当前 Muse 在 Meta 个人超级智能指数中得分为 47%

Meta AI Research 于 2026 年 11 月 6 日宣布，将推出基于 Muse 和 Meta AI 背后模型的专用版本。这些模型经过 Muse Wonder 训练；当前 Muse 模型在其个人超级智能指数中的得分为 47%，高于上一款模型的 38%。

此次更新为两款产品都带来了主动记忆和主动专注功能。此次部署的模型是 Meta 现有系统的专用版本，经由 Muse Wonder 改进，而非直接推出 Wonder 系列本身。这种做法通过助手现有的模型，让更多人能够使用 Wonder 引入的能力。

在 Meta 于2026 年 10 月 12 日发布的公告中，该公司将 Muse Wonder 和 Muse Wonder Full 描述为迄今能力最强的模型，并表示 Wonder 将先用于面向订阅用户的 Muse 体验，之后再用于开发专供所有 Muse 用户使用的模型。此次推出的内容将这一专用模型计划扩展至 Muse 和 Meta AI。

主动记忆会筛选相关上下文

主动记忆让助手能够保留重要信息，并在这些信息与后续对话相关时将其调取出来。训练内容涵盖区分临时信息与永久信息、跨时间进行推理，以及判断细节是否仍然相关或已经过时。由此可见，记忆还涉及筛选和时机：模型必须判断此前的哪些上下文此刻适用，哪些已经过时。

Meta 报告称，改进后的 Muse 模型忘记用户目标关键信息的情况减少了 2.4 倍。其主动记忆评测显示，当前模型在 90% 的任务中能够正确运用关键上下文，而上一款模型的这一比例为 76%。这些数据分别反映了问题的两个方面：保留实现目标所需的信息，以及在任务过程中正确运用这些上下文。

主动专注让任务持续推进

主动专注旨在让 Muse 在工作因意外挑战而中断时，仍能继续朝目标推进。Meta 使用多种旨在模拟现实情况的瓶颈场景训练模型，使其能够坚持完成任务、恢复进度，或为用户寻求替代方案。Meta 报告称，在 Muse 中，面对意外问题时完成日常任务的能力提升了 67%。

这些专用模型还针对智能体在任务进行期间如何与用户协作进行了改进。模型经过设计，能够同时处理多项任务，在独立推进和实时协作之间作出选择，并在不陷入混乱或偏离任务的情况下，采纳用户的引导或澄清。这让持续推进与及时响应相互衔接：智能体既能继续追求目标，也能在用户介入时及时调整方向。

在 Meta AI 中，同样的改进旨在让助手成为更出色的思考伙伴和协作者。它可以将复杂问题拆解为清晰的步骤，提出更有针对性的追问，并在用户于对话中途改变方向时跟上节奏。

对用户而言，此次推出的功能是否实用，关键要看能否保持连贯性：有用的上下文能否在情况变化时继续保留，工作能否在遇到障碍后恢复，以及能否在不偏离目标的情况下纳入修正。这些表现将 Meta 报告的结果与其计划在 Muse 和 Meta AI 中支持的日常协作联系起来。