Meta 研究團隊正式推出 Muse Wonder 系列模型，包含 Muse Wonder 與 Muse Wonder Full 兩款最新版本，宣稱在個人與專業代理任務上達到最先進（state-of-the-art）的效能。其中，Muse Wonder 整合了「主動記憶」（Active Memory）與「主動專注」（Active Focus）兩項核心技術，旨在讓模型能追蹤用戶的重要資訊並持續朝目標努力。Muse Wonder 已透過 Meta Model API 和 Muse Code 開放使用，而 Muse Wonder Full 僅供 Muse Code 訂閱用戶使用。Meta 表示，Muse Wonder 將很快為 Muse 應用提供動力，並優先向訂閱用戶推出，未來還將用於開發專門化模型。
在技術細節方面，Muse Wonder 系列是在 Meta 的吉瓦級 Prometheus 資料中心訓練而成，建立在先前 Muse Spark 的可預測、嚴格擴展方法論之上，涵蓋預訓練與強化學習。Meta 強調，該模型在處理法律、金融和健康等領域的專業知識任務時表現出色，例如 Harvey 的法律代理基準測試（LAB）。此外，模型具備處理長期軟體專案的能力，並通過 FocusBench 和 SWE-Marathon 等基準測試驗證其持續執行任務的能力。
Meta 還探討了模型在分佈外任務（out-of-distribution）的泛化能力，指出 Muse Wonder Full 在較強基礎模型的支持下，其在陌生任務上的表現優於僅基於分佈內任務預測的趨勢。這對於需要處理多種目標、工具和約束條件的個人代理尤為重要。在安全性方面，Meta 宣稱 Muse Wonder 是其迄今為止對齊程度最高的模型，針對化學、生物、放射性和核子（CBRN）以及網路濫用提供了最強的安全防護，同時保留防禦性網路能力。
事件背景
Meta 於十四個月前開始對其人工智慧工作進行徹底的重組，從重建技術堆疊到推動前沿技術。此次發布的 Muse Wonder 系列建立在先前發布的 Muse Spark 所提出的可預測、嚴格擴展方法論基礎上。Meta 表示，這些模型是在其吉瓦級 Prometheus 資料中心訓練的，標誌著公司向為數十億用戶提供「個人超級智慧」邁進的重要一步。
社群觀察
社群討論集中在定價、基準測試的透明度以及市場競爭格局。用戶 droidjj 指出，Muse Wonder 的定價為輸入每百萬 token 4.00 美元，輸出每百萬 token 20.00 美元，並發現行銷頁面中標示為「Muse Wonder」的基準測試分數實際上來自僅供高級訂閱方案使用的「Muse Wonder Full」模型。用戶 illwrks 對代理自動聯繫房東的範例表示興趣，並推測這可能導致類似病毒與防毒軟體的對抗局面，即大量代理為用戶執行任務時可能給其他人帶來行政負擔。用戶 at least optimal 認為，多家公司在前沿領域競爭比單一公司主導更好，因為這能促進合作並避免極端的權力集中。用戶 BoldColdHold 則認為，如果該模型並非僅針對基準測試優化（benchmaxxed），則 Anthropic 和 OpenAI 等公司將面臨嚴峻挑戰，模型可能成為大宗商品並導致價格下降。
