Muse Wonder面向个人智能体
Muse Wonder是Meta发布的新一代前沿模型系列，包括Muse Wonder和Muse Wonder Full，定位于个人与专业场景中的AI智能体。Meta称，这些模型将通过Meta Model API和Muse Code提供，其中Full版本面向Muse Code订阅者，并将在未来用于Muse产品体验和更复杂的生成流程。
Meta把这次发布放在“个人超级智能”的长期路线中解释。公司称模型训练依托其Prometheus数据中心，并在预训练和强化学习上延续Muse Spark之后的扩展策略。不过，公开材料主要来自Meta自己的博客与评测说明，外部复现和第三方对比仍是理解其真实能力的关键。
Active Memory与Active Focus是核心卖点
这组模型的主要技术叙事集中在两点：Active Memory和Active Focus。前者强调跨对话保留重要上下文，并在相关任务中主动取回；后者强调在长期目标中持续尝试、处理阻碍、适应新信息，并在必要时要求澄清或在关键操作前确认。
Meta还强调Muse Wonder在法律、金融、健康信息理解以及软件开发等任务上的表现，并提到Harvey的Legal Agent Benchmark、FocusBench和SWE-Marathon等评测。对开发者来说，最直接的看点是编码智能体能力：模型被描述为能跟踪需求、修改代码库，并经历测试和修订循环。
能力提升之外，隐私与安全仍待观察
如果个人智能体要操作浏览器、应用、日历、消息或私人文档，模型能力只是问题的一半。Meta称Muse Wonder在私密信息处理、抵御恶意指令、CBRN和网络滥用防护方面进行了强化，并会发布更完整的安全评测报告。
当前最大的开放问题是，这些能力在真实用户环境中是否稳定，尤其是在长期任务、敏感数据和多工具操作同时出现时。Muse Wonder的发布显示大模型竞争正从聊天回答转向可执行任务的智能体，但其可靠性、权限边界和独立评测结果，将决定它是否能超越演示阶段。