今天，Meta公司（Meta）推出缪斯奇迹（Muse Wonder）系列，包含缪斯奇迹与缪斯奇迹完整版（Muse Wonder Full），在个人和专业代理任务上达到领先水平。缪斯奇迹结合主动记忆（Active Memory）与主动专注（Active Focus），记住重要信息并持续推进目标，也是扩展阶梯上的下一步，向个人超级智能大幅迈进。缪斯奇迹现已通过Meta模型API（Meta Model API）和缪斯代码（Muse Code）提供，缪斯奇迹完整版也面向缪斯代码订阅者开放。
正文
一款在个人与专业智能体任务上领先的前沿模型
今天，我们很高兴推出 Muse Wonder 系列，其中包括 Muse Wonder 和 Muse Wonder Full。这是我们目前能力最强的模型，在个人与专业智能体任务上实现了最先进的性能。它们共同标志着我们扩展阶梯上的下一步，也是迈向个人超级智能的一次重大飞跃。Muse Wonder 结合了 Active Memory（主动记忆）和 Active Focus（主动专注），用以记住对你重要的事，并持续朝着你想要完成的目标努力。
Muse Wonder 即日起通过 Meta Model API 和 Muse Code 提供，Muse Wonder Full 即日起面向 Muse Code 订阅者提供。
Muse Wonder 很快将为 Muse 中的体验提供支持，并率先推送给订阅者。它还将为 artifact 生成以及需要更高智能的流程提供支持。未来，我们将利用 Muse Wonder 开发专用模型，把它们带给所有使用 Muse 的人。
十四个月前，我们开始对人工智能工作进行彻底重构。在此期间，我们从根据第一性原理重建技术栈，走到了推动前沿。
我们在推出 Muse Spark 时，概述了可预测、严谨的扩展方法。今天的发布在预训练和强化学习方面延续了这项工作，带来了我们迄今最强的模型。Muse Wonder 和 Muse Wonder Full 在我们吉瓦规模的 Prometheus 数据中心训练而成，汇聚了 Meta 各团队的成果，为工作和日常生活中的复杂任务提供前沿能力——这是将个人超级智能带给我们产品数十亿用户的又一步。
模型亮点
Muse Wonder 系列在个人与专业智能体、记忆和编程的关键基准测试中取得了最先进的结果。
下面的完整结果在广泛的评测集上比较了 Muse Wonder、Muse Wonder Full 与其他前沿模型。
有关评估的更多细节，请参见我们的报告。
以上结果提供了模型性能的宏观视图。现在我们进一步关注它们在现实任务中四个核心领域：领域专业能力、Active Memory、Active Focus 和前沿编程。
领域专业能力
Muse Wonder 和 Muse Wonder Full 将专业知识应用于人们在工作和日常生活中遇到的问题，从理解租约，到理清财务或健康信息。我们的评估包含法律、金融和健康领域的任务来测试这项能力。例如，Harvey’s Legal Agent Benchmark（LAB）要求模型处理原始文档并遵循详细指令，产出法律工作成果。
主动记忆（Active Memory）
迈向有用的个人与专业智能体，最关键的步骤之一就是可靠的记忆。模型需要记住重要的事，并识别出先前信息何时变得相关。我们将这一能力称为 Active Memory（主动记忆）：在不同对话之间携带关于你的重要上下文，并主动检索与当前任务相关的细节。
主动专注（Active Focus）
利用这些上下文来完成任务，还需要持续的努力。Active Focus（主动专注）描述了 Muse Wonder 如何朝着有挑战性的目标持续工作：尝试替代方案、克服阻碍、并适应新信息。在此过程中，它会在需要时请求澄清，并在采取重要行动前进行确认。我们通过 FocusBench 评估专注力，通过 SWE-Marathon 评估持续执行能力，后者测试的是在长期软件项目上的工作。
前沿编程
编程将这些能力结合在了一起。构建软件需要跟踪需求、在整个代码库中进行修改，并经历反复的测试与修订循环。Muse Wonder 和 Muse Wonder Full 提供了前沿的编程性能，支持从小型应用到复杂软件的各种项目。我们在多样化、长周期的任务上训练这两个模型，帮助它们在这一过程中保持进展。
Muse Wonder 可根据可定制的图像输入，构建一个可玩的 3D 厨房游戏。
两个模型常常取得相似的基准分数，但其中一个似乎能处理更广泛的陌生任务。这正是关于“benchmaxxing”的批评与对“big model smell”的称赞共同指向的：一种在少数领域的流行基准无法完全捕捉的能力广度。
为了量化这种不匹配，我们研究了随着测试时计算的扩展，后训练阶段针对的任务表现与陌生任务表现之间的关系。下图比较了 Muse Spark 1.3 和 Muse Wonder Full，每个点代表在特定推理强度下的表现。横轴显示模型在后训练期间我们所关注任务的综合得分（“in-distribution”，分布内）；纵轴显示在一组我们后训练期间未针对的任务上的平均得分（“out-of-distribution”，分布外）。
随着测试时计算的扩展，我们的两个模型在分布外任务上的提升相似。但考虑到其分布内表现，Muse Wonder Full 在陌生任务上的表现甚至优于 Muse Spark 1.3 趋势所预测的水平。这种上移是因为 Muse Wonder 和 Muse Wonder Full 建立在更大、更强的基础模型之上：更强的基础使后训练增益能更有效地迁移到陌生任务。这种通用性对个人智能体尤其重要，因为它们需要处理目标、工具和约束的多种组合——而这些并非都能在训练期间被我们预见。
Muse Wonder 在 Saturday Run Planning 智能体演示中，直接在浏览器及各类应用里工作，根据个人偏好和具体情况制定跑步计划（地图数据 © OpenStreetMap 贡献者）。
将个人超级智能带给每个人，需要在对齐和安全上进行重大投入。个人智能体代表用户采取行动，并可能处理消息、日历和私人文档等上下文。这种级别的访问要求模型对私人信息谨慎行事，并抵抗滥用。我们训练 Muse Wonder 系列在这两个维度上领先，使其具备对对抗性指令的鲁棒性，并谨慎处理私人信息。
随着模型能力增强，我们的目标是帮助人们安全、负责任地利用这些能力。Muse Wonder 提供了我们迄今最强的防护措施，防范 CBRN（化学、生物、放射性和核）及网络滥用，同时根据我们的 Meta Superintelligence Scaling Framework，保留用于防御目的的前沿网络能力。
Muse Wonder 是我们迄今对齐程度最高的模型，而对齐是我们构建个人超级智能的核心。包含更多安全评估的完整报告将很快发布。
我们希望 Muse Wonder 和 Muse Wonder Full 能让更多人拥有追求梦想、构建想要世界的能力。这是面向所有人实现个人超级智能的重要技术一步，后续还会有更多进展。
评论
讨论气氛是“惊艳但高度戒备”：社区普遍承认 Meta 的 Muse 新模型在 AA 榜上已逼近 Opus 5.5、RL 进展快得反常，但主轴分歧在于这些分数是否靠刷榜、日常工具链和安全性是否配得上“前沿”标签。与此同时，不少人欢迎 Meta 把前沿竞争变成多玩家的局面，少数人则继续追问权重开放、定价与隐私风险。
承认 Meta 已靠 RL 和人才收购冲进前沿
- 这次不是过去那种低价开源的小打小闹，而是突然拿出接近前沿的完整模型；榜单仅次于 Opus 5.5，加上 RL 扩展全速推进、早前收购终于见效，让不少人觉得它已经真正挤进第一梯队。（较多人） > RL 团队这么快把模型爬到 AA 榜第二，速度快得离谱，但日常工作流是否同样好用还不好说（@ggcr）
- 也有人以“毫无预兆”形容这种反差：Meta 过去几年一直折腾廉价开放权重模型，如今却直接拿出 Frontier 套件。（少数人）
质疑高分来自刷榜，落地和工具链仍不可信
- 很多人第一反应是问到底做了多少刷榜优化，认为漂亮分数可能只是针对评测集调出来的；即便分数漂亮，编码 harness 和沙箱在 Mac 与 Linux 上都跑不起来，实际日常使用远没跟上榜单。（较多人） > 分数确实漂亮，但编码沙箱在 Mac 和 Linux 上都跑不起来，根本没法日常使用（@wkcheng）
- 反直觉的是，如果这些分数不是刷榜，那么 Anthropic、OpenAI 的独特性就会被迅速削弱，所以“是否刷榜”直接决定了对竞争格局的判断。（少数人）
欢迎更多公司逼近前沿，避免权力和价格被单一玩家垄断
- 即便对 Meta 有保留，更多人进入前沿被视为好事：三到四家互相牵制，能降低递归自我改进后价值观被单一公司强加全行业的风险，也更可能促成合作；若 Meta 真有同级模型，前沿能力会迅速商品化、价格被压低。（较多人） > 越多公司接近前沿越好；若只有一家在递归自我改进后掌舵，会导致权力极端集中、价值观被强加全行业，三到四家互相牵制反而更可能合作（@atleastoptimal）
- 也有人从产品和市场角度补充：Muse 应用已经很有吸引力，若再搭配这次的强模型，竞品会被迫回应；OpenAI 还被指同时面临订阅贬值、落后前沿和筹备 IPO 的混乱局面。（少数人）
担心定价跳涨与最强版本被订阅制锁住
- Muse 新模型不再延续 Meta 过去的低价策略，输入输出定价来到每百万 token 4/20 美元，输出价高于 Sol、与 Opus 持平，被解读为 Meta 自认已进前沿、敢于按前沿定价；另外榜上最强的 Muse Wonder Full 仅供订阅者，API 只能调用 Muse Wonder，普通开发者拿不到榜单同款。（少数人） > 这次定价跳到输入输出每百万 token 4/20 美元，高于 Sol 并与 Opus 持平，像是 Meta 认为终于挤进前沿、不必再靠折扣换用户（@Jcampuzano2）
希望 Meta 延续开放权重传统
- 由于 Meta 长期做廉价开放权重模型，这次大家紧盯 Frontier 模型是否也会开源；若放出权重，不仅能延续社区期待，也被认为能干扰 Anthropic 和 OpenAI 的商业节奏。（少数人） > 要是 Meta 直接放出权重，多少能给 Anthropic 和 OpenAI 添点堵（@cardboard9926）
反感 Meta 的“超级智能”营销与命名玩法
- 社区对“超级智能”话术和 Muse 系列命名充满嘲讽，认为这种宏大包装很扎克伯格；有人直接要求别再用“超级智能”这个词，也有人拿 Glimmer、Spark、Wonder 这一串名字开玩笑，觉得接下来可能要出“Sun Shine”。（较多人） > “超级智能”？别开玩笑了，扎克伯格这套宣传简直离谱（@khalic）
担心把个人事务交给 Meta 代理并不安全
- Meta 想推动非技术用户用 Muse 代理处理私人事务，但内部指标显示处理个人信息约有 3% 的违规率，对普通用户来说高得不可接受；再叠加对 Meta 产品会“搞坏设备/体验”的刻板印象，很多人对真把个人事务交出去很犹豫。（少数人） > 内部指标显示处理个人信息约有 3% 的违规率，在面向非技术用户推广个人事务代理时高得不可接受（@nerevarthelame）
有价值的补充
- 反直觉点：进步主要来自 RL 团队快速爬榜，而不是预训练堆规模，说明 Meta 的 RL 扩展可能已经跑通。
- 消费级视角：有讨论提醒，普通用户最后关心的可能不是 AA 榜名次，而是哪家大厂更愿意补贴消费级套餐；这提醒讨论不只看排行榜，也看最终到手价格与可用性。