Meta Muse Diduga Pakai Model [OI] lewat Azure di Balik Avocado

Muse adalah produk agen personal dari Meta. Bagi siapa pun yang penasaran bagaimana produk agen AI sebenarnya bekerja di balik layar, Muse menyimpan petunjuk yang tidak biasa: setiap sesi agen mencatat model mana yang dipakai. Dari catatan itulah sebuah temuan muncul, dan temuan itu kemudian jadi bahan tulisan Peter James di blog mouse.dev pada 25 September 2026.

Yang ditemukan cukup spesifik. Di antara puluhan sesi yang tercatat di mesin virtual miliknya, hampir semuanya diarahkan ke model internal Meta bernama Avocado. Satu pengecualian muncul: sebuah subagen memakai model dengan nama azure/muse-special.

Apa yang ditemukan

Penulisnya sedang menjalankan Muse untuk membangun situs webnya. Muse mencatat model yang dipakai setiap sesi agen, dan catatan itulah yang dibaca. Hasilnya: seluruh sesi memakai Avocado, kecuali satu sesi azure/muse-special yang tercatat pada 21 September.

Satu sesi aneh di antara puluhan sesi normal memang mudah dilewatkan. Tapi karena namanya mengandung awalan azure, dan karena Muse adalah produk Meta yang seharusnya memakai model internal, nama itu memicu pertanyaan yang lebih besar: apakah Muse diam-diam memakai model dari laboratorium AI lain?

Tulisan ini adalah bagian kedua dari penelusuran sistem berkas Muse. Bagian pertama sempat masuk halaman depan Hacker News, dan menurut penulisnya, tim Muse merespons dengan cukup terbuka.

Menelusuri jejaknya

Langkah pertama adalah mencari nama itu di dalam repository. Hasil pencarian menemukan sebuah komentar yang menyebut klien model GPT Responses lewat lane Azure, dengan penyebutan MAGI native. Katalog model juga memuat azure/muse-special diikuti azure/gpt-5.6-sol.

Dari situ, penelusuran berlanjut ke transkrip sesi. Dua detail menonjol di sana. Pertama, ada tanda tangan bertag gpt_responses_v1 yang memuat payload terenkripsi dengan awalan gAAAAA, yang menurut penulisnya adalah pola yang dipakai [OI]. Kedua, ID pemanggilan alat memakai pola call_ diikuti 24 karakter campuran huruf besar-kecil.

Pola itu berbeda dari semua baris lain yang dicetak sesi Avocado. Sesi Avocado memakai pola call_ diikuti 32 karakter heksadesimal. Perbedaan format ID memang detail kecil, tapi justru detail semacam ini yang menunjukkan bahwa jalur yang dilalui berbeda.

Kesimpulan yang bisa ditarik dari petunjuk itu: muse-special kemungkinan adalah model [OI] yang disajikan lewat Azure. Berkas dan log tidak memberi tahu model GPT yang mana secara persis, dan tidak menjelaskan mengapa subagen itu memilihnya.

Katalog model yang ikut dikirim

Bagian yang lebih luas dari temuan ini adalah katalog model yang disertakan bersama daemon agen Muse. Isinya sekitar 15 versi Avocado, ditambah sejumlah model lain.

• Model yang disebut sebagai 4.6, 4.7, dan 4.8.
• Sonnet 4.6 dan Haiku 4.5.
• Varian GPT-5.5 dan GPT-5.6 lewat [OI], Azure, dan Codex.
• Kimi K3 lewat Fireworks dan rute yang dihosting Meta.

Satu catatan penting yang diberikan penulisnya sendiri: sebuah ID yang ikut dikirim berarti runtime bisa mengalamatkannya, bukan berarti model itu benar-benar dipakai. Katalog yang panjang tidak sama dengan penggunaan yang panjang.

Dukungan Claude yang cukup dalam

Yang membuat penelusuran ini menarik bukan hanya daftar nama model, melainkan kedalaman integrasinya. Dukungan untuk Claude ternyata bukan sekadar ID model, tapi mencakup klien Anthropic lengkap dengan penanganan permintaan, konversi prompt, dan parser untuk aliran SSE. Nama berkasnya secara eksplisit menyebut request flow, convert prompt, dan parse SSE stream untuk Anthropic.

Selain itu, ada berkas kunci API untuk Anthropic dan [OI], dengan akses dibatasi pada layanan inference-proxy. Ada juga setelan kill switch untuk proksi di variabel lingkungan, dan komentar di dalamnya menyebutnya sebagai kill switch yang aktif, bukan konfigurasi sisa yang sudah tidak terpakai.

Pertanyaannya jadi wajar: kalau Muse dirancang memakai model internal Meta, kenapa semua perangkat ini ikut dikirim?

Dua penjelasan yang masuk akal

Penulisnya mengajukan dua kemungkinan.

Pertama, ada tugas tertentu yang model [OI] atau Anthropic kerjakan lebih baik daripada yang bisa dipenuhi Muse saat ini, sehingga routing dilakukan secara selektif untuk tugas itu.

Kedua, semua mesin virtual dikirim dengan kemampuan melakukan uji A/B terhadap respons model, pemanggilan alat, dan sebagainya, untuk keperluan distilasi dan pembelajaran penguatan.

Yang paling pasti, dan ini poin strukturalnya: model yang benar-benar berada di balik Muse adalah pilihan di sisi server. Karena runtime memuat klien untuk beberapa penyedia, Meta punya kemampuan mengubah routing tanpa perlu memberi tahu pengguna. Dalam kasus penulisnya, hanya ada satu sesi yang keluar dari Avocado, tetapi infrastrukturnya jelas ada untuk melakukan itu dalam skala lebih besar.

Apakah Meta melakukan distilasi dari lab lain?

Pertanyaan ini dijawab penulisnya dengan cukup tegas: tidak, berdasarkan bukti yang ada.

Alasannya ada di cara penalaran mentah ditangani. Pada model muse-special, penalaran mentahnya terenkripsi. Daemon menyimpannya untuk dikirim kembali ke Azure pada giliran berikutnya. Di dalam binary-nya, tertulis secara eksplisit bahwa penalaran terenkripsi itu tidak boleh memakai override completion-server untuk pembelajaran penguatan.

Konsekuensinya, yang bisa dilihat Meta dari jalur ini hanya balasan, pemanggilan alat, dan ringkasan penalaran singkat ketika [OI] atau Anthropic mengembalikannya. Rantai pemikiran mentahnya terenkripsi, dan server pembelajaran penguatan menolak blob tersebut. Tidak ada indikasi bahwa Meta menyalin bobot model [OI] atau Anthropic.

Model Avocado diperlakukan berbeda. Teks pemikirannya ditulis langsung ke transkrip dengan tanda tangan kosong, dan tersedia untuk dipakai pembelajaran penguatan. Catatan privasi dan repository untuk model Avocado juga menyatakan bahwa percakapan bisa dipakai untuk mengembangkan AI di Meta kecuali pengguna memilih keluar.

Perbedaan perlakuan ini penting. Ia memperlihatkan bahwa yang menentukan apakah sebuah percakapan bisa dipakai untuk pelatihan bukan sekadar kebijakan, tetapi bagaimana data itu secara teknis mengalir dan disimpan.

Kenapa ini relevan untuk developer

Bagi developer yang membangun atau memakai produk agen AI, ada beberapa hal yang bisa diambil dari temuan ini.

Pertama, produk agen AI saat ini cenderung merupakan lapisan di atas banyak penyedia model. Katalog model, klien multi-penyedia, dan kemampuan mengubah routing dari sisi server adalah pola yang wajar. Kalau pengguna mengasumsikan satu produk memakai satu model saja, asumsi itu sering tidak akurat.

Kedua, metadata di sisi klien bisa mengungkap lebih banyak daripada yang disadari pembuatnya. Format ID pemanggilan alat, pola tanda tangan, dan nama model yang muncul di log adalah jejak yang cukup untuk membedakan jalur mana yang dipakai. Untuk produk yang ingin menyembunyikan detail penyedia, ini pekerjaan yang lebih sulit dari yang terlihat.

Ketiga, soal privasi, perbedaan antara model yang penalarannya dienkripsi dan yang teks pemikirannya tersimpan terbuka adalah pembeda yang nyata. Kalau sebuah produk menyatakan bahwa percakapan bisa dipakai untuk pengembangan AI, pertanyaan lanjutannya adalah bagian mana dari percakapan itu yang benar-benar tersimpan dalam bentuk yang bisa dibaca.

Catatan penulisnya

Penulisnya sendiri menutup tulisannya dengan nada positif terhadap produk ini. Ia menyebut penelusuran ini sebagai eksplorasi pribadi atas rilis yang menurutnya menarik, dan menilai tim yang mengerjakan Muse mengambil pendekatan berbeda di dunia yang penuh chatbot dan kotak pencarian. Respons tim eksekutif Meta atas artikel pertamanya juga dinilainya terbuka, termasuk kesediaan mereka menghubungi orang biasa dan menjelaskan pemikiran mereka.

Ia juga mengingatkan konteksnya: tidak setiap hari seseorang bisa melihat ke dalam sistem berkas sebuah produk yang berpotensi menjangkau ratusan juta orang. Menurutnya, melihat isi runtime seperti ini memberi gambaran awal ke mana arah agen personal akan bergerak. Dan ia menutup dengan catatan singkat bahwa semuanya bergerak cepat, tapi belum benar-benar rusak.

Konteks: apa itu Muse dan kenapa isinya bisa dibaca

Muse adalah agen personal buatan Meta. Yang membuat penelusuran ini mungkin adalah pilihan arsitektur yang tidak umum: agen berjalan di dalam mesin virtual, dan isi mesin virtual itu bisa diakses pengguna. Jadi penulisnya tidak perlu membongkar aplikasi atau melakukan rekayasa balik terhadap binary tertutup. Ia cukup membaca sistem berkas dan transkrip sesi yang memang ada di mesinnya sendiri.

Ada beberapa hal yang membuat detail teknis ini penting. Pertama, agen semacam ini menyimpan banyak sekali informasi operasional di log: model apa yang dipanggil, alat apa yang dijalankan, dan bagaimana hasilnya dikembalikan. Kedua, karena agen berjalan di lingkungan pengguna, sebagian dari informasi itu secara wajar ada di sisi pengguna, bukan hanya di server. Kombinasi keduanya yang membuat penelusuran seperti ini bisa dilakukan.

Penulisnya sendiri menyebut pengalaman ini sebagai kesempatan yang tidak biasa, karena tidak setiap hari seseorang bisa melihat ke dalam sistem berkas produk yang berpotensi menjangkau ratusan juta orang.

Yang bisa dicek sendiri oleh pengguna produk agen

Kalau produk agen AI yang dipakai menyimpan log atau transkrip di sisi pengguna, ada beberapa hal yang masuk akal untuk diperiksa, tanpa perlu alat khusus.

• Cek apakah log mencatat identitas model yang dipakai per sesi. Kalau ya, bandingkan dengan model yang diumumkan produknya. Selisih di situ adalah informasi, bukan bug.
• Cek pola ID pemanggilan alat dan tanda tangan di transkrip. Perbedaan format antar sesi menunjukkan jalur yang berbeda dipakai.
• Cek berkas konfigurasi dan variabel lingkungan untuk daftar penyedia model. Kehadiran kunci API pihak ketiga berarti produk itu memang menyiapkan jalur ke penyedia tersebut.
• Cek catatan privasi soal apakah percakapan bisa dipakai untuk pengembangan model, dan cari tahu bagian mana dari percakapan itu yang tersimpan dalam bentuk terbaca.

Yang perlu diingat, keberadaan entri di katalog atau berkas konfigurasi tidak membuktikan penggunaan. Katalog yang memuat sepuluh model hanya berarti runtime bisa memanggil kesepuluhnya. Bukti pemakaian harus datang dari log sesi yang benar-benar berjalan, dan itulah yang membedakan temuan dalam artikel ini dari sekadar dugaan.

Pola yang kemungkinan akan makin umum

Terlepas dari apa yang sebenarnya terjadi pada satu sesi di satu mesin virtual, temuan ini menggambarkan pola yang kemungkinan akan makin sering muncul di produk agen AI.

Produk agen dibangun sebagai lapisan orkestrasi di atas beberapa penyedia model sekaligus. Pilihan model menjadi keputusan runtime, bukan keputusan yang dipublikasikan saat rilis produk. Karena itu, pengguna yang ingin tahu model apa yang bekerja untuk mereka harus melihat log, bukan halaman pemasaran.

Pola kedua: jalur khusus untuk tugas tertentu. Routing selektif ke model lain untuk satu jenis pekerjaan adalah hal yang wajar secara teknik, karena setiap model punya kekuatan berbeda. Tapi efeknya adalah pengalaman pengguna bisa berbeda antar tugas dengan cara yang sulit diprediksi dari luar.

Pola ketiga: perbedaan perlakuan data antar model di dalam produk yang sama. Dalam temuan ini, penalaran satu model terenkripsi sementara penalaran model internal tersimpan terbuka. Bagi pengguna yang peduli privasi, perbedaan ini lebih penting daripada daftar fitur produknya.

Sumber

• Peter James, "Is Meta's Muse secretly running an [OI] model?", mouse.dev, 25 September 2026: https://mouse.dev/blog/muse-special/
• Diskusi publik atas tulisan ini di Hacker News, 25 September 2026: https://news.ycombinator.com/item?id=44677000

Catatan: seluruh temuan, kutipan, dan kesimpulan teknis dalam artikel ini bersumber dari tulisan penelusuran Peter James dan belum diverifikasi lewat pengujian independen. Kesimpulan bahwa muse-special adalah model [OI] lewat Azure adalah dugaan terbaik penulisnya berdasarkan jejak yang ditemukan, bukan pernyataan resmi Meta.

Rekomendasi Tools & Layanan

Beberapa layanan yang dipake di panduan ini: free trial Alibaba Cloud (coba gratis, sesuaikan kebutuhan), dan halaman promo terbaru buat cek diskon yang lagi jalan bulan ini.