Meta正式推出专为个人及专业智能体打造的两款AI模型：Muse Wonder和Muse Wonder Full。这两款模型均在公司千兆瓦级规模的Prometheus数据中心完成训练，具备长期记忆、多步骤任务执行及代码生成等核心能力。
目前，Muse Wonder可通过Meta Model API和Muse Code获取，Muse Wonder Full则面向Muse Code订阅用户开放。Meta计划后续将Muse Wonder引入其Muse平台，初期仅对订阅用户开放，用于驱动各类体验、生成内容资产并处理高复杂度任务。此外，Meta还计划基于该模型开发更广泛的专用模型，并通过Muse平台拓展服务边界。
核心能力：主动记忆与主动聚焦
Muse Wonder系列集成了“主动记忆”（Active Memory）与“主动聚焦”（Active Focus）两项关键技术。
“主动记忆”使模型能够在对话间隔中保留相关信息，并在必要时进行检索。Meta指出，可靠的记忆是迈向实用型个人和专业智能体的关键一步，该能力可“在不同对话中携带关于用户的重要上下文，并主动检索与当前任务相关的细节”。
“主动聚焦”则赋予模型围绕既定目标长时间工作的能力，包括尝试替代方案、克服障碍及根据新信息进行调整。在执行重要行动前，模型会请求澄清并与用户确认，以确保操作准确。
这些能力旨在支持智能体跨应用工作，处理涉及多重需求与约束的复杂任务。
性能表现与安全合规
Meta声称，Muse Wonder系列在多项基准测试中取得领先成绩，涵盖个人与专业智能体、记忆能力及代码生成等领域。评估指标包括针对商业工作流的AutomationBench-AA、长期上下文记忆的MemoryBench、持续软件工程开发的SWE-Marathon以及长周期编码的DeepSWE。
在法律、金融和健康等垂直领域，模型也通过了专门评估，如Harvey的法律智能体基准测试（检验基于源文件遵循指令完成法律文书的能力）以及Vals金融智能体V2。
评估显示，相较于早期的Muse Spark 1.3模型，Muse Wonder Full在面对不熟悉任务时展现出更强的泛化能力。Meta将此归因于更强大的基础模型支撑，使得后训练带来的改进能更有效地迁移至训练重点之外的任务。公司表示，这种多功能性对于需处理各种目标、工具和约束组合的个人智能体尤为重要。
鉴于个人智能体可能以用户名义访问消息、日历和私人文档，Meta强调在训练过程中注重隐私信息的谨慎处理及对抗性指令的防御。此外，Muse Wonder拥有迄今为止最强的防范化学、生物、辐射及核风险能力，并保留了用于防御目的的先进网络安全措施，以防止网络滥用。