Meta 发布 Muse Wonder 系列，以主动记忆和专注能力瞄准个人 Agent 市场

Meta 于 10 月 12 日发布新一代 Muse Wonder 系列模型，包含 Muse Wonder 和 Muse Wonder Full 两个版本，明确将产品目标指向“个人和专业 Agent”。该系列被视为 Meta 过去 14 个月重建 AI 技术栈后的关键升级，其核心能力被概括为“主动记忆”和“主动专注”，旨在解决跨对话信息保存及长程任务执行中的障碍。

在评测表现上，Muse Wonder 系列在 MemoryBench（多轮对话记忆测试）中分别获得 85.6 分和 85.5 分，高于 GPT-6 Astra 的 81.4 分和 Claude Opus 5.5 的 81.5 分；在 SWE-Marathon（超长软件工程任务）中，Muse Wonder Full 得分 57.5，显著优于竞品。不过，部分外部对比结果存在环境差异，例如 SWE-Marathon 中不同模型使用了不同的 Agent Harness，因此并非严格同构对照。

商业层面，Muse Wonder 已通过 Model API 开放，定价为每百万输入 Token 4 美元、缓存输入 0.2 美元、输出 20 美元；Wonder Full 暂未单独定价，仅包含在 Muse Code 订阅服务中。Alexandr Wang 透露，团队从原型到正式发布耗时 7 个月，期间建立了超过 100 项能力的清单并设定了严格的发布门槛，直到所有指标“变绿”才推出产品。同时，针对可能达到“高风险”阈值的化学和生物能力，Meta 采用了安全后训练和系统级分类器进行限制。

事实：Muse Wonder 系列已发布，具备主动记忆和专注能力，MemoryBench 得分为 85.6/85.5，SWE-Marathon 得分为 53.1/57.5。 推断：Meta 试图通过高可靠性的 Agent 体验重新定义消费级 AI 竞争格局，利用其庞大的用户基数作为分发优势。 猜测：Muse Wonder 能否在长期任务中保持稳定性，以及其安全机制是否足以应对复杂场景下的不可逆操作风险，仍需实际部署验证。