Meta 向现有模型下放主动记忆与主动专注能力以提升任务完成率

一句话结论

Meta 将 Muse Wonder 的主动记忆与专注特性全面推送至现有用户，显著提升复杂任务完成率。

关键要点

• Muse 模型在遗忘关键信息的问题上降低了 2.4 倍，任务完成率提升 67%。
• Muse 在 90% 的任务中正确使用关键上下文，此前该比例为 76%。
• 接入新模型后，Muse 在 Meta “个人超级智能指数”上的得分从 38% 提升至 47%。
• 订阅价格为每月 20 美元或 100 美元，优先向订阅用户开放。

背景与事实

当地时间 11 月 6 日，Meta 宣布推出基于 Muse Wonder 训练的现有模型专用版本，并全面推送给 Muse 与 Meta AI 用户。Meta 于 2026 年 10 月 12 日正式发布 Muse Wonder 系列模型，包含主打快速前沿性能的 Muse Wonder 及完整版本 Muse Wonder Full。该系列训练于吉瓦级 Prometheus 超算集群，原生支持 100 万 token 超长上下文及全模态输入。

此次更新将主动记忆与主动专注两项核心特性下放至专用模型群。主动记忆允许模型在不同对话间持续保留用户背景信息并主动检索相关细节，上层应用控制持久存储与授权。主动专注确保模型在面对突发挑战时尝试不同方法、克服障碍并调整行动。官方数据显示，在 Muse 中日常任务出现意外状况时，新模型任务完成率提升 67%。

Muse 是 Meta 于 2026 年 9 月推出的个人 AI 智能体，可处理采购、预订等日常事务。Meta AI 则是面向更广泛用户的助手。Muse Wonder 通过 Meta Model API 和 Muse Code 提供，完整版本仅限订阅用户。该系列采用闭源模式，是超级智能实验室重建技术栈约 14 个月后推出的第二代成果。

影响分析

对于中文开发者与从业者而言，这意味着低代码 AI 应用开发门槛降低。任务完成率 67% 的提升可直接改善用户体验，减少重复交互。但需注意，核心指标均由 Meta 自行报告，缺乏第三方独立评测。

适用边界

上述性能提升主要基于 Meta 内部评测场景，实际效果可能因地区、网络及设备差异而异。主动记忆的隐私控制依赖上层应用实现，不同平台可能存在差异。

孤本观察

Meta 通过下放高端模型特性至免费用户层，意在巩固其“个人超级智能”生态护城河，这一策略或将加剧全球 AI 助手市场的竞争。

来源：IT之家