AREX Feed Article
Meta 向 Muse 与 Meta AI 推出 Muse Wonder 训练的专用模型，称关键信息遗忘减少 2.4 倍、脱困改善 67%
美国时间 11 月 6 日，Meta 的官方 AI 账号 宣布，把用旗舰模型 Muse Wonder 训练出的专用模型推向个人代理应用 Muse 与 Meta AI，让用户在工作与日常生活的复杂任务中用上 Muse Wonder 的部分前沿能力。随模型一同进入的还有两项能力：Active Memory（主动记忆）与 Active Focus（主动专注）。按官方帖文的口径，在 Muse 中，改进后的模型对目标关键信息的遗忘减少 2.4 倍，约束条件变化时“脱困”（getting unstuck）改善 67%，官方将其解释为“更少重复自己、计划变化时更少陷入死路”。
这两个数字均出自 Meta 自家评估：配套同日上线，给出了两组对比图表，但没有说明这些评估的具体设置。据 报道，推送自 11 月 6 日（周五）起覆盖 Muse 与 Meta AI 的全部用户。
Active Memory 与 Active Focus 做什么
两项能力都是 Meta 10 月 12 日发布 Muse Wonder 时随该模型一同引入的。按官方博客的说法，Active Memory 让模型记住重要的信息、识别早先的信息何时变得相关，从而更容易接续此前的对话；训练目标是让模型区分哪些信息是临时的、哪些是永久的，跨时间推理，并分辨“仍然相关”与“已经过时”。Active Focus 则让模型在遭遇挫折或约束条件变化时恢复推进、寻找替代方案；博客进一步说明，Meta 在“反映真实世界的各种瓶颈”上训练了模型，让它们能更用力尝试、自行恢复、或替用户改道。
这些专用模型还围绕 Muse 尤为重要的几类行为做了训练：学会在“独立推进你的目标”与“与你实时协作”之间切换，并能适应任务运行到一半时的转向与澄清要求，而不会陷入混乱。在 Meta AI 这一侧，博客称同样的改进让它能把复杂问题拆解成清晰的步骤、提出更敏锐的后续追问，并在用户中途改变方向时跟得上节奏。
公布的图表与缺席的基线
博客附带的 Active Memory Eval（主动记忆评估）图表显示，新模型在“正确使用关键上下文的任务”上达到 90%，上一代 Muse 模型为 76%；The New Stack 转述了这组对比，并明确它属于 Meta 的内部评估。另一张 Personal Superintelligence Index（个人超级智能指数）图表给出：现用 Muse 模型 47%，上一代 38%。
至于 2.4 倍遗忘减少与 67% 脱困改善，博客与帖文都只有文字口径、没有图表。两处措辞还略有差别：帖文写作“约束条件演变时脱困”，博客正文则表述为“在出现意外问题的日常任务上的完成改善 67%”。The New Stack 指出，Meta 没有公布 67% 这一数字的基线。
训练思路：按消费场景定制行为，而非通用缩小版
The New Stack 的报道点出这次发布在技术上的关键取舍：Meta 没有把 Muse Wonder 直接做成一个更小的通用版本，而是强调按 Muse 这类消费级应用真正需要的行为来训练——包括判断何时独立推进、何时回头与用户确认，以及在不丢失上下文的前提下接受任务中途的纠正。至于用什么方法把旗舰模型的能力迁移进较小的模型，Meta 没有披露细节；用大模型训练小模型是业界常见做法，但 Meta 此次未作说明。
至于为什么不做通用小模型，The New Stack 的分析是：驱动个人代理的模型不需要知道前沿模型知道的一切，但它必须记住用户一周前说过的话，也得在预订网站中途出错时知道如何继续推进——这正好对应 Active Memory 与 Active Focus 针对的两类场景。
从 Muse Spark 到 Muse Wonder，再到这次的专用模型
Muse 于 9 月发布，最初搭载较小的 Muse Spark 模型，The New Stack 称其多少成了 Meta 的一款爆款应用，并指出 Muse 凭免费档在入门门槛上低于 OpenAI 的 Dots 与 Anthropic 的 Duet——按 The New Stack 的说法，后两者只向各自厂商最高档订阅者开放。Meta AI 则内嵌在 WhatsApp、Instagram、Facebook 与 Messenger 中运行。
10 月 12 日，Meta 发布 Muse Wonder 与 Muse Wonder Full：Wonder 经 Meta Model API 与 Muse Code（Meta 的编程代理）提供，Wonder Full 面向 Muse Code 订阅者（The New Stack 称限于其中两个最高价方案），API 定价为每百万输入 tokens（词元）4 美元、每百万输出 tokens 20 美元。当时的就写下了后续安排：“Muse Wonder 将很快驱动 Muse 中的体验，并率先向订阅者推出……未来，我们会用 Muse Wonder 来开发专用模型，带给每一位使用 Muse 的人。”这次推送兑现了后半句；前半句同样成立——The New Stack 指出，Muse 订阅者遇到更难的任务时，仍由 Wonder 本体处理。
The New Stack 还给出一个成本判断：让 Wonder 训练更轻量的专用模型，而不是直接把 Wonder 服务给所有用户，可能是 Meta 触及更大用户规模时更省钱的做法。
Zuckerberg 与 Wang 先后跟进，三件事仍未交代
官方帖文发出前约 6 分钟，Mark Zuckerberg 已在 这轮更新，称新模型“遗忘关键信息的可能性降低 2.4 倍，自我纠正并完成日常任务的能力提升 67%”。@AIatMeta 随后发布正式帖文并附上博客链接。Meta 首席 AI 官 Alexandr Wang（其 X 账号简介如此标注）在中写道：“从今天开始，Muse 和 Meta AI 将运行用 Muse Wonder 训练的新专用模型”，并把 Active Memory 概括为“跨时间推理、更好地记住重要的内容”，把 Active Focus 概括为“遭遇路障时仍朝着目标继续推进”。
截至发稿，这批专用模型仍有三件事没有随公告交代：67% 一项的对照基线、把 Wonder 能力迁移进专用模型的训练方法，以及它们的正式命名——公告至今只称之为现有模型的“专用版本”。