Meta Muse Wonder 和 Muse Wonder Full 发布

Meta 正式推出了 Muse Wonder 模型系列，标志着其在迈向个人超级智能的道路上取得了重大进展。此次发布包含两个模型：可通过 Meta Model API 使用的 Muse Wonder，以及专为 Muse Code 订阅者保留的更强大的变体 Muse Wonder Full。这些模型旨在作为复杂的智能体运行，利用“主动记忆”（Active Memory）在会话间保持上下文，并利用“主动聚焦”（Active Focus）在复杂的长周期任务中保持进度。

技术能力与架构

Muse Wonder 系列代表了 Meta 在十四个月前开始的 AI 技术栈全面改革的最新里程碑。这些模型在 Meta 的吉瓦级 Prometheus 数据中心进行训练，针对个人和专业的智能体工作流进行了优化。据 Meta 称，这些模型在特定领域的任务中表现出卓越的性能，包括法律分析、财务推理和软件工程。

Meta 强调了两个核心架构创新：

• 主动记忆（Active Memory）： 一个旨在跨不同对话保留和检索相关用户上下文的系统，从而实现更个性化的交互。
• 主动聚焦（Active Focus）： 一种允许模型针对具有挑战性的目标进行迭代、适应新信息并在必要时请求澄清的机制，而不是仅仅提供静态响应。

性能与基准测试

Meta 将 Muse Wonder 系列定位为前沿级别的竞争者。该公司声称在多个基准测试中取得了最先进的结果，包括 Harvey Legal Agent Benchmark (LAB) 以及各种软件工程套件，如 SWE-Marathon 和 DeepSWE。

Meta 还解决了行业内关于“基准测试最大化”（benchmaxxing）的担忧——即模型在已知基准测试中表现良好，但在处理不熟悉的任务时却表现不佳。通过扩展测试时计算（test-time compute），Meta 声称与前代产品 Muse Spark 1.3 相比，Muse Wonder 系列在分布外（out-of-distribution）任务上表现出优于预期的性能。这表明更强大的基础模型使得训练后的收益能够更有效地推广到不可预测的现实场景中。

安全与对齐

由于这些模型旨在处理敏感的个人数据（如日历和私人文档），Meta 实施了严格的安全保障措施。该公司报告称，Muse Wonder 系列在抵御对抗性指令和未经授权的代码执行方面表现出更强的鲁棒性。此外，这些模型已根据 Meta 超级智能扩展框架（Meta Superintelligence Scaling Framework）进行了调整，其中包括针对 CBRN（化学、生物、放射和核）以及网络滥用查询的特定拒绝机制，同时保持对防御性网络安全研究的支持。

社区与行业反响

开发者社区的初步反馈褒贬不一。虽然一些用户认可其令人印象深刻的基准测试分数，但其他人对模型的实际效用提出了担忧。

"智能是有的，但‘品味’和‘判断力’还不够。个性看起来还可以，但当它陷入循环……而没有退后一步重新考虑时，这并没有什么帮助。" — @handle

其他讨论点包括：

• 定价与可访问性： 用户指出 Muse Wonder API 的定价高于 Meta 之前的服务，使其定位更接近 Claude Opus 等高端模型。此外，关于区域可用性以及 Muse Code 订阅层级的高昂使用成本也引发了不满。
• 现实世界的可靠性： 一些早期测试人员报告称，虽然这些模型在编码方面表现出色，但在处理简单的现实世界规划任务（如餐厅推荐或旅行物流）时却很吃力，经常会产生过时信息的幻觉。
• 透明度： 批评人士指出，尽管此前曾承诺为 Muse Spark 等早期模型发布开放权重版本，但 Muse Wonder 系列仍然保持封闭，这引发了关于前沿 AI 权力中心化的争论。