Meta 推出 Muse Wonder：結合 Active Memory 與 Active Focus 的個人代理新模型

一款領先個人與專業代理的前沿模型

今天，我們很高興推出 Muse Wonder 系列，包括 Muse Wonder 與 Muse Wonder Full，這兩款是我們最強大的模型，能在個人與專業代理任務上提供最先進的表現。它們共同標誌著我們擴張階梯的下一步，也是邁向個人超級智慧的重要跳躍。Muse Wonder 結合了 Active Memory 與 Active Focus，協助您追蹤重要資訊，並專注於您想達成的目標。

Muse Wonder 今日已可透過 Meta Model API 與 Muse Code 取得，Muse Wonder Full 今日亦已向 Muse Code 訂閱者開放。

Muse Wonder 將很快為 Muse 提供體驗的背後動力，並將首先推向訂閱者。Muse Wonder 亦將驅動 artefact 生成及需要更高智慧的流程。未來，我們將利用 Muse Wonder 開發專屬模型，並將其帶給所有使用 Muse 的人。

向個人超級智慧的擴張

十四個月前，我們開始從頭重建人工智慧工作，從基礎重構到推進前沿。

當我們推出 Muse Spark 時，我們概述了可預測、嚴謹擴充套件的策略。今日的釋出在預訓練與強化學習方面延續了此工作，推出我們迄今為止最強大的模型。Muse Wonder 與 Muse Wonder Full 在我們兆瓦級的 Prometheus 資料中心訓練，結合 Meta 各團隊的努力，為工作與日常生活中的複雜任務提供前沿能力 — 這是將個人超級智慧帶給數十億使用我們產品的人的又一步。

前沿能力

模型亮點

Muse Wonder 系列在個人與專業代理、記憶與編碼等關鍵基準上達成最先進成果。

以下完整結果將 Muse Wonder 與 Muse Wonder Full 與其他前沿模型在廣泛評估套件中進行比較。

欲瞭解我們評估的更多細節，請參閱 our report。

上述結果提供模型表現的廣泛概覽。我們將更深入探討四個關鍵領域：領域專業知識、Active Memory、Active Focus 與前沿編碼。

領域專業知識

Muse Wonder 與 Muse Wonder Full 將專業知識應用於工作與日常生活中遇到的問題，從理解租約到解讀財務或健康資訊。評估涵蓋法律、金融與健康領域的任務，以測試此能力。例如 Harvey 的法律代理基準（LAB）要求模型使用來原始檔並遵循詳細指示產出法律工作成果。

Active Memory

實用個人與專業代理最關鍵的一步是可靠記憶。模型必須記住重要資訊，並在先前資訊變得相關時辨識。這我們稱之為 Active Memory：在對話中攜帶關於您的重要背景，並主動檢索與當前任務相關的細節。

Active Focus

使用該背景來完成任務也需要持續的努力。Active Focus 描述了 Muse Wonder 如何持續朝著挑戰性目標努力：嘗試不同方法、克服障礙、並適應新資訊。在此過程中，它在需要時尋求澄清，並在採取重要行動前進行檢查。我們透過 FocusBench 評估專注度，透過 SWE-Marathon 評估持續執行力，後者測試長期軟體專案的工作。

前沿編碼

編碼將這些能力結合起來。構建軟體需要追蹤需求、在整個程式碼庫中做出變更，並經歷反覆測試與修訂的迴圈。Muse Wonder 與 Muse Wonder Full 提供前沿編碼表現，支援從小型應用到複雜軟體的專案。我們將兩個模型訓練於多樣且長期的任務，協助它們在整個流程中維持進度。

可泛化的能力

兩個模型往往有相似的基準分數，但其中一個似乎能處理更廣泛的陌生任務。這正是對「benchmaxxing」的抱怨與對「big model smell」的讚美所關注的：一種能力的廣度，熱門基準在少數領域無法完全捕捉。

為量化此不匹配，我們調查後續訓練中針對任務的表現如何隨測試時計算資源擴充而與陌生任務的表現相關。下圖比較 Muse Spark 1.3 與 Muse Wonder Full，每個點表示不同推理努力下的表現。水平軸顯示模型在後續訓練期間聚焦任務的綜合代表分數（「分佈內」）。垂直軸顯示我們未在後續訓練中針對的任務集合的平均分數（「分佈外」）。

隨著測試時計算資源擴充，我們兩個模型在分佈外任務上的提升趨勢相似。但考慮到其分佈內表現，Muse Wonder Full 在陌生任務上表現甚至優於 Muse Spark 1.3 的預期趨勢。這種上升趨勢是因為 Muse Wonder 與 Muse Wonder Full 建立在更大、更強的基礎模型之上：更強的基礎能帶來更有效的後續訓練增益，進而更好地轉移至陌生任務。這種多樣性對個人代理尤為重要，因為它們需要處理多種目標、工具與限制的組合——我們無法在訓練期間預測所有情況。

前沿的安全

將個人超級智慧普及給每個人，需要在對齊與安全方面投入大量資源。個人代理代表使用者採取行動，並可能處理訊息、行事曆與私人檔案等上下文。這種程度的存取需要模型能以謹慎方式處理私人資訊並抵抗濫用。我們訓練 Muse Wonder 系列在兩個維度上領先，具備對抗敵意指令的韌性以及對私人資訊的謹慎處理。

隨著模型能力提升，我們的目標是協助人們安全且負責任地利用這些能力。Muse Wonder 提供至今我們最強大的防護措施，以抵禦 CBRN（化學、生物、放射性與核）以及網路濫用，同時保留對前沿網路能力的存取權，供防禦用途，依據我們的Meta 超智慧擴充套件框架。

Muse Wonder 是迄今為止最符合我們目標的模型，對齊是我們構建個人超智慧的核心。完整報告及額外安全評估將很快公佈。

我們希望 Muse Wonder 與 Muse Wonder Full 能賦予更多人追尋夢想、打造所願世界的力量。這是邁向每個人個人超級智慧的重要技術步驟，未來還有更多發展。