Meta旗舰模型下放 Muse智能体全员升级

Meta 11 月 6 日宣布，用旗舰模型 Muse Wonder 训练出的专用版本已开始向所有 Muse 智能体和 Meta AI 用户推送。扎克伯格在 X 上把这次更新概括为：「把 Active Memory 和 Active Focus 从 Muse Wonder 带给所有人。」订阅用户在处理更难的任务时仍可调用 Wonder 本尊。

这次下放的两项核心能力都随 Wonder 家族在 10 月 12 日首次亮相。Active Memory 让模型学会区分临时与永久信息、跨时间推理，并判断哪些信息已经过时——简单说，助手终于能记住你上周说过的话，也知道这些话什么时候不再重要。Meta 称，新模型遗忘关键任务信息的概率降低了 2.4 倍，关键上下文的正确使用率从上一代的 76％ 提升到 90％。

Active Focus 则针对智能体最常见的「半途而废」问题：任务执行到一半遇到意外阻碍就放弃。Meta 表示，新模型在大量真实瓶颈场景上训练，遇到问题时会更努力尝试、自行恢复或寻找替代路径，日常任务在遭遇意外问题时的完成率提升 67％——不过 Meta 没有公布这一数字的基线。在 Meta 自家的 Personal Superintelligence Index 评测中，Muse 模型得分也从 38％ 升至 47％。

这背后是典型的「大模型教小模型」策略。Muse 智能体 9 月发布时搭载的是较小的 Muse Spark 模型，而 Wonder 在 Meta Model API 上定价为每百万输入 token 4 美元、每百万输出 token 20 美元。把 Wonder 的行为蒸馏进轻量模型，再铺到 WhatsApp、Instagram、Facebook 和 Messenger 里的 Meta AI，显然比直接给数亿用户跑旗舰模型便宜得多。

The New Stack 指出，Muse 的免费层门槛也低于竞品——OpenAI 的 Dots 和 Anthropic 的 Duet 都只向最高档订阅用户开放。不过需要留意的是，Meta 没有公开蒸馏的具体方法，新模型也未正式命名，上述所有数字均来自 Meta 内部评测，尚无第三方验证。

对开发者来说，这次更新点出了智能体产品的两个通病：记不住上下文，以及一遇挫折就摆烂。Meta 给出的方法论——记忆需要判断力而不只是存储、要测试恢复能力而不只测试成功率——值得所有做智能体应用的团队参考。

编译自 The New Stack，原标题："Meta Rolls Muse Wonder-Trained Active Memory and Active Focus Models Out to All Muse and Meta AI Users"