Active Memory do Muse Wonder: como o modelo da Meta lembra de você entre conversas

Reexplicar o projeto inteiro toda vez que abre uma conversa nova com a IA é cansativo demais, né?

Tu já passou por isso: explica a stack, o padrão de código, o tom do texto, o que já foi feito… e na conversa seguinte é como se nada tivesse acontecido 😛

Pois é, a Meta lançou a família Muse Wonder, com dois modelos (Muse Wonder e Muse Wonder Full), e um dos recursos de destaque é justamente o Active Memory

A promessa é levar o contexto sobre você de uma conversa para a outra

Neste post eu te conto como o Active Memory do Muse Wonder funciona, em que tipo de trabalho ele faz diferença de verdade e o que a Meta AINDA não explicou sobre ele

Bora?

Muse Wonder: o modelo de fronteira da Meta e onde o Active Memory entra

Segundo o TechCrunch, o Muse Wonder foi anunciado em 12/10/2026 e é a primeira tentativa da Meta de lançar um modelo de fronteira

Quem lançou foi o Meta Superintelligence Lab, como mostra a mesma cobertura do TechCrunch, e a empresa apresenta os modelos como feitos para tarefas agênticas pessoais e profissionais

Ou seja, a ideia não é só responder pergunta, é executar tarefa por você, com mais autonomia

E aí entram os dois recursos que dividem o destaque no lançamento:

• Active Memory: guarda o contexto importante sobre você entre conversas e recupera o que for relevante para a tarefa atual
• Active Focus: é sobre persistência, tentar outra abordagem quando uma falha, contornar bloqueios, pedir esclarecimento e confirmar com você antes de ações importantes

Resumindo de um jeito simples: um LEMBRA, o outro INSISTE na tarefa

O Active Memory cuida do que você já contou, o Active Focus cuida de não largar o trabalho no meio do caminho 🙂

Como o Active Memory funciona: o que ele guarda e quando traz de volta

A definição oficial, no blog de pesquisa da Meta, é bem direta: o recurso leva o contexto importante sobre o usuário de uma conversa para outra e recupera ativamente os detalhes relevantes para a tarefa atual

Segundo a Meta, o objetivo é lembrar o que importa para você ao longo de dias, semanas, meses e além

O que fica guardado na memória?

São três tipos de informação:

• Preferências: como você gosta das coisas (formato, estilo, jeito de trabalhar)
• Pedidos anteriores: o que você já pediu antes
• Projetos em andamento: aquilo em que você está trabalhando e que continua de uma sessão para outra

O que significa recuperação "ativa"?

Aqui está o ponto central, se liga nisso

O modelo não despeja tudo que sabe sobre você em toda resposta, ele traz de volta o detalhe quando o detalhe é relevante para o que você está fazendo agora

É como trabalhar com um colega que lembra da reunião da semana passada SÓ quando o assunto volta, sem ficar repetindo tudo a cada frase

E o resultado prático é não precisar explicar tudo de novo a cada conversa

E como isso é armazenado por baixo dos panos?

A Meta não divulgou

Não tem documentação sobre o mecanismo técnico, nem limite de tamanho, nem onde essas memórias ficam

O que está público até agora é o que a memória guarda e a proposta de recuperar quando for relevante

MemoryBench: como a Meta mede a memória do Muse Wonder

Pra medir isso, a Meta usa um benchmark interno chamado MemoryBench

Funciona assim:

• Fatos ficam escondidos em conversas de 64K a 100K tokens
• O teste adiciona distrações no meio
• Alguns fatos são ALTERADOS no meio da conversa

Nos testes da própria Meta, as duas versões do Muse Wonder fazem cerca de 85,5 no MemoryBench, acima de todos os outros modelos que a empresa testou, incluindo modelos da OpenAI e da Anthropic

Dá pra confiar nesse número?

Com ressalva

É um benchmark interno, rodado pela própria Meta, sem verificação independente até agora

Empresa medindo o próprio modelo no próprio teste sempre merece um "será?" 🤔

Por que o teste de fatos alterados importa?

Essa parte do MemoryBench é a mais interessante pra quem pensa em memória de longo prazo

Lembrar um fato é uma coisa, perceber que ele MUDOU e usar a versão nova é outra bem diferente

Na vida real, preferências mudam, projetos trocam de rumo, a stack muda… e uma memória que não acompanha isso vira problema, não solução

Em que tipo de trabalho contínuo a memória entre conversas muda o resultado

Memória entre conversas faz mais sentido quando o trabalho tem continuidade, se liga nesses cenários

Projeto de código que atravessa várias sessões

O Muse Wonder está disponível no Muse Code, o agente de programação da Meta que roda no terminal

Quem programa sabe: projeto real não termina numa sessão só

Um modelo que lembra do projeto em andamento evita aquele ritual de reexplicar estrutura, decisões e o que já foi feito toda vez que você volta pro terminal

Preferências de estilo e formato

Se você sempre pede resposta no mesmo formato, com o mesmo tom, ou segue um padrão de código específico, a ideia é não precisar repetir isso em todo pedido

Parece pouco, mas no dia a dia economiza um monte de prompt repetitivo

Tarefas que retomam pedidos anteriores

"Lembra daquele relatório que você montou?" ou "continua aquela refatoração"

Como pedidos passados fazem parte do que a memória guarda, esse tipo de retomada é exatamente o caso de uso que o recurso mira

Acompanhamento de projetos ao longo de semanas

A Meta fala em lembrar o que importa por dias, semanas, meses e além

Pra quem usa IA como daily driver num projeto longo, é aí que a memória tem mais chance de pesar

E quando a memória pesa pouco?

Em tarefa pontual

Traduzir um texto, tirar uma dúvida rápida, gerar um snippet isolado… nesses casos o contexto histórico quase não muda nada

O ganho aparece quando o trabalho é CONTÍNUO, não quando é avulso

O que a Meta ainda não explicou sobre o Active Memory

Aqui vale ser transparente

O anúncio não descreve limites de memória e não explica como o usuário pode revisar ou apagar o que o modelo guardou

E isso importa MUITO pra um agente pessoal

Pensa comigo: se o modelo lembra de você por meses, você precisa saber o que ele lembra, poder corrigir quando algo está errado e poder apagar quando não quiser mais aquilo guardado

Por enquanto não tem instrução oficial sobre nada disso

Então vale ficar de olho em quando a Meta documentar esses controles

O que um agente pessoal com memória exige de quem usa

Mesmo sem configuração documentada, dá pra ter uma postura mais esperta ao usar um modelo que lembra de você

Pense no que vale a pena compartilhar

Como não existe forma documentada de revisar ou apagar a memória, trate o que você conta como algo que pode ficar guardado

Antes de despejar contexto, pergunta pra si mesmo: isso precisa estar aí?

Evite dados sensíveis

Senha, chave de API, dado pessoal de cliente, informação confidencial… nada disso deveria entrar numa conversa com memória persistente sem controle claro

Tome cuidado! Esse é o tipo de coisa que dá dor de cabeça depois

Se privacidade é prioridade no seu caso, vale conhecer a alternativa de rodar o modelo na sua máquina, onde o controle do que sai de lá é seu

Avise quando algo mudou

Lembra do teste de fatos alterados do MemoryBench?

Na prática, isso significa que é bom avisar EXPLICITAMENTE quando uma preferência ou um fato do projeto mudou

"Agora o padrão é outro", "trocamos de biblioteca", "esse requisito caiu"… deixar isso claro ajuda o modelo a não usar a versão velha da informação

Confira se o detalhe recuperado ainda vale

Quando o modelo trouxer algo da memória, dá aquela conferida rápida: isso ainda se aplica à tarefa de agora?

Memória útil num dia pode estar desatualizada no outro

Aproveite o Active Focus

O Active Focus tem um comportamento que combina bem com tudo isso: ele confirma com você antes de ações importantes

Essa confirmação é o momento ideal pra pegar uma informação desatualizada antes que ela vire problema 😀

Muse Wonder x Muse Wonder Full: onde usar e quanto custa

Agora a parte prática: onde cada modelo está disponível e quanto custa

Onde	Modelo	Acesso e preço
Meta Model API	Muse Wonder	Self-serve, compatível com o SDK da OpenAI, cadastro em dev.meta.ai. US$ 4 por milhão de tokens de entrada, US$ 20 por milhão de tokens de saída e US$ 0,20 por milhão de tokens de entrada em cache
Muse Code	Muse Wonder	Disponível no agente de terminal da Meta
Muse Code (plano Power Usage)	Muse Wonder Full	US$ 50/mês, 20x a cota base
Muse Code (plano Maximum Usage)	Muse Wonder Full	US$ 200/mês, 80x a cota base
Meta Model API	Muse Wonder Full	Não disponível, a Meta diz que não vai oferecer pela API
App Muse	Muse Wonder	Em breve, assinantes primeiro, sem data definida

O detalhe que mais chama atenção: o Muse Wonder Full fica restrito aos assinantes do Muse Code

Quem quer integrar via API trabalha com o Muse Wonder

E a compatibilidade com o SDK da OpenAI ajuda bastante, porque quem já tem código usando esse SDK não começa do zero

Vale prestar atenção no Active Memory?

Vale, com os pés no chão

A proposta resolve uma dor real de quem trabalha em projetos contínuos com IA: parar de reexplicar tudo a cada conversa

Guardar preferências, pedidos anteriores e projetos em andamento, e trazer isso de volta só quando importa, é exatamente o que um agente pessoal precisa

Porém, os números são internos da Meta e ainda faltam detalhes importantes sobre controle da memória, como limites, revisão e exclusão

Então o próximo passo depende de onde você está:

• Se você programa, dá pra experimentar o Muse Wonder pela Meta Model API ou pelo Muse Code
• Se você está esperando o app Muse, o jeito é acompanhar a liberação, que deve chegar primeiro para assinantes

E aí, memória entre conversas é algo que mudaria seu jeito de usar IA? Bora trocar uma ideia nos comentários

Até o próximo post! 🙂

Perguntas frequentes

O Active Memory do Muse Wonder já funciona no app Muse de consumo?

Ainda não. A Meta diz que o Muse Wonder chega ‘em breve’ no app Muse, sem data definida, e os assinantes vão ter acesso primeiro. Por enquanto, o Active Memory só está disponível via Meta Model API e Muse Code.

Quanto custa usar o Muse Wonder com Active Memory pela API?

A API do Muse Wonder cobra US$ 4 por milhão de tokens de entrada e US$ 20 por milhão de tokens de saída. Tokens de entrada em cache saem mais barato, US$ 0,20 por milhão. Esse preço é só do Muse Wonder, já que o Muse Wonder Full não está disponível pela API.

Qual a diferença de acesso entre Muse Wonder e Muse Wonder Full?

O Muse Wonder está na Meta Model API e no Muse Code. Já o Muse Wonder Full fica restrito aos assinantes do Muse Code, e a Meta afirma que não vai oferecê-lo pela API. Então quem quer o modelo Full precisa de um plano pago do Muse Code.

Preciso de qual plano do Muse Code pra ter acesso ao Muse Wonder Full?

Os planos que liberam o Muse Wonder Full são o Power Usage, por US$ 50 por mês (20x a cota base), e o Maximum Usage, por US$ 200 por mês (80x a cota base). Não tem opção gratuita descrita pra esse modelo específico.

Dá pra ver ou apagar o que o Active Memory guardou sobre mim?

A Meta não explicou isso no anúncio. Não existe informação oficial sobre revisar, editar ou apagar o que o Active Memory armazenou, nem sobre limite de tamanho da memória. É um ponto em aberto que vale acompanhar antes de depender do recurso pra dado sensível.

Active Memory e Active Focus são a mesma coisa no Muse Wonder?

Não, são recursos diferentes que a Meta lançou juntos. O Active Memory cuida de lembrar contexto entre conversas, como preferências e projetos em andamento. O Active Focus é sobre persistência na tarefa atual: tentar outra abordagem quando algo falha, contornar bloqueios e confirmar com você antes de ações importantes.