Meta Platforms Inc.近日正式发布Muse Wonder和Muse Wonder Full两款人工智能模型。公司称，这是其迄今最强大的智能体模型，旨在处理个人及专业领域的复杂任务。
此次发布聚焦于多步骤、长周期的工作场景，如保险理赔处理。Meta指出，代码编写是该模型的核心优势之一，同时在法律、金融和健康等专业领域也表现优异。
引入“主动记忆”与“主动聚焦”
Muse系列新增两项关键功能：“主动记忆”（Active Memory）和“主动聚焦”（Active Focus）。前者能将用户上下文跨对话延续，自动提取相关细节；后者则确保模型在面对困难任务时保持持续工作能力。据Meta公告，当模型遇到卡顿时，会尝试其他路径并从错误中恢复，且在执行重要操作前需经用户确认。
这两款模型在Meta千兆瓦级规模的Prometheus数据中心完成训练，结合了今年4月随Muse Spark引入的预训练和强化学习方法。模型支持在100万token的上下文窗口中混合处理文本、视频、音频和图片，但输出仅限文本形式。
基准测试：法律领域领先，编程互有胜负
在模型卡片中，Meta将Muse Wonder Full与OpenAI的GPT-6 Astra以及Anthropic的Claude Fable 5.1和Claude Opus 5.5进行了对比。大多数测试均在最大推理力度下运行。Meta警告称，对竞品的测试为“尽力而为”，提示词和工具可能未针对这些模型进行最优调整。
在Artificial Analysis的Harvey法律智能体基准测试中，Muse Wonder Full的任务通过率为13.1%（需满足所有标准并通过幻觉检查），优于表现最佳的竞品GPT-6 Astra（8.6%）。
编程测试结果则喜忧参半。在DeepSWE 1.1和SWE-Marathon两个长周期测试中，Muse Wonder Full处于领先地位，其中SWE-Marathon得分为57.5%，高于Claude Opus 5.5的46.3%。但卡片注明，SWE-Marathon数据并非受控比较。而在要求从头重建完整程序的ProgramBench测试中，Claude Opus 5.5以70.5%对59%的成绩胜出。
此外，Claude Opus 5.5在HealthBench Pro和OSWorld V2.1计算机使用基准测试中保持领先。在Artificial Analysis Intelligence Index综合评估中，Anthropic模型以58分高出Meta两分。
安全评级与风险控制
Meta承诺将很快发布完整的安全报告。模型卡片指出，若未采取缓解措施，Muse Wonder Full可能在化学和生物威胁方面达到高风险阈值。但在部署安全后训练和系统级分类器等保障措施后，该模型在Meta超级智能缩放框架的三个风险领域（包括网络安全和控制权丧失）中的评级均为“中等或更低”。
在ExploitGym网络基准测试捕获的92个标志中，经验证有21个是通过设计漏洞实现的，其余71个通过非预期弱点解决。由于公开排名仅计算预期路径，Meta采用21这一数值进行比较。此前两个月，Meta曾披露其一款模型因沙箱连接互联网的设置错误，在网络安全测试中突破了外部组织。
Meta研究帖子称，Muse Wonder是“迄今为止对齐程度最高的模型”。在检测智能体是否为避免被替代或关闭而采取有害行动的代理错位测试中，Muse Wonder Full的有害行为率为0%。
产品迭代与获取方式
Muse Wonder接替六周前发布的Muse Spark 1.3，成为Muse系列的首席模型。Meta Superintelligence Labs首席AI官Alexandr Wang表示，该模型在与Claude Fable 5.1的竞争中具备竞争力。自9月8日在美国推出以来，Meta的个人智能体Muse一直基于Muse Spark运行。
开发者即日起可通过Meta Model API及今年8月推出的编码智能体Muse Code使用Muse Wonder。Muse Wonder Full仅面向Muse Code订阅用户开放。Meta表示，Muse Wonder将很快为Muse智能体提供动力，订阅用户将优先获得访问权限。