Meta 发布基于领先 Wonder 模型训练的用户定制化人工智能模型

Meta 公司宣布，为 Muse 个人助手应用和 Meta AI 平台的用户推出全新的专业化人工智能模型。这些轻量化模型是使用公司先进的 Muse Wonder 模型训练而成的，而公司将保留原始的 Wonder 模型用于处理更复杂的任务以及面向 API 订阅者。

Meta 并未公布这些新模型的官方品牌名称或代号，但明确表示，它们是专门为满足普通用户的实际需求而设计的，例如确定何时应自主工作或何时需要用户审核，以及在执行任务期间处理即时调整而不丢失核心上下文。

主动记忆功能与上下文处理

新模型采用了此前随 Wonder 模型推出的 Active Memory（主动记忆）功能，这项技术有助于模型记住细节并在新旧对话之间建立联系。根据 Meta 的内部评估数据，Muse 中的新模型在 90% 的任务中成功使用了关键上下文，而之前的版本这一比例为 76%。

通过主动聚焦克服障碍

除了记忆功能外，Meta 还为模型配备了 Active Focus（主动聚焦）功能，旨在应对现实世界中的障碍或突发错误（例如在预约或完成常规任务时网站崩溃）时保持工作的连续性。Meta 记录显示，使用更新后的模型在遇到意外问题时，完成常规任务的效率提升了 67%。

这一进展在实践中意味着什么？

此次发布代表了一种具有成本效益的策略，旨在通过 WhatsApp、Instagram、Facebook 和 Messenger 等应用，将先进的人工智能能力扩展到广泛的免费用户群体。Meta 并未为所有用户运行像 Wonder 这样庞大且高成本的模型，而是利用大型模型来训练更小、更专注于特定任务（如管理收件箱或预订餐厅）的模型，从而降低运营成本并保持消费级应用中的响应效率。