Meta于10月12日宣布推出人工智能模型Muse Wonder和Muse Wonder Full，并称该系列是其历史上规模最大、能力最强的模型。两款模型旨在运行能够执行多步骤日常及专业任务的代理，而不仅仅是生成简短的文本答案。
Meta已通过Meta Model API和编程平台Muse Code向开发者提供Muse Wonder，而Muse Wonder Full则面向Muse Code订阅用户提供。公司还计划将该模型整合进其个人助手Muse。Muse于9月在美国推出，可执行发送电子邮件、预订旅行等任务，整合将首先面向该服务的订阅用户推出。
跨对话延续的记忆，以及受挫时继续工作
该模型重点强化了Meta称为Active Memory和Active Focus的两项能力。前者可在多次对话中保留重要信息，并调取与任务相关的细节，包括习惯、偏好以及此前对话中的部分内容。后者旨在让模型在执行复杂工作时持续聚焦目标，同时尝试替代方法、从错误中恢复，并在执行重要操作前请求用户确认。
Meta表示，Muse Wonder建立在其4月宣布的Muse Spark基础之上，并扩大了预训练和强化学习的规模。该模型在具备吉瓦级能力的数据中心Prometheus中完成训练。公司称，与Muse Spark 1.3的发展趋势相比，Muse Wonder在陌生任务中展现出超出预期的表现。
从合同和索赔到多步骤应用
Meta扩展了模型在法律、金融和医疗保健领域的知识，并展示了处理保险索赔、阅读租赁合同和管理家庭预算等用途。公司还展示了通过浏览器和多个应用规划跑步计划、根据Instagram图片设计产品并下单、按照复杂条件制定婚礼座位安排，以及从一张图片创建可玩的三维游戏等示例。
这些模型支持输入文本、图片、视频和音频，并支持文本输出以及最长达一百万个令牌的上下文。未来，Muse应用将使用该模型生成更复杂的输出，并开发面向所有用户提供的专业模型，但Meta尚未确定整合时间，也未公布将纳入其中的计划细节。
部分测试成绩突出，但仍有一些局限有待验证
根据Meta的对比结果，Muse Wonder Full在用于法律任务的Harvey LAB-AA测试中得分13.1，而GPT-6 Astra为8.6、Claude Opus 5.5为4.2。在用于衡量长期编程能力的DeepSWE 1.1测试中，该模型得分79.0，领先于得分74.2的Claude Opus 5.5和得分74.1的GPT-6 Astra。
不过，该模型并未在所有测试中位居首位；Claude Opus 5.5在HealthBench Pro、Terminal-Bench 4.0-AA、ProgramBench以及Artificial Analysis综合指数中取得了最高分。此外，文中部分比较依据的是Meta发布的评估结果，而完整的安全测试报告仍在发布中。
在扩大敏感任务范围前优先考虑安全
Meta表示，根据Meta Superintelligence Scaling Framework进行评估后，在采取缓解措施之前，网络安全风险和失控风险均被归类为中等或更低等级。至于化学和生物领域，Meta未排除达到高风险阈值的可能，因此增加了安全训练和系统级分类器，并称最终评估结果在所有领域均已达到中等或更低等级。
实际会发生什么变化？ Muse Wonder展现了一种能够记住上下文，并通过多个工具和应用继续执行任务的代理形态，这可能减少手动拆分工作的需要。但实际收益将取决于该模型何时在Muse中提供、支持哪些套餐，以及独立评估的结果，尤其是在模型进入法律、金融和医疗等敏感领域之后。