Hacker News Best

Muse Wonder

8.5内容质量

TL;DR · AI 摘要

Meta推出Muse Wonder系列模型，结合Active Memory和Active Focus技术，实现个人与专业AI代理任务的前沿性能。

核心要点

  • Muse Wonder系列在法律、金融等专业领域基准测试中达到最先进水平
  • 模型通过Meta Model API和Muse Code提供，支持复杂任务处理与专用模型开发
  • 基于Prometheus超大规模数据中心训练，实现个人超级智能的阶段性突破

结构提纲

按章节快速跳转。

  1. §引言

    介绍Muse Wonder系列模型及其在个人与专业代理任务中的突破性表现

  2. ·AI能力扩展

    概述Meta过去14个月在人工智能领域的基础重构与技术突破

  3. ›模型亮点

    展示Muse Wonder系列在专业领域基准测试中的领先表现

  4. ›领域专业知识

    说明模型在法律、金融等领域的应用能力及测试结果

  5. ›技术特性

    解析Active Memory和Active Focus技术如何提升任务处理效率

  6. ›未来规划

    阐述模型在专用模型开发和大规模应用的未来路线图

思维导图

用一张图看清主题之间的关系。

查看大纲文本（无障碍 / 无 JS 友好）
  • Muse Wonder系列模型
    • 核心能力
      • Active Memory
      • Active Focus
    • 应用场景
      • 个人代理
      • 专业代理
    • 技术基础
      • Prometheus数据中心
      • 强化学习

金句 / Highlights

值得收藏与分享的关键句。

#AI模型#Meta#Active Memory#专业代理#前沿技术
打开原文

Muse Wonder：面向个人与职业AI代理的前沿模型

加载演示

2026年10月12日

·

6分钟阅读

播放 研究人员介绍Muse Wonder并讨论其能力。

播放

显示字幕 研究人员介绍Muse Wonder并讨论其能力。

显示字幕

静音 研究人员介绍Muse Wonder并讨论其能力。

静音

研究人员介绍Muse Wonder并讨论其能力。

播放位置

0:00

/

00:00

A frontier model that leads on personal and professional agents

今天，我们激动地推出Muse Wonder系列，包括Muse Wonder和Muse Wonder Full，这是我们在个人和职业代理任务上表现最先进的模型。它们共同标志着我们在扩展路径上的下一步，也是向个人超级智能迈出的重大飞跃。Muse Wonder结合了主动记忆和主动聚焦功能，持续追踪对你重要的信息，并努力实现你的目标。

Muse Wonder今日已通过Meta Model API和Muse Code提供，Muse Wonder Full今日也向Muse Code订阅者开放。

Muse Wonder将很快在Muse中启用，并率先向订阅者推出。Muse Wonder还将用于生成复杂任务所需的智能体生成和流程。未来，我们将使用Muse Wonder开发专用模型，并通过Muse带给所有人。

向个人超级智能迈进

十四个月前，我们开始全面改革人工智能工作。在此期间，我们从基于第一性原理重建技术栈，到推动前沿技术突破。

在推出Muse Spark时，我们阐述了可预测、严谨的扩展方法。今日的发布在预训练和强化学习方面都延续了这一工作，带来了迄今为止最强大的模型。在吉瓦级Prometheus数据中心训练的Muse Wonder和Muse Wonder Full汇集了Meta各团队的工作成果，为工作和日常生活的复杂任务提供前沿能力——这是将个人超级智能带给数十亿产品使用者的又一步。

前沿能力

模型亮点

Muse Wonder系列在个人和职业代理、记忆和编程等关键基准测试中均达到最先进的效果。

下方完整结果对比了Muse Wonder和Muse Wonder Full与其他前沿模型在广泛评估套件中的表现。

有关评估的更多细节，请参阅我们的报告。

上述结果提供了模型性能的总体概览。现在我们更详细地探讨四个对实际任务至关重要的领域：领域专业知识、主动记忆、主动聚焦和前沿编程。

领域专业知识

Muse Wonder和Muse Wonder Full将专业知识应用于工作和日常生活中遇到的问题，从理解租赁协议到解读财务或健康信息。我们的评估包括法律、金融和健康领域的任务，测试这种能力。例如，Harvey的法律代理基准（LAB）要求模型与源文档协作，并遵循详细说明生成法律工作成果。

主动记忆

可靠的记忆是构建实用个人和专业代理的关键步骤之一。模型需要记住重要信息，并识别先前信息何时变得相关。我们将这种能力称为主动记忆：在对话中持续保留关于你的关键上下文，并主动检索与当前任务相关的细节。

主动专注

利用这些上下文完成任务同样需要持续努力。主动专注描述了Muse Wonder如何持续朝着具有挑战性的目标前进：尝试替代方案、克服障碍并适应新信息。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评估专注能力，通过SWE-Marathon评估持续执行能力，后者测试的是长期软件项目开发。

前沿编码

编码将这些能力整合在一起。软件开发需要跟踪需求、跨代码库进行修改，并经历反复的测试和修订循环。Muse Wonder和Muse Wonder Full提供前沿编码性能，支持从小型应用到复杂软件的各类项目。我们通过多样化的长期任务训练这两个模型，帮助它们在整个开发过程中保持进展。

厨房游戏

健康支持

保险理赔

Muse Wonder可根据可定制的图像输入构建可玩的3D厨房游戏。

可泛化的能力

两个模型的基准测试得分经常相似，但其中一个似乎能处理更广泛的新任务。这就是"benchmaxxing"（基准最大化）的批评和"big model smell"（大模型特征）的赞誉所指向的问题：一种超越几个领域流行基准测试所捕捉范围的能力广度。

为了量化这种差异，我们研究了在微调期间针对的任务表现与在扩展测试时计算资源上的表现之间的关系。下图比较了Muse Spark 1.3和Muse Wonder Full，每个点代表不同推理努力程度下的表现。横轴显示模型在微调期间重点关注任务组合上的综合得分（"分布内"）。纵轴显示在微调期间未重点关注的任务组合上的平均得分（"分布外"）。

随着测试时计算资源的增加，我们的两个模型在分布外任务上的表现都有相似的提升。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趋势预测。这种提升源于Muse Wonder和Muse Wonder Full基于更大更强的基础模型：更强的基础模型能更有效地将微调收益转移到陌生任务上。这种灵活性对个人代理尤其重要，因为它们需要处理各种目标、工具和约束的组合——这些组合在训练时往往难以预见。

周六跑步计划

个性化礼物

婚礼座位表

播放周六跑步计划代理演示的屏幕录像

为周六跑步计划代理演示的屏幕录像显示字幕

播放周六跑步计划代理演示的屏幕录像

Muse Wonder直接在浏览器和跨应用中工作，根据个人偏好和情况（地图数据©OpenStreetMap贡献者）制定跑步计划。

Muse Wonder 根据个人 Instagram 资料中的真实照片定制专属周边产品。

Muse Wonder 会根据复杂的匹配要求列表，制作专属的婚礼座位安排表。

前沿的安全保障

将个人超级智能交付给每个人需要在对齐性和安全性方面进行重大投入。个人代理代表用户执行操作，可能需要处理消息、日历和私人文件等敏感信息。这种级别的访问权限要求模型在处理私人信息时保持谨慎，并抵御滥用。我们训练 Muse Wonder 系列在两个维度上都表现出色：对对抗性指令具有鲁棒性，并且能够妥善处理私人信息。

随着模型能力的提升，我们的目标是帮助人们安全、负责任地利用这些能力。Muse Wonder 提供迄今为止我们最强的防护措施，防止化学、生物、放射和核（CBRN）以及网络滥用，同时根据 Meta 超级智能扩展框架，保留对前沿网络能力的访问权限用于防御目的。

Muse Wonder 是我们目前对齐性最强的模型，而对齐性是我们构建个人超级智能的核心。完整的报告和额外的安全评估将在不久后发布。

我们希望 Muse Wonder 和 Muse Wonder Full 能够赋予更多人追求梦想、构建理想世界的权力。这是迈向全民个人超级智能的重大技术进步，未来还有更多内容值得期待。

播放 人们追求个人和职业目标，正如叙述介绍 Muse Wonder。

显示字幕 人们追求个人和职业目标，正如叙述介绍 Muse Wonder。

静音 人们追求个人和职业目标，正如叙述介绍 Muse Wonder。

人们追求个人和职业目标，正如叙述介绍 Muse Wonder。