2026-10-13 — views
Meta推出Muse Wonder和Muse Wonder Full，面向智能体AI任务
为什么值得读 Meta的新款Muse Wonder模型在专业和个人智能体任务中提供顶尖性能，具备主动记忆和安全协议。
Meta推出前沿模型Muse Wonder和Muse Wonder Full，专为具备主动记忆与专注能力的复杂智能体任务设计。
Meta推出智能体前沿模型
Meta正式推出了Muse Wonder和Muse Wonder Full，称其为该公司迄今为止最强大的模型。这些新增模型专为在个人和专业智能体任务中提供顶尖性能而构建。这些模型旨在处理复杂的现实世界需求，例如处理保险索赔、解读租赁协议和分析个人财务状况。此外，它们还提供了前沿的代码生成性能，使开发人员能够构建从游戏到面向新业务的工作应用程序等各类产品。
能力：主动记忆与主动专注
Muse Wonder系列的一个关键区别在于其处理随时间展开的任务的能力。这些模型具备主动记忆（Active Memory），使其能够在对话之间携带相关信息，并检索与当前任务相关的细节。这与主动专注（Active Focus）能力相辅相成，该能力使模型即使在任务变得困难时也能坚持朝着目标努力。这些模型可以尝试替代方法，从错误中恢复，在必要时请求澄清，并在执行重要操作前进行检查。这些模型建立在之前发布的Muse Spark所奠定的基础之上。
安全与标准
Meta强调，个人智能体经常处理敏感的用户数据，包括消息、日历和文档。为了解决这一问题，Muse Wonder系列在训练时被教导避免未经同意分享私人信息，并拒绝协助有害行为的请求。这些模型还致力于提高安全性并加强针对网络攻击的防御。然而，Meta指出，开发人员和团队仍可以使用这些模型来识别自身代码中的缺陷并加强系统。这些模型的训练、评估和发布遵循Meta超智能扩展框架（Meta Superintelligence Scaling Framework）中设定的标准。一份包含更多安全评估的完整报告预计很快将可供查阅。
可用性与访问
Muse Wonder今天已通过Meta Model API和Muse Code向开发人员和构建者开放。Muse Wonder Full目前对Muse Code订阅用户开放。这些模型将很快在Muse平台内驱动更多体验，并首先向订阅用户推出。此次发布标志着Meta努力的重要一步，该努力始于十四个月前对其AI基础架构的全面改革，从重建基础设施转向推动AI能力的边界。
实务笔记
开发人员应通过Meta Model API集成Muse Wonder，以测试需要长上下文记忆的智能体工作流。评估主动专注能力，以确保在复杂的多步骤自动化任务中具备强大的错误恢复能力。