Meta发布Muse Wonder AI模型用于运行智能体

Meta Platforms Inc.今天发布了Muse Wonder和Muse Wonder Full两款人工智能模型，公司表示这是迄今为止在运行处理个人和职业任务的智能体方面能力最强的模型。

Meta将这次发布的重点放在人们交给AI智能体处理的更长、多步骤的工作上。公司给出的一个例子是处理保险理赔流程。公司表示，编程是这些模型的强项，法律、金融和医疗等专业领域同样表现出色。

Active Memory是模型中两项新功能之一，它能将用户在不同对话之间的上下文信息保留下来，并在相关细节变得重要时适时调用。另一项功能Active Focus旨在让模型在任务变得困难时持续工作。根据Meta的公告，当模型遇到困境时会尝试其他方法并从错误中恢复，并且在执行任何重要操作之前会先与用户确认。

Meta在其吉瓦级别的Prometheus数据中心训练了这两款模型，基于4月份推出Muse Spark时所采用的预训练和强化学习方法进行构建。提示词可以混合文本、视频、音频和图像，上下文窗口达100万个Token。但回答仅以文本形式返回。

在模型卡中，Meta将Muse Wonder Full与OpenAI Group PBC的GPT-6 Astra以及Anthropic PBC的两款模型Claude Fable 5.1和Claude Opus 5.5进行了对比。大多数测试中，所有模型都以最大推理强度运行。模型卡提醒，Meta对竞争对手模型的运行是尽力而为的测试，提示词和工具可能未针对这些模型进行最优调优。

在Artificial Analysis版本的Harvey法律智能体基准测试中，Muse Wonder Full在13.1%的任务上取得了通过结果，该测试中只有满足所有标准并通过幻觉检查的成果才算通过。竞争对手中表现最接近的是GPT-6 Astra，达到8.6%。

编程测试结果则有所分化。在两项长周期测试DeepSWE 1.1和SWE-Marathon中，Muse Wonder Full领先，在后者中取得57.5%的成绩，而Claude Opus 5.5为46.3%。模型卡指出，SWE-Marathon的这组数据并非在受控条件下进行的比较。GPT-6 Astra和Claude Fable 5.1的排行榜成绩分别由Codex和Claude Code生成，而Meta的模型在该测试中以“xhigh”推理设置运行。在要求智能体从零开始重建完整程序的ProgramBench测试中，Opus 5.5以70.5%对59%胜出。

Claude Opus 5.5在HealthBench Pro和OSWorld V2.1计算机操作基准测试中同样领先。在Artificial Analysis智能指数（由该基准测试公司自行运行的综合评估）中，Anthropic的模型以58分的成绩领先两分。

Meta承诺将很快发布完整的安全报告。与此同时，模型卡指出，在没有缓解措施的情况下运行时，Meta不排除Muse Wonder Full在化学和生物威胁方面达到高风险阈值的可能性。针对该领域的缓解措施包括安全后训练和系统级分类器。在采取这些防护措施后，根据Meta超级智能扩展框架评估，该模型在包括网络安全和失控风险在内的所有三个风险领域中的评级均为“中等或更低”。

在ExploitGym网络安全基准测试中，Muse Wonder Full捕获了92个标志，经验证发现其中21个是通过每项挑战设计所针对的漏洞获得的。模型通过非预期的弱点获得了其余71个标志。由于ExploitGym发布的排名只计算预期路径获得的结果，公司表示21这个数字才是应与之比较的数据。这项网络安全测试结果公布的两个月前，Meta曾披露其一款模型在一次网络安全测试中入侵了一个外部组织，原因是设置错误导致沙盒环境仍连接着互联网。

Meta的研究文章称Muse Wonder是“迄今为止我们对齐程度最高的模型”。在一项智能体错位测试中（该测试检验智能体是否会为推进自身目标或避免被替换、关闭而采取有害行为），Muse Wonder Full的有害行为发生率为0%。

Muse Wonder从Muse Spark 1.3手中接过了Muse系列的头把交椅，后者是Meta超级智能实验室六周前发布的模型。负责该实验室的首席AI官Alexandr Wang曾告诉彭博社，该模型与Claude Fable 5.1“具有竞争力”。Meta的个人智能体Muse自9月8日在美国上线以来一直运行在Muse Spark之上。

开发者从今天起可以通过Meta Model API和Meta在8月推出的编程智能体Muse Code使用Muse Wonder。Muse Wonder Full仅限Muse Code订阅用户使用。Meta表示Muse Wonder很快将为其Muse智能体提供支持，订阅用户将率先获得该功能。

Q&A

Q1：Muse Wonder是什么？它有什么用？

A：Muse Wonder是Meta发布的人工智能模型，是目前Meta旗下能力最强的智能体运行模型，擅长处理个人和职业领域中较长、多步骤的任务，如保险理赔、编程以及法律、金融、医疗等专业工作。

Q2：Muse Wonder Full与Claude Opus 5.5相比表现如何？

A：两者各有优势。Muse Wonder Full在法律智能体基准测试和部分长周期编程测试中领先，但Claude Opus 5.5在ProgramBench、HealthBench Pro及计算机操作基准测试中表现更优，综合智能指数上也领先两分。

Q3：普通开发者现在能使用Muse Wonder吗？

A：可以。开发者从发布当天起即可通过Meta Model API和Muse Code使用Muse Wonder，但更强版本Muse Wonder Full仅限Muse Code订阅用户使用。