今天，Meta旗下Meta Superintelligence Labs 发布了Muse Wonder 和 Muse Wonder Full 两款新模型。
Meta 将其称为目前能力最强的模型，并宣称它们在个人和专业智能体任务上达到了业界领先水平。
Meta 表示，Muse Wonder 是其向“个人超级智能”迈进的重要一步。
14个月前，Meta 开始从底层全面重构自己的 AI 体系。从重新搭建技术栈，到此前推出 Muse Spark，再到今天的 Muse Wonder，Meta 将这一过程描述为从“重建基础”，到走向“推动前沿”。
Meta Superintelligence Labs负责人Alexandr Wang 对 Axios 表示，Muse Wonder 是真正的前沿模型，能够与全球最强模型竞争，而且尤其擅长个人和专业智能体任务。
WIRED 则直接以“Muse Wonder 让 Meta 重返 AI 前沿”为题进行报道，认为 Meta 去年启动的大规模 AI 重构，正在开始显示成果。
Meta 这次没有把重点简单放在“推理能力更强”上，而是提出了两个很关键的能力：Active Memory（主动记忆）和 Active Focus（主动专注）。
所谓 Active Memory，是让AI 不只是记住当前对话，而是在不同对话之间持续保留与用户有关的重要信息，并在未来的任务中主动找回相关内容。
例如，用户此前告诉 AI 自己的偏好、工作方式或者某项长期计划，之后再次提出任务时，模型能够判断此前的信息是否与当前任务有关，而不是每一次都从零开始。
Active Focus 则解决另外一个问题：AI 能不能把一件事情真正做完。
Meta 对它的定义是，当任务遇到困难时，Muse Wonder 可以尝试不同方法、处理障碍、根据新信息调整方案；如果需要进一步信息，它会要求用户澄清；在执行重要操作之前，也会先进行确认。
这意味着 ，Meta 正试图把 AI 从“一问一答”的工具，进一步变成可以持续工作的智能体。
在编码领域，这种设计尤其明显。
Meta 表示，Muse Wonder 和 Muse Wonder Full 可以处理从小型应用到复杂软件项目的开发任务，需要持续跟踪需求、修改代码、测试，再根据结果反复修订。
官方介绍中，Muse Wonder 甚至能够根据可定制的图片输入，构建一个可以实际运行的 3D 厨房游戏。
在另外一个演示中，Muse Wonder 可以直接操作浏览器和不同应用，根据用户的个人偏好和实际情况制定周六跑步计划。
而在专业任务上，Meta 重点测试了法律、金融和健康等领域。
例如，Harvey 的 Legal Agent Benchmark 要求模型读取源文件、遵循详细指令，并生成法律工作成果；金融和健康任务则测试模型利用专业知识处理现实问题的能力。
Meta 特别强调称，基准测试成绩高，不一定意味着模型真的足够通用。
官方将这种现象与所谓“benchmaxxing”联系起来——模型可能针对公开基准进行了大量优化，但面对训练阶段没有见过的新任务时，表现未必同样出色。
Meta 对 Muse Wonder Full 的测试显示，在相同的“分布内”任务表现下，它在陌生的“分布外”任务上的表现也更好。
Meta 认为，一个重要原因是 Muse Wonder 和 Muse Wonder Full 建立在更大、更强的基础模型之上，因此后训练阶段获得的能力能够更有效地迁移到陌生任务。
这对于个人智能体尤其重要。
因为真正的个人智能体面对的并不是固定的考试题，而是用户每天不断变化的目标、工具和约束条件。训练阶段不可能把所有情况提前列出来。
这也是 Muse Wonder 与此前模型路线最大的不同之一：Meta 想解决的已经不只是“AI 知道多少”，而是AI 能不能在一个真实环境里持续完成事情。
安全则成为这套系统的另一条主线。
因为一旦 AI 从回答问题变成代表用户执行任务，它可能接触消息、日历、私人文件，甚至能够操作浏览器和其他应用。
因此，Meta 表示，Muse Wonder 专门针对私人信息保护、对抗性指令以及网络和其他高风险滥用进行了训练和评估。
Meta 称，Muse Wonder 是其迄今“对齐程度最高”的模型，在 CBRN 风险和网络滥用防护方面也采用了目前最强的安全措施，同时保留网络安全领域的前沿能力，以支持防御性用途。
在产品层面，Muse Wonder 已经通过 Meta Model API 和 Muse Code 提供，Muse Wonder Full 则面向 Muse Code 订阅用户。
Meta 还明确表示，Muse Wonder 很快会进入 Muse，首先向订阅用户开放，并用于更复杂的工作流程和内容生成。
目前 Meta Model API 给出的 Muse Wonder 价格为每百万输入 token 4美元、每百万输出 token 20美元，上下文窗口达到100万 token。Muse Wonder Full 则通过 Muse Code 订阅提供。
可见， Muse Wonder 并不是一个孤立的新模型，而是 Meta 整个个人智能体战略中的底层能力。
今年9月，Meta 已经正式推出 Muse，并将其定位为个人 AI 智能体。与传统聊天机器人不同，Muse 的目标就是接受用户委托后直接执行任务，包括发送邮件、预订旅行，以及围绕长期目标制定行动计划。
现在，Muse Wonder 又被放进这套产品体系中。
从 Muse Spark 到 Muse Wonder，再到 Muse 本身，Meta 的路线正在变得越来越清晰：模型负责变得更强，智能体负责真正干活，而最终的产品入口则是每一个人的日常生活和工作。
这也是为什么 Meta 将这次发布称为迈向“个人超级智能”的又一步。
TechCrunch 将 Muse Wonder 称为 Meta 首次真正尝试推出的“前沿模型”；其测试结果显示，Muse Wonder 和 Muse Wonder Full 在多个基准测试上已经能够与当前头部模型竞争。
对于经历过 Llama 4 争议、随后重新调整 AI 战略的 Meta 来说，这次发布的意义或许不只是又增加了两个模型。
过去一年多，Meta 已经明显把资源重新集中到 AI 前沿研究、基础设施以及智能体产品上。
如今 Muse Wonder 的出现，至少说明这场重构已经从“重新下注”开始进入“拿出结果”的阶段。
