Meta 发布首个前沿模型 Muse Wonder：14 个月重建，瞄准”个人超级智能”

Meta 刚刚交出了自己重建 AI 栈 14 个月后的第一份成绩单：Muse Wonder 系列，号称在个人和专业智能体任务上达到前沿水平。这不是又一个”我们训练了一个更大的模型”的公关稿——Meta 把赌注押在了两个新概念上：Active Memory（主动记忆）和 Active Focus（主动专注），试图解决 AI 智能体最核心的两个痛点：记不住你、干不了长活。

14 个月推倒重来，从 Spark 到 Wonder

2025 年 8 月，Meta 宣布从第一性原理重建整个 AI 技术栈。14 个月后的今天，Muse Wonder 和 Muse Wonder Full 正式亮相。Meta 在博客中明确说这是”我们最强大的模型”，训练在吉瓦级 Prometheus 数据中心完成。从 Muse Spark 到 Muse Wonder，命名上的变化背后是预训练和强化学习两个维度的全面升级。

值得注意的是，Muse Wonder 今天就能用——通过 Meta Model API 和 Muse Code 开放，Muse Wonder Full 则先给 Muse Code 订阅用户。这种”API 先行、消费端跟进”的节奏，和 OpenAI 的 GPT 发布策略如出一辙。Meta 不再满足于把模型塞进 Facebook 的推荐算法里，它要做一个独立的 AI 产品入口。

Active Memory：让 AI 真正”记住”你

做 AI 智能体的人都知道，最烦人的体验是什么——你上周跟它说过的事情，这周它完全不记得。Meta 把这个问题命名为 Active Memory：模型需要跨对话保留关于你的关键上下文，并且在任务需要时主动检索相关细节。

这不是简单的”对话历史保存”。Active Memory 强调的是”主动”二字——模型要自己判断哪些信息重要、哪些旧信息在当前任务中重新变得相关。Meta 用 Harvey 法律智能体基准（LAB）来测试这种能力，要求模型处理源文件并遵循详细指令产出法律工作成果。在法律、金融、健康这些”记错一次就出事”的领域，记忆可靠性不是锦上添花，是生死线。

Active Focus：长任务的”耐力跑”

如果说 Active Memory 解决的是”记得住”，Active Focus 解决的就是”干得完”。Meta 的定义很具体：面对一个有挑战的目标，模型要能尝试不同方法、绕过障碍、适应新信息，该问的时候问、该确认的时候确认。

他们用了两个基准来衡量：FocusBench 测专注力，SWE-Marathon 测长周期软件工程项目的持续执行能力。后者尤其关键——真实的软件开发不是一轮对话能搞定的，它需要几十轮”写代码→跑测试→看报错→改代码”的循环。模型如果在第 15 轮开始”忘记”最初的需求，整个项目就废了。

基准之外：Meta 在赌”泛化能力”

Meta 做了一件少有人做的事：量化”基准刷分”和”真实泛化”之间的差距。他们画了一张图，横轴是模型在训练时重点优化任务上的表现（in-distribution），纵轴是在训练时没碰过的陌生任务上的表现（out-of-distribution）。结论是：Muse Wonder Full 的泛化表现比 Muse Spark 1.3 的趋势线预测的要好，原因是基础模型更大更强，后训练阶段获得的提升能更有效地迁移到陌生任务上。

这个分析的价值在于：它承认了”benchmark 刷分”这个行业的痼疾，并且试图用数据说明”大 base model + 强后训练”的组合确实能产生超出预期的泛化。对个人智能体来说，这种泛化能力是刚需——用户的目标、工具、约束的组合是无穷无尽的，训练时不可能全部覆盖。

“个人超级智能”：野心还是营销？

Meta 在博客中反复使用”personal superintelligence”这个词。翻译过来就是：给每个人一个比你自己更聪明的 AI 助手，它记得你的偏好、理解你的目标、能持续帮你推进工作。这个愿景不新——OpenAI 的 Operator、Anthropic 的 Claude 都在做类似的事。但 Meta 的独特优势是分发：它拥有 Facebook、Instagram、WhatsApp 的数十亿用户入口。

安全方面，Meta 表示 Muse Wonder 是其”最对齐的模型”，在 CBRN（化学生物放射核）和网络安全滥用方面有”最强防护”，同时保留了防御性网络能力。完整的 safety 报告”即将发布”——这意味着现在看到的只是冰山一角。

对开发者来说，最实际的问题是：Muse Wonder API 的定价和限流策略是什么？Meta 历史上在 API 商业化上一直比 OpenAI 慢半拍。如果定价有竞争力，这个”个人超级智能”的叙事才不只是 PPT 上的口号。

核心观点：Meta 的真正赌注不是模型参数规模，而是”记忆 + 专注”这两个智能体基础设施能力。如果 Active Memory 真的能跨会话可靠工作，它比任何 benchmark 分数都值钱——因为这才是用户每天实际感受到的体验差距。值得等 Muse 消费端上线后亲自测一下记忆能力，而不是只看跑分。