Meta 推出 Muse Wonder 模型：能记住你说过什么的 AI 助手

2026-10-14 12:31 4 阅读

能记住你的 AI 来了

Meta 超级智能实验室最近放出了 Muse Wonder 系列模型。这不是又一个聊天机器人——它最突出的特点是能跨对话记住用户的重要信息，并且在执行长任务时，遇到阻碍会主动换方案，而不是卡住不动。

模型分两个版本：标准版 muse-wonder-1.0 通过 Meta API 和 Muse Code 工具开放；完整版 muse-wonder-full-1.0 仅限 Muse Code 订阅用户使用。官方定价是输入每百万 token 4 美元，输出 20 美元，缓存读取只要 0.2 美元。

长期记忆到底有什么用

现在的 AI 助手有个通病：聊完就忘。每次新开对话都要重新交代背景，用户很快就不耐烦了。

Muse Wonder 的 Active Memory 机制试图解决这个问题。它会在跨对话的上下文中记住用户的重要信息，并在后续交互中主动调用相关部分。官方在 MemoryBench 测试中拿到了 85.6 分，超过了 Claude Opus 5.5 的 81.5。

这个分数差距不算悬殊，但意味着在需要持续跟踪用户偏好的场景——比如长期的健康管理、复杂的项目规划——模型能少问很多重复的问题。

长任务执行的「不卡住」哲学

另一个核心能力是 Active Focus。简单说，就是模型会盯住目标持续执行，路不通就换办法，而不是像传统 AI 那样遇到报错就停下来等用户指令。

更重要的是，它在执行重要操作前会先与用户确认。这个设计很实际：既给了模型自主权，又保留了关键决策的人类把关。

在 DeepSWE 和 SWE-Marathon 这两个长周期编程基准上，Muse Wonder 排名第一。这类测试模拟的是真实开发场景：需求模糊、环境复杂、需要多轮迭代。能在这里领先，说明模型在「坚持完成任务」这件事上确实下了功夫。

生活场景的具体落地

Meta 给 Muse Wonder 的定位不只是编程助手，还包括生活代理任务。官方举了几个例子：

订餐厅：查空位、协调时间、处理变更
婚礼座位表：根据宾客关系自动排座，遇到冲突时提出调整方案
保险理赔核对：用户拍摄急诊账单和保险卡，模型自动核对金额与条款，发现异常前确认

这些场景的共同点是步骤多、容易在中途卡住。传统 AI 往往在第三步就迷失，而 Muse Wonder 的设计目标就是「执行到底」。

技术层面的几个看点

更大的基座模型

Muse Wonder 建立在比 Muse Spark 更大的基座之上，在吉瓦级数据中心训练。Meta 的说法是，更大的基座让后训练收益更容易迁移到陌生任务，避免「刷榜式优化」——也就是在特定基准上表现好，换个场景就垮掉。

针对真实任务的后训练

模型专门在订餐厅、理赔核对等真实任务中可能遇到的卡壳场景上做了训练。训练目标不是避免错误，而是鼓励试错：遇到阻碍就换方案，而不是停滞或放弃。

分档思考机制

Muse Wonder 提供多档思考程度，用户可以根据任务复杂度选择。随着思考时间加长，模型表现持续提升。这比「要么快但糙、要么慢但准」的二元选择更灵活。

安全对齐

按 Meta Superintelligence Scaling Framework 训练，拒绝泄露隐私和有害请求。考虑到模型会长期记住用户信息，隐私保护的设计尤为重要。

怎么用

开发者可以通过以下方式接入：

访问 https://dev.meta.ai/ 注册 Meta 开发者账号
在控制台创建 API Key
API 中选择 muse-wonder-1.0 模型（完整版需 Muse Code 订阅）
将 base URL 指向 https://api.meta.ai/v1，兼容 OpenAI/Anthropic SDK

对于普通用户，安装 Muse Code 编程 Agent 后登录即可直接调用 Wonder 模型辅助开发。

与 Claude Opus 5.5 的对比

维度	Muse Wonder	Claude Opus 5.5
定位	生活+编程双场景的 Agent 模型	通用旗舰大模型
长期记忆	MemoryBench 85.6	MemoryBench 81.5
长周期编程	DeepSWE、SWE-Marathon 第一	表现优秀但被超越
核心机制	Active Memory + Active Focus	均衡全面，Agent 能力成熟
生态	Meta 全家桶	独立中立，第三方集成更广
智能指数	52（Full 版 56）	58（仍领先）