Meta发布Muse Wonder，强化主动记忆与长程执行

Meta于10月12日发布Muse Wonder与Muse Wonder Full，定位个人及专业级AI Agent。两款模型首次将“主动记忆”和“主动专注”作为核心能力，分别用于跨会话保留关键信息，以及在长周期任务中持续推进、调整计划并请求必要确认。

Muse Wonder已通过Meta Model API和Muse Code开放，价格为每百万输入Token 4美元、缓存输入0.2美元、输出20美元；Wonder Full暂未单独提供API价格，仅包含在Muse Code每月50美元的Power Usage和Maximum Usage订阅中，价格分别为50美元和200美元。模型支持最高100万Token上下文，可处理文本、图像、视频和音频，当前主要输出文本。后续模型将进入产品端，优先服务订阅用户的Artifact生成和复杂任务，并训练更多专用模型。它延续Muse Spark的Scaling路线，在预训练和强化学习两方面扩展能力，并于千兆瓦级Prometheus数据中心完成训练。

主动记忆通过MemoryBench测试。该测试要求模型在6.4万至10万Token的多轮对话中找回信息，同时处理干扰、更新和冲突内容；Muse Wonder得分85.6，Wonder Full为85.5，高于GPT-6 Astra的81.4、Claude Opus 5.5的81.5和Claude Fable 5.1的79.0。

主动专注则面向任务连续性：遇到障碍时尝试替代方案，获得新信息后调整计划，需要时向用户提问，执行关键动作前征求确认。Meta以FocusBench和超长软件工程测试SWE-Marathon评估该能力。

长程编程是重点场景。DeepSWE v1.1中，Wonder Full和Wonder分别得分79.0、78.8，高于GPT-6 Astra的74.1、Claude Opus 5.5的74.2及Claude Fable 5.1的67.4；SWE-Marathon得分为57.5和53.1，也高于对比模型的42.5至46.3，但ProgramBench中Wonder Full为59.0，低于Claude Opus 5.5的70.5。部分评测使用的Agent产品和Harness不同，结果并非严格同环境对比。

在法律Agent评测Harvey LAB-AA中，Wonder Full和Wonder得分13.1、10.0。Meta还以7类个人及知识工作任务构成PSI指标，二者得分分别为59.1和54.3，高于GPT-6 Astra的54.5及Claude Fable 5.1的49.9，但低于Claude Opus 5.5的55.2。面对邮件、日历和文件等敏感数据，Meta称Wonder Full未经缓解可能触及化学和生物高风险阈值，因此加入安全后训练与系统分类器，并建议现实操作保留人工确认；模型在新颖多步推理及3D空间理解方面仍有弱项。

Muse团队由不到200人组成，受OpenClaw启发，1至2周完成首个原型，历时7个月发布。团队为模型列出超过100项能力和对应门槛，直到某个Checkpoint首次全部达标。Alexandr Wang认为个人Agent可能成为终极消费产品，Meta的优势在于约35亿日活用户，以及Instagram、WhatsApp和Facebook积累的关系与消费场景。