Meta的AI回归这次真的有点厉害了!双模型落地,“个人超级智能”拉开Agent长任务竞赛

Meta发布Muse Wonder双模型,把AI评价从答得对推向办得完;主动记忆与主动聚焦成看点,但强版锁入订阅,榜单仍需理性看。

Introducing Muse Wonder and Muse Wonder Full: Frontier Models for Agents

北京时间10月13日,Meta正式发布Muse Wonder、Muse Wonder Full。这一轮发布标志Agent赛道评价逻辑发生迁移。

考核重心从问答准确性,转为工作流闭环完成能力。 模型面向个人与专业智能体任务,覆盖合约、财务、法律、健康、编码等场景,主打长流程下的工具调用、错误恢复与结果交付。

Agent考题,从答对到办结

评价体系正在被重新定义。传统大模型看知识、推理与写作能力;Agent看四大核心指标:任务完成率,失败恢复率,工具调用闭环,权限安全审计。

图片

Muse Wonder可通过Meta Model API和Muse Code调用,后续Muse生态能力优先给到订阅用户。Meta布局兼顾开发者生态与C端个人事务自动化。

聊天模型的终点是一段回答。

Agent的终点是完成目标。

这一分野,将深刻影响用户付费取舍。

两大核心原生能力:

Active Memory与Active Focus

Active Memory不应写成模型自带永久记忆库。

更准确的说法是模型负责跨对话信息的识别、筛选与召回,判断哪些偏好、背景、约束应进入当前任务,持久存储、删除、审阅和授权,由上层应用的记忆模块控制。

它不是单纯拉长context window,而是配合上层存储,实现跨对话状态筛选与召回。

Active Focus对应长程任务里的目标保持。

模型面对障碍时继续推进,尝试替代路径,从报错中恢复。涉及重要动作前请求澄清或确认,而不是一次性把高风险操作打完。在任务变难时继续朝目标工作,换方法,恢复错误,并在需要时确认。

这两项能力的关键不是更聪明,而是更能扛住真实任务的脏活。

多轮工具调用,环境异常,计划变更,用户中途改口,都会把一次性回答模型打回原形。Wonder系列想解决的正是这个断层。

Benchmark的两面:

内部基准领跑,第三方排名仍有差距

Meta内部表里,Muse Wonder Full很强。

图片

官方给出的Personal Superintelligence Index中,Full为59.1,高于Claude Opus 5.5的55.2和GPT-6 Astra的54.5。在法律、金融、自动化、终端编码、长程工程等专项任务上,多项指标领先。

Muse Wonder: A Frontier Model For Personal & Professional AI Agents

但第三方榜单要分开写。

Artificial Analysis口径里,Muse Wonder Full为56,Muse Wonder为52,仍低于Claude Opus 5.5的58。也就是说,Meta已经回到第一梯队,但全面反超还不能当成独立结论。

厂商自测说明能力方向,第三方指数说明生态位置,两者不能混用。尤其Agent评测高度依赖任务模板,标准化测试集强,不等于真实业务环境稳定。

动态权限、跨应用冲突、接口异常、状态回滚,仍是落地瓶颈。

最强能力锁入自有订阅生态

分发方式本身就在表态。

Muse Wonder开放API,标准版每百万token输入4美元,输出20美元,缓存输入0.20美元,官方强调1M token上下文窗口且长上下文不额外加价。Muse Wonder Full不独立开放API,只进入Muse Code订阅,分为每月50美元和200美元两档。

这套打法是闭源旗舰加自有闭环。

标准版换开发者生态,满血版沉淀专业订阅,最强能力不进入低成本外部封装。

过去Meta用开放权重换影响力,现在前沿模型转向闭源分层商业化,路线已经发生明显偏移。

这不只是定价问题,而是能力主权问题。

模型、入口、工具链、订阅关系捆在一起,Meta才能控制高价值场景的体验,风险确认,权限边界和后续迭代节奏。

个人Agent的安全边界难题

官方确认Muse Wonder系列按Meta Superintelligence Scaling Framework训练、评估和发布。完整安全评估报告将稍后公开。这套框架有公开谱系,记录显示其由Advanced AI Scaling Framework v2更名而来,版本对应v2.1。

真正的难点在权限。

个人Agent要进入邮件、日历、文档、支付、健康数据,就必须拿到足够授权,又不能让授权失控。

官方目前确认未经许可不分享私人信息,拒绝有害协助,同时保留用于发现代码缺陷、加固系统的防御性安全能力。

但记忆治理仍是空白区。用户可以查看什么,删除什么,授权多久,Agent何时必须停下,高风险动作如何回滚,本次发布没有完整披露。Active Memory越强,应用层责任越重。模型记住多少是一回事,用户能不能管住记忆,是另一回事。

六周迭代8分:Agent后训练带来加速周期

从Muse Spark 1.3到Wonder系列,第三方指数从约48到56,间隔六周,提升8分。这个结果足够说明,Meta的迭代速度已经进入月级压缩区间。

图片

Agent专项能力提升,大概率来自后训练、评测任务、工具调用数据和长任务反馈的闭环加强。否则很难解释,为什么提升集中在终端编码、长程工程、流程自动化、记忆召回这类Agent指标,而不是均匀分布在通用能力上。

公开访谈与产业报道显示Wonder系列对应内部代号Watermelon,上一代Muse Spark对应Avocado,训练与扩展依赖Meta吉瓦级Prometheus集群,算力投入据报道为上一代的一个数量级。

Meta's Muse Wonder Beats Claude on Long-Running Agent Tasks | AlphaSignal

大模型竞争,进入工作流闭环时代

Meta这一步的意义不是宣布终点,而是把前线从聊天框推进到工作流。当Agent开始接手真实事务,评测会从静态问答转向动态执行。模型值不值得信任,不只看一次输出多漂亮,而看它能否在权限内把事办完,卡住时能否恢复,越界前能否停下。

真正决定下一阶段的不只是参数和榜单,而是任务完成率,故障恢复,安全授权,记忆治理,产品闭环。模型能力决定能否上场,工作流能力决定能否留在场上。

- END -


本文来源于DOIT传媒,文章内容仅供参考,不构成投资建议。

赞 ()

相关推荐

发表回复

评论列表

点击查看更多

    联系我们

    微信:百易小助手

    邮件:contact@doit.com.cn

    工作时间:周一至周五,9:30-18:30,节假日休息

    微信