Meta 新模型杀回AI第一梯队，Alexandr Wang 亲述 Muse 7个月翻身内幕
在历经一系列争议、近期凭借 Muse 实现“翻红”后，10 月 12 日，Meta 推出了全新的 Muse Wonder 系列，其中包含 Muse Wonder 与 Muse Wonder Full 两个模型。Meta 称其为公司目前性能最强的模型，并明确将产品定位指向“个人和专业 Agent”。
“一夜之间，竞争格局从两强相争变成了三足鼎立。Meta 推出了 Fable 级别的模型。”有网友给出了极高的评价。
与以往更强调推理能力不同，Muse Wonder 的核心能力被概括为两个新关键词：主动记忆和主动专注。前者负责在跨对话场景中记住用户的关键信息，后者则让 Agent 能在长时间任务中持续推进目标、绕过障碍，并根据新信息调整行动。
Muse Wonder 已通过 Meta Model API 和 Muse Code 开放，定价为每百万输入 Token 4 美元、缓存输入 0.2 美元、输出 20 美元；而 Wonder Full 暂时没有独立的 API 定价，仅包含在 Muse Code 的 Power Usage 和 Maximum Usage 订阅中，后者分别为每月 50 美元和 200 美元。
之后，Muse Wonder 还将逐步整合进 Muse 产品中，首先向订阅用户推出，并承担 Artifact 生成以及需要更高智能水平的复杂任务。Meta 表示，未来还计划基于 Wonder 训练更多专用模型。
这也是 Meta 在过去 14 个月重建 AI 技术栈后的又一次重要模型升级。Meta 表示，Muse Wonder 延续了此前 Muse Spark 确立的 Scaling 路线，从预训练和强化学习两个方向继续扩展模型能力，并在千兆瓦级的 Prometheus 数据中心完成了训练。
“我对 Meta 有很多不满，但越多公司进入前沿领域越好。”有网友这样说道。
就在 Muse Wonder 发布的前一天，Alexandr Wang 在 David Senra 的播客中从产品层面详细披露了 Muse 背后的故事：它最初受 OpenClaw 启发，1 至 2 周内做出了第一个原型，从原型到正式发布用了 7 个月，整个团队不到 200 人。
为了决定模型何时能够真正面向消费者，团队列出了一张包含超过 100 项能力的清单，并为每一项设定了发布门槛，直到第一次出现所有项目都变绿的模型 Checkpoint。这背后实际上也体现了 Muse Wonder 的训练理念。
Wang 对这条路径的判断是，个人 Agent 可能会成为某种“终极消费产品”。对 Meta 来说，这场竞争最重要的筹码，是它每天触达的约 35 亿用户，以及 Instagram、WhatsApp、Facebook 长期积累的个人关系和消费场景。
可以看出，当下的 Meta，在模型层面，正在将主动长期记忆和长程执行直接写入基础能力；在产品层面，Muse 正在走向真正能替用户办事的个人 Agent；而这两者都服务于 Meta 的 AI 理念：一种以“个人超级智能”为核心、试图持续放大普通人主体能动性的 AI 路线。
新模型让 Meta 重回 AI 前沿？
先来看新模型。Muse Wonder 最明显的一个变化，是 Meta 开始将“记忆”单独定义为 Agent 的核心能力。Meta 将这一机制称为主动记忆。它并不仅仅是把历史对话塞进更长的上下文，而是要求模型跨对话保存用户的相关重要信息，并在后续任务中主动判断哪些旧信息值得重新调用。
从模型规格来看，Muse Wonder 和 Muse Wonder Full 在推理阶段支持最高 100 万 Token 的上下文，输入模态包括文本、图像、视频和音频，输出目前仍以文本为主。Meta 还专门设计了 MemoryBench，用于测试模型能否在 6.4 万到 10 万 Token 的复杂多轮对话中找回关键信息，同时处理干扰信息以及后续对原信息的更新和冲突。
在这一内部测试中，Muse Wonder 得分为 85.6，Muse Wonder Full 为 85.5，高于 Meta 报告中 GPT-6 Astra 的 81.4、Claude Opus 5.5 的 81.5 和 Claude Fable 5.1 的 79.0。
主动专注解决的则是另一个 Agent 难题：能否持续完成一项任务。Meta 对其的定义是，当任务遇到障碍时，模型能够继续尝试其他方案，在新信息出现后调整计划；需要额外信息时主动向用户澄清，而在采取重要行动之前则先请求用户确认。
Meta 使用 FocusBench 测试这一能力，并用 SWE-Marathon 检验模型在超长软件工程项目中的持续执行能力。
这两个能力结合在一起，实际上描绘出 Meta 对下一代个人 Agent 的基本判断：Agent 应该长期了解一个人，并且能够围绕他的目标连续工作。
Coding 是 Meta 此次特别强调的一项能力。相比单轮代码生成，真实软件开发同时需要长期记住需求、跨文件修改代码，并不断经历“修改—测试—失败—再次修改”的循环，因此本身就是对 Memory 和 Focus 的综合测试。
Meta 表示，Muse Wonder 和 Wonder Full 专门接受了更多长时间运行任务的训练，希望模型能够在大型软件项目中保持连续进展。从 Meta 公布的评测来看，Muse Wonder Full 在部分长程 Coding Benchmark 上表现突出。
在 DeepSWE v1.1 上，Muse Wonder Full 得到 79.0，Muse Wonder 为 78.8；作为对比，Meta 列出的 GPT-6 Astra 为 74.1、Claude Opus 5.5 为 74.2、Claude Fable 5.1 为 67.4。
更明显的差距出现在 SWE-Marathon。这项测试专门针对超长软件工程任务，Muse Wonder Full 得到 57.5，Muse Wonder 为 53.1，高于 Claude Opus 5.5 的 46.3、Claude Fable 5.1 的 45.6 和 GPT-6 Astra 的 42.5。
不过，Muse Wonder 并没有在所有 Coding Benchmark 上领先。比如在 ProgramBench 中，Wonder Full 得到 59.0，而 Claude Opus 5.5 达到 70.5。
值得注意的是，各项数字并非全部来自完全统一的测试环境。Meta 在 Model Card 中说明，部分内部 Coding 对比使用相同 Harness，但一些外部结果沿用了不同模型提供商或评测机构各自使用的 Agent 产品和 Harness。例如在 SWE-Marathon 中，GPT-6 Astra 使用 Codex，Claude Fable 5.1 使用 Claude Code，因此这些结果并不属于严格意义上的同 Harness 对照实验。
Muse Wonder 的另一条产品路线，是从通用聊天继续向专业工作渗透。
Meta 针对法律、金融、医疗、商业工作流和电脑操作都进行了单独评测。以法律 Agent Benchmark Harvey LAB-AA 为例，Muse Wonder Full 得分 13.1，Muse Wonder 为 10.0，高于 Meta 报告中的 GPT-6 Astra、Claude Fable 5.1、Claude Opus 5.5 模型。在其他领域，模型得分各有高低。
Meta 首次建立了一项内部综合指标 Personal Superintelligence Index（PSI），将 Agents' Last Exam、AutomationBench-AA、FocusBench、JobBench、GDP.pdf、VBT 和 DRACO 等 7 类个人与知识工作任务合并评估。根据 Meta 自己的测试，Muse Wonder Full 的 PSI 为 59.1，Muse Wonder 为 54.3；GPT-6 Astra 为 54.5，Claude Opus 5.5 为 55.2，Claude Fable 5.1 为 49.9。
随着 Agent 开始接触消息、日历、私人文件甚至能够代表用户采取真实动作，Muse Wonder 的安全评估也比普通聊天模型更重。网友的一些讨论，直接触发了 Meta 长期积累的信任问题。
有网友直言，Muse 所要求的信任水平与 Meta 过去的隐私声誉之间存在明显冲突。一些用户认为，一个需要持续积累个人记忆、处理邮件、日历和文件的 Agent，本质上要求用户把比传统社交平台更多、更敏感的信息交给模型提供商。
不过，Meta 介绍了安全相关的问题。其表示，Muse Wonder Full 在未经安全缓解的情况下，不能排除其化学和生物能力达到公司“高风险”阈值的可能性。因此 Meta 对模型采用了安全后训练和系统级分类器等额外限制。
Meta 也明确建议，当 Muse Wonder 被部署到能够产生现实后果的 Agent 场景时，应针对不可逆操作加入人工确认。公司同时承认，目前模型在多步推理的新颖场景中仍可能出错，3D 等精确视觉与空间推理仍然属于已知弱项，模型表现也会受到量化、服务配置、Prompt、工具以及 Agent Harness 的明显影响。
在 Meta 产品方面，Alexandr Wang 对于 Muse 的研发经过、用户粘性等方面讲得很详细。此外，他也分享了自己进入 Meta 时与扎克伯格的详细对话经过，以及现在在 Meta 的主要职责等。为最大程度保留信息，我们直接采用了 QA 形式以飨读者。
Alexandr Wang：Muse 凭什么让 Meta 翻红？
7 个月做出 Muse
主持人： 跟我讲讲 Muse 的来历吧。
Wang： 我想，首先要从我们创办 Meta 超级智能实验室（Meta Superintelligence Labs，MSL）时的愿景说起。
实验室刚成立时，Mark 发布了一份叫《个人超级智能》的备忘录，我、Nat Friedman 以及其他一些人都和他一起密切参与了这份备忘录的工作。它最核心的问题就是：我们怎样打造足够强大的人工智能（AI），真正让所有人的生活变得更好？怎样做出一种真正能够整体提升人类体验的东西？
那份备忘录里谈到了很多想法。回头看，其中其实已经隐约指向了 Muse 最终会变成的样子，只不过当时还非常早。那是 2025 年 6 月，智能体还没有真正以有意义的方式发展起来。2025 年夏天，AI 所处的阶段和现在完全不同。但这就是我们想前往的方向，也是 MSL 的使命，是我们希望把所有工作带向的地方。
之后我们就开始埋头做模型。任何前沿模型的端到端开发流程都要花很多个月：先搭完整的技术栈，准备数据集，做预训练，再做后训练，而且这些环节本身又都需要一整套基础设施。整个端到端过程非常漫长。
到今年年初，Opus 4.5 让很多人，包括我们，真正开始看到智能体的未来可能是什么样，也把智能体的潜力一下子推到了台前。与此同时，OpenClaw 也在年初出现了。
我和 Nat Friedman 一直合作密切。我觉得他应该是 MSL 内部最早开始用 OpenClaw、认真尝试 OpenClaw 的人。他的体验介于“恐惧”和“狂喜”之间。他几乎是彻底投入进去，对它高度信任。
他后来在 Stripe Sessions 的一次采访里讲过一些故事。比如他告诉自己的 OpenClaw，希望自己多喝水，于是 OpenClaw 会通过安保摄像头观察他到底有没有喝水，看到他喝了还会夸一句“干得不错”。他还有很多类似的离谱故事，但这些故事会让你意识到：一些很神奇的事情确实发生了。
我记得 Nat 对我说过一句话，这是我印象最深的事情之一。他说：“我觉得这里真的有东西。”Nat Friedman 这种早期采用者其实是个很好的信号。他当年是 Stripe 最早的一批客户之一，很早就参与了很多开源开发者项目，也参与创建了 GitHub Copilot 等很多产品。
所以这对我来说是一个非常明确的信号：个人 Agent 这件事，本身确实有某种很特别、很神奇的东西。真正开始信任一个个人 Agent，把它深度带进生活之后，你会发现它能做的事情实在太多了。
听完那些疯狂的故事后，我也开始非常深入地用 OpenClaw。连续好几个星期，我们两个人几乎所有空闲时间都在和自己的 OpenClaw 对话，彻底沉浸在“个人 Agent 到底可以是什么”这个问题里。
主持人： 你最初的反应是什么？狂喜，还是恐惧？
Wang： 当时 Nat 做了一个 prompt，基本上就是对自己做一次完整的心理分析。它会进行好几轮非常深入的心理探查。他写了提示词让你拿去配合 OpenClaw 使用。我自己的 OpenClaw 装好以后，最早做的事情之一就是这个。那种感觉可能相当于把 3 年心理治疗压缩到了一个瞬间。
主持人： 我很好奇，你第一次用 OpenClaw，为什么最先做的事情之一会是这个？
Wang： 我把它下载、安装好，当时 Nat 就在旁边，他说：“你应该试试这个。”我就想，“好吧，那我就按你说的做。”然后就有了这次非常疯狂的体验。
主持人： 再具体讲讲，为什么会觉得疯狂？
Wang： 因为强度真的很高。就像我刚才说的，像是把 3 年心理治疗压缩在一起。它一轮接一轮地进行深层心理探查，而且手里还有关于我的其他信息：它能访问我的邮件，也能访问很多照片，还能去查找其他资料，再把这些信息全部拼到一起。在整个过程中，我处在一种非常脆弱、非常暴露的状态里。
那是在 2 月，我们两个人基本已经得出了共同结论：这里显然正在发生一件非常特别的事情。于是我们各自写了备忘录，并把它们递交给 Meta 董事会。当时正好是董事会密集开会的时期。
我写的备忘录大意是：从很多角度看，这可能就是某种“终极消费产品”；超级智能体在消费产品这条线上，某种意义上可能已经指向一个很清晰的终点。Nat 则写了两篇，标题都非常好记，一篇叫《Claw 即规则》（The Claw Is the Law），另一篇叫《信任是必须的》（Trust Is a Must）。后来我们打造这些产品时，很多核心原则其实都受到了这两篇备忘录的影响。
之后我们开始组团队，大概一两周就做出了一个原型，并向董事会演示。整个节奏非常快。最终 Muse 产品里的很多关键决定，其实第一版原型里就已经有了。Jollybot 当时就在，Muse Charm 的早期版本也出现在第一次会议里。当然，并不是所有想法、所有标签页当时都有，但很多核心东西已经在了。
接下来才是真正困难的部分。从 2 月那个原型开始，到 7 个月后产品正式发布，我们经历了一个非常艰难的过程：最初那个原型有时能工作，而且效果非常神奇，但更多时候它根本不工作，会不断出故障。我们必须把它从那种状态变成一个高度可靠、精心打磨的消费级产品，让我们有信心把它真正交给大众。这个过程非常漫长，也相当痛苦。
主持人： 你们只用了 1 到 2 周就做出原型，拿给董事会看。Mark 在整个过程中扮演了什么角色？
Wang： 他和我们一样，也在同时经历这种“狂喜与恐惧”。我记得他在一些采访里谈过，他会在家里拿它做很多事情，会和孩子们一起用，也会用于自己的综合格斗（MMA）训练。他让智能体看自己训练的视频，然后给他建议，告诉他哪些地方可以改进。
后来 Meta 团队里还形成了一种习惯：开管理层会议时，大家会互相问：“你最近和自己的智能体发生过什么疯狂的事情？”这还是 2 月份的时候。
主持人： 现在回头看整个周期很有意思。OpenClaw 现象当时冲到顶峰，然后又消退了。
Wang： 对，它没有持续下去。我觉得很多人的体验都类似：偶尔会出现一些特别神奇的瞬间，但绝大多数时候它并没有那么好用、问题很多，最后热度就慢慢下去了。
所以我们做产品时，一个非常重要的重点就是：怎么把它真正变成一种可靠的消费体验；怎么让你敢于把它逐步推到数十亿人面前，而且有把握说，大多数人都会获得非常好的体验。
主持人： 为什么你们能做到，而 OpenClaw 的开发者没有做到？
Wang： 首先，我非常尊敬 Peter Seinberger，以及所有为 OpenClaw 做出贡献的人。我觉得 Peter 毫无疑问是个有远见的人。OpenClaw 能从他的大脑里诞生，本身就很厉害。
但 Muse 之所以最后显得那么神奇，其中一个很“不性感”的部分，就是我们真的一点一点把所有细节磨出来，让模型加产品的整体体验足够好。我们对模型本身做了非常多轮迭代，也把整个模型路线图都朝着个人超级智能这个方向推进，其中个人 Agent 当然是非常重要的一部分。
主持人： 它和你们的竞争对手有什么不同？
Wang： 这个问题其实很有意思，最好回到当时的环境看。年初，也就是 2 月，Opus 和 Claude 在编程能力上远远领先其他所有人，而且增长极快。那是 Anthropic 开始在整个行业强势崛起的阶段。对很多人来说，那其实是一个很有压力的时刻：他们在编程上领先太多了，而且还有 Mythos 等产品，优势非常明显。
当时行业里的主流判断是：编码智能体可能是高级 AI 唯一重要的产品形态，甚至可能是唯一重要的技术、唯一真正重要的能力。因此整个行业有一股很强的力量，都在往这个用例里挤，希望在编码智能体上和 Anthropic 竞争。
但我们自己的体验，让我们对个人 Agent 形成了很强的信念。再退一步看，我们一开始之所以做个人超级智能，本来就是因为我们认为这是 Meta 最具独特优势的方向。
甚至在 Scale AI 和 Meta 的交易发生之前，我最早告诉 Mark 的事情之一就是：如果未来真的出现 AGI 或者 ASI，不管你愿意怎么叫它，Meta 其实会是一家非常特别的公司。
AI 的一部分承诺在于，我们每个人的生活里都混合着两种事情：一种是“我们想做的事”，一种是“我们不得不做的事”。AGI 的承诺是，未来我们几乎不再需要把时间花在那些“不得不做”的事情上，因为 AI 会替我们完成其中很大一部分，我们可以把更多时间都花在真正想做的事情上。
在我看来，Meta 的产品代表的恰恰就是人们“想做的事情”。我用 Instagram、WhatsApp、Facebook，是因为我在关注自己的兴趣、爱好、朋友，以及自己在乎的人。Meta 的整个产品组合，覆盖的基本就是“我们真正愿意把时间花在哪里”这个领域。从长期看，我一直认为 Meta 会是这场变化中的巨大受益者。这也是我最早形成的、关于 Meta 与超级智能的判断之一，后来很多想法最终汇聚成了“个人超级智能”这个概念。
还可以从另外几个角度理解。先看公司的历史基因：Meta 一直在连接人与朋友、家人，帮助人们发现自己的兴趣，这些事情本身都非常“人”。再从商业角度看，Meta 的应用每天触达 35 亿人，所以 Meta 最自然、最有可能做出巨大成功的领域，就是消费级人工智能。
主持人： 不是工作，不是编程，而是个人生活。
Wang： 对，正是如此。所以个人 Agent、个人 AI，以及更广义的消费级 AI，一直都是我们认为 Meta 能做出非常特别东西的领域。
扎克伯格对持续改进产品的执念
主持人： 好，那就到了 2026 年年初。你们已经有原型，也获得了内部支持，大家都知道 Mark 站在这件事背后。接下来就是 7 个月艰难的产品打磨。
Wang： 对