Meta发布Muse Wonder：重组14个月后的首个前沿模型，主动记忆加主动聚焦，扎克伯格宣称追上对手

海外大模型的竞争在10月骤然升温。10月12日，Meta 正式发布新一代大模型 Muse Wonder 系列，包含标准版 Muse Wonder 和完整版 Muse Wonder Full 两档。这是该公司重组 AI 团队 14 个月以来，第一次推出自称达到"前沿水平"的旗舰模型。CEO 扎克伯格在发布当天高调宣布：Meta 已经在 AI 前沿"追上竞争对手"，这是迈向"人人可用的个人超级智能"的重要一步。

两个版本怎么分

Muse Wonder（模型 ID 为 muse-wonder-1.0）当天即上线 Meta Model API 和编程工具 Muse Code，定价为每百万输入词元 4 美元、缓存输入 0.2 美元、输出 20 美元，直接对标 Claude 旗舰模型的价位，上下文窗口为 100 万词元。

Muse Wonder Full 则不提供公开 API，只通过 Muse Code 订阅使用，起步是每月 50 美元的 Power Usage 方案；Meta 同时推出了新的 Maximum Usage 方案，用量上限是 Everyday 方案的 80 倍。换句话说，最强的那档模型，目前只能在自己的编程工具里用——曾靠开源 Llama 系列聚拢全球开发者的 Meta，这次没有开放两款旗舰模型的权重，其当前的开源代表仍是 8 月发布的 30B 级 Apache 2.0 模型 Muse Glimmer。

主打长程智能体：主动记忆与主动聚焦

Meta 把这一代模型明确定位为"面向智能体的前沿模型"，处理的是真实世界里的长任务：理清一份保险理赔、读懂一份租约、从头构建一个能跑的应用，覆盖法律、金融、健康等专业领域和前沿编程。

支撑这件事的是两个专门训练出来的行为：

主动记忆（Active Memory）——跨对话记住重要的上下文。用户在之前的会话里交代过的偏好、进行中的项目、关键约束，模型会在新任务需要时自动取回，不用每次重新说明一遍。

主动聚焦（Active Focus）——任务卡住时不撂挑子。模型被训练去尝试替代路径、从错误中恢复、在信息不明确时主动向用户求证，并在执行重要操作前先打招呼确认。这直接针对当前 AI 智能体最常见的毛病：干着干着丢了主线、过早收工、计划失败后不会自救。

官方演示里，Muse Wonder 能根据图片从零写出一个可玩的 3D 厨房小游戏，能在浏览器里规划跑步路线，能照着 Instagram 主页照片下单定制周边，还能在多重约束下排婚礼座次。基准测试方面，Meta 称 Muse Wonder Full 在第三方独立评测的 DeepSWE 和 SWE-Marathon 编程基准上超越了所有被评估的模型，并在多项智能体评测中与 Claude Opus 5.5、GPT-6 Astra 等头部模型正面竞争。

十四个月的翻身仗

这款模型背后的故事线值得一看。去年 4 月 Llama 4 表现不及预期并陷入刷榜争议后，扎克伯格斥资 143 亿美元收购 Scale AI，请来亚历山大·王执掌新成立的超级智能实验室（MSL），并建起吉瓦级的"普罗米修斯"超算集群——新模型的训练算力比上代高出一个数量级，训练在 Prometheus 数据中心完成，采用了更大更强的基座模型加强化学习的路线。

今年 4 月该实验室交出的首款模型 Muse Spark 性能落后于竞品，一度被外界视为 Meta 掉队的注脚；但 9 月上线的 Muse 个人 AI 助手靠着自主智能体替用户采购、订行程，登顶美国 iOS 和安卓应用下载榜，带动 Meta 股价上涨近 10%、市值站上约 1.8 万亿美元。Meta 首席 AI 官亚历山大·王称此次发布是"MSL 一年多研究与基础设施工作的集大成之作"。

扎克伯格还透露，下一代升级版本已在研发中，且模型研发速度"从现在起大概率会明显加快"。在 Anthropic、OpenAI 接连呼吁业界放缓前沿模型开发之际，Meta 显然选择了一条更激进的节奏。

值得注意的两点

一是安全框架。Meta 强调 Muse Wonder 系列按其《超级智能扩展框架》标准训练和评估，模型被训练避免未经许可分享私人信息、拒绝协助有害行为；个人智能体要跨消息、日历、文档工作，隐私边界是这类产品绕不开的问题。完整的安全评估报告官方称稍后公布。

二是闭源牌。当国内 Qwen、GLM、Kimi 等开源模型持续挤压榜单时，Meta 选择把最强的能力锁在订阅和 API 后面，只在中低端维持开源存在。前沿能力到底该开放还是该变现，Meta 用这次发布给出了自己的答案。

对开发者和普通用户来说，更实际的判断是：长程智能体赛道的竞争真正白热化了——主动记忆、任务中途自纠错、重要操作前主动确认，这些正在从论文里的概念变成各家旗舰模型的标配。

来源：Meta 官方博客及 Muse Code 开发者文档、北京日报、AI/TLDR