse Code द्वारे Muse Wonder देते. Power Usage आणि Maximum Usage Muse Code सदस्यत्वांमध्ये Muse Wonder Full समाविष्ट असल्याचे Meta सांगते; ग्राहकांसाठीच्या Muse उत्पादनात Wonder अजून आलेले नाही.
- **हे महत्त्वाचे का:** सुरुवातीला कोणाला प्रवेश मिळतो यावरून स्वतःच्या साधनांमध्ये हे मॉडेल कोण वापरून पाहू शकते ते ठरते. संभाषणांमधील स्मरणशक्ती आणि अडथळे आल्यावर काम सुरू ठेवण्याची क्षमता असल्याचे Meta सांगते. एकाच prompt ऐवजी दीर्घ काम करणाऱ्या एजंटसाठी या क्षमता महत्त्वाच्या आहेत. रोजच्या वापरातील त्यांची विश्वासार्हता अजून सिद्ध व्हायची आहे.
- **कशाकडे लक्ष द्यावे:** Meta ने वचन दिलेला सुरक्षा अहवाल त्याच्या मूल्यांकनांबद्दल अधिक तपशील देईल. स्वतंत्र चाचण्या उपलब्ध झाल्यावर आणि जाहीर केलेले ग्राहक प्रकाशन झाल्यावर, Meta च्या प्रारंभिक सामग्रीपलीकडे Wonder कसे काम करते हे ठरवण्यासाठी वाचकांकडे अधिक आधार असेल.

## नवीन मॉडेल कोण वापरू शकते

[Meta च्या प्रकाशन घोषणेत](https://about.fb.com/news/2026/10/introducing-muse-wonder-models/) दोन मॉडेल्सची नावे आहेत. Muse Wonder Meta Model API आणि Muse Code द्वारे उपलब्ध आहे. Muse Wonder Full Muse Code सदस्यांना उपलब्ध आहे. [विकसकांसाठीचे मॉडेल पृष्ठ](https://dev.meta.ai/models/muse-wonder) API मॉडेलची ओळख `muse-wonder-1.0` अशी करून देते, एक दशलक्ष token ची context window सांगते आणि प्रति दशलक्ष input token 4 डॉलर, cache केलेल्या input token साठी 0.20 डॉलर आणि output token साठी 20 डॉलर किंमत देते. त्यात `muse-wonder-full-1.0` Power Usage आणि Maximum Usage Muse Code सदस्यत्व योजनांसाठी नमूद आहे; Full साठी API token किंमत दिलेली नाही.

Meta च्या ग्राहक एजंटमध्ये मॉडेल शोधणाऱ्या वाचकांसाठी हा फरक महत्त्वाचा आहे. Muse आधीपासून आहे; BIG CHANGE ने [लहान व्यवसायांशी त्याचे जोड आणि मंजुरी नियंत्रण यावर लिहिले आहे](https://bigchange.ai/blog/meta-muse-small-business-connectors-approvals). Wonder पुढे Muse मधील अनुभवांना चालना देईल, असे Meta सांगते; **लवकरच** त्याची सुरुवात सदस्यांपासून होईल. हा भविष्यातील उत्पादनबदल आहे; Muse वापरणारे लोक सुरुवातीपासूनच Wonder शी बोलत आहेत याचा तो पुरावा नाही. Meta चे [API अवलोकन](https://dev.meta.ai/docs/overview) Muse Wonder चा प्रवेश preview म्हणून वर्णन करते, त्यामुळे स्वीकारण्यापूर्वी उपलब्धता आणि अटी पुन्हा तपासाव्यात.

Wonder चे open-weight प्रकाशन Meta ने जाहीर केलेले नाही. [Axios च्या वृत्तानुसार](https://www.axios.com/2026/10/12/meta-new-ai-models-anthropic-openai) Wonder कुटुंबाचे weights जाहीर करायचे की नाही हे Meta ने सांगितलेले नाही. स्वतंत्रपणे प्रसिद्ध केलेल्या Muse Glimmer चे weights open आहेत; ती स्थिती Wonder ला लागू करू नये.

## स्मरणशक्ती आणि फोकस याबाबत Meta चा अर्थ

Meta ची [संशोधन पोस्ट](https://research.meta.ai/blog/muse-wonder) वर्णन करते **Active Memory** हे संभाषणांमधील महत्त्वाचा संदर्भ जपते आणि सध्याच्या कामासाठी संबंधित तपशील परत मिळवते. ती पुढे **Active Focus** कठीण काम सुरू ठेवण्यासाठी वेगळा मार्ग वापरणे, अडथळा पार करणे, नवीन माहितीशी जुळवून घेणे, स्पष्टीकरण मागणे आणि महत्त्वाच्या कृतीपूर्वी पडताळणे असे वर्णन करते. हे अपेक्षित मॉडेल-वर्तनाचे वर्णन आहे; एजंट प्रत्येक संबंधित तथ्य लक्षात ठेवेल किंवा प्रत्येक काम पूर्ण करेल याची प्रकाशित हमी नाही.

ही यंत्रणा वैयक्तिक आणि व्यावसायिक एजंटसाठीच्या Meta च्या मांडणीशी संबंधित आहे: अनेक पायऱ्या लागू शकणारे काम करताना उपयुक्त एजंटने योग्य संदर्भ टिकवणे आवश्यक आहे. Meta ची [संशोधन पोस्ट](https://research.meta.ai/blog/muse-wonder) जटिल जुळणीच्या अटींवरून Muse Wonder ला लग्नासाठी खास आसन-नकाशा तयार करताना दाखवते; BIG CHANGE ने ते काम पुन्हा केलेले नाही किंवा कंपनीच्या त्या प्रात्यक्षिकावरून सर्वसाधारण विश्वासार्हता तपासलेली नाही. Meta स्मरणशक्ती, कोडिंग आणि दीर्घकाळ चालणाऱ्या कार्यांवरील FocusBench व SWE-Marathon यांसह मूल्यांकनांचा उल्लेख करते. संशोधन पोस्ट आणि मॉडेल पृष्ठ तुलना-परिणाम दाखवतात; मात्र लाँच-दिवसाचे आकडे व निष्कर्ष बहुतांश कंपनीने दिलेले आहेत. [ TechCrunch चे वृत्त](https://techcrunch.com/2026/10/12/meta-releases-its-first-frontier-model-muse-wonder/) तुलनांचे श्रेय Meta च्या चाचण्यांना देते. BIG CHANGE ने मॉडेल चालवलेले नाहीत किंवा ती मूल्यांकने पुन्हा केलेली नाहीत.

## कामगिरी आणि सुरक्षिततेबाबत प्रश्न अद्याप खुले आहेत

Muse Wonder आणि Wonder Full ही आपली सर्वाधिक सक्षम मॉडेल्स असल्याचे Meta म्हणते आणि वैयक्तिक व व्यावसायिक एजंटच्या कामांत ती आघाडीचे परिणाम देतात असा दावा करते. उपलब्ध पुराव्यांवरून समर्थित होणारा अधिक मर्यादित निष्कर्ष असा की Meta ने स्वतः निवडलेल्या कामे, सेटिंग्ज आणि तुलनांच्या आधारे हे परिणाम प्रसिद्ध केले. इतर लोकांची साधने, डेटा आणि मंजुरीच्या टप्प्यांत ही मॉडेल्स किती विश्वासार्ह काम करतात हे यातून सिद्ध होत नाही. स्वतंत्र वृत्तांकन प्रकाशन व प्रवेशाच्या अटींची पुष्टी करते; Meta च्या benchmark दाव्यांची स्वतंत्र पडताळणी करत नाही.

संदेश, दिनदर्शिका किंवा कागदपत्रांवर काम करू शकणाऱ्या एजंटसाठी सुरक्षितता विशेष महत्त्वाची आहे. खाजगी माहिती काळजीपूर्वक हाताळणे, हानिकारक विनंत्यांना विरोध करणे आणि बचावात्मक सायबर कामाला आधार देणे यासाठी Wonder कुटुंबाला प्रशिक्षण दिल्याचे Meta सांगते. [प्रकाशन घोषणा](https://about.fb.com/news/2026/10/introducing-muse-wonder-models/) आणि [संशोधन पोस्ट](https://research.meta.ai/blog/muse-wonder) सांगतात की अतिरिक्त सुरक्षितता-मूल्यांकनांसह पूर्ण अहवाल नंतर येईल. तो अहवाल उपलब्ध होईपर्यंत कंपनीच्या सुरक्षिततेच्या वर्णनाला आधार देणारे संपूर्ण मूल्यांकन वाचक तपासू शकत नाहीत. महत्त्वाच्या कृतीपूर्वी मॉडेलने थांबून विचारावे हा Meta चा हेतू, त्या कृती घडणाऱ्या उत्पादन आणि कामाच्या संदर्भांत तपासला पाहिजे.

सध्या प्रत्यक्ष उपलब्धता म्हणजे विकसकांना Muse Wonder आणि सदस्यांना Muse Wonder Full वापरता येणे. ग्राहकांसाठीची अंमलबजावणी, कामगिरीचे व्यापक स्वतंत्र पुरावे आणि संपूर्ण सुरक्षितता-मूल्यांकन हे स्वतंत्र टप्पे अजून बाकी आहेत.

### स्रोत आणि पुढील वाचन

- [Meta Newsroom: Muse Wonder आणि Muse Wonder Full ची ओळख](https://about.fb.com/news/2026/10/introducing-muse-wonder-models/)(12 ऑक्टोबर 2026). Meta ची घोषणा दोन मॉडेल्सचे प्रकाशन, सध्याचे प्रवेश-विभाजन, Muse मध्ये आणण्याची घोषित योजना आणि कंपनीने सांगितलेला सुरक्षा दृष्टिकोन निश्चित करते. येथे उत्पादन व कामगिरीची वर्णने Meta चे दावे आहेत.
- [Meta AI Research: Muse Wonder](https://research.meta.ai/blog/muse-wonder)(12 ऑक्टोबर 2026). Active Memory आणि Active Focus च्या Meta च्या व्याख्या स्पष्ट करते आणि मूल्यांकनावरील चर्चा सादर करते. Benchmark परिणाम कंपनीने नोंदवले आहेत; अधिक संपूर्ण सुरक्षितता अहवाल नंतर येईल असे Meta सांगते.
- [Meta विकसक मॉडेल पृष्ठ](https://dev.meta.ai/models/muse-wonder)(12 ऑक्टोबर 2026 रोजी पाहिले). मॉडेल ओळखचिन्हे, context window, API token किंमती आणि Muse Code प्रवेशाची माहिती देते. किंमत आणि उपलब्धता बदलू शकते; सेवा वापरण्यापूर्वी पृष्ठ तपासा.
- [Meta Model API अवलोकन](https://dev.meta.ai/docs/overview)(12 ऑक्टोबर 2026 रोजी पाहिले). Muse Wonder ला preview म्हणते आणि विकसक प्रवेशमार्ग देते. प्रत्येक खाते किंवा प्रदेशाला प्रवेश आहे असे ते सिद्ध करत नाही.
- [Axios: Meta ने नवे frontier-class AI मॉडेल्स सादर केले](https://www.axios.com/2026/10/12/meta-new-ai-models-anthropic-openai)(12 ऑक्टोबर 2026). प्रकाशनाचा स्वतंत्र संदर्भ आणि Meta ची स्पर्धात्मक स्थिती मांडते; open-weight Muse Glimmer हे वेगळे मॉडेल असल्याचे स्पष्ट करते. Wonder चे benchmark निष्कर्ष पडताळत नाही.
- [TechCrunch: Meta ने पहिले frontier मॉडेल प्रसिद्ध केले](https://techcrunch.com/2026/10/12/meta-releases-its-first-frontier-model-muse-wonder/)(12 ऑक्टोबर 2026). प्रकाशन व प्रवेशाच्या अटींचे स्वतंत्र वृत्तांकन करते आणि कामगिरीची तुलना Meta च्या चाचण्यांवर आधारित असल्याचे सांगते. BIG CHANGE ने प्रत्यक्ष चाचणी केली नाही.

## Sources

- [Meta Newsroom: Muse Wonder आणि Muse Wonder Full ची ओळख](https://about.fb.com/news/2026/10/introducing-muse-wonder-models/) — (12 ऑक्टोबर 2026). Meta ची घोषणा दोन मॉडेल्सचे प्रकाशन, सध्याचे प्रवेश-विभाजन, Muse मध्ये आणण्याची घोषित योजना आणि कंपनीने सांगितलेला सुरक्षा दृष्टिकोन निश्चित करते. येथे उत्पादन व कामगिरीची वर्णने Meta चे दावे आहेत.
- [Meta AI Research: Muse Wonder](https://research.meta.ai/blog/muse-wonder) — (12 ऑक्टोबर 2026). Active Memory आणि Active Focus च्या Meta च्या व्याख्या स्पष्ट करते आणि मूल्यांकनावरील चर्चा सादर करते. Benchmark परिणाम कंपनीने नोंदवले आहेत; अधिक संपूर्ण सुरक्षितता अहवाल नंतर येईल असे Meta सांगते.
- [Meta विकसक मॉडेल पृष्ठ](https://dev.meta.ai/models/muse-wonder) — (12 ऑक्टोबर 2026 रोजी पाहिले). मॉडेल ओळखचिन्हे, context window, API token किंमती आणि Muse Code प्रवेशाची माहिती देते. किंमत आणि उपलब्धता बदलू शकते; सेवा वापरण्यापूर्वी पृष्ठ तपासा.
- [Meta Model API अवलोकन](https://dev.meta.ai/docs/overview) — (12 ऑक्टोबर 2026 रोजी पाहिले). Muse Wonder ला preview म्हणते आणि विकसक प्रवेशमार्ग देते. प्रत्येक खाते किंवा प्रदेशाला प्रवेश आहे असे ते सिद्ध करत नाही.
- [Axios: Meta ने नवे frontier-class AI मॉडेल्स सादर केले](https://www.axios.com/2026/10/12/meta-new-ai-models-anthropic-openai) — (12 ऑक्टोबर 2026). प्रकाशनाचा स्वतंत्र संदर्भ आणि Meta ची स्पर्धात्मक स्थिती मांडते; open-weight Muse Glimmer हे वेगळे मॉडेल असल्याचे स्पष्ट करते. Wonder चे benchmark निष्कर्ष पडताळत नाही.
- [TechCrunch: Meta ने पहिले frontier मॉडेल प्रसिद्ध केले](https://techcrunch.com/2026/10/12/meta-releases-its-first-frontier-model-muse-wonder/) — (12 ऑक्टोबर 2026). प्रकाशन व प्रवेशाच्या अटींचे स्वतंत्र वृत्तांकन करते आणि कामगिरीची तुलना Meta च्या चाचण्यांवर आधारित असल्याचे सांगते. BIG CHANGE ने प्रत्यक्ष चाचणी केली नाही.