北京
Meta 在AI基础设施上投入了数十亿美元，招募了业内顶尖的研究人员，并在过去一年中大部分时间试图缩小与OpenAI和Anthropic的差距。现在该公司正在推出两款新模型，作为其在自主智能体领域更大推动的一部分。
新模型命名为 Muse Wonder 和 Muse Wonder Full。它们被构建用于处理复杂任务，这些任务可能涉及多个工具、多个步骤以及数小时甚至数天的工作。在这一阶段，程序编码是两个模型的主要焦点。Meta 还看到了在金融分析、保险处理和其他业务任务中的潜在用例。
这是Meta对其AI研究业务进行重大改革的一部分。该公司一直在向计算基础设施投入资金。同时，它也在重组团队，希望重新与一些领先的AI实验室展开竞争。Muse Wonder 是这一努力的首批重大成果之一。虽然Meta有大量基准测试数字，然而，真正的考验是当有人真正使用这些模型时，它们的实际表现如何。
Meta计划如何使AI智能体更可靠
Meta 正在谈论的特性之一是动态记忆（Active Memory）。它允许智能体（AI Agent）记住早期交互中的内容，即使这些内容已不再是当前对话的一部分。对于聊天机器人来说这并不罕见，但从企业数据中保留更复杂的信息则是另一回事。
想象一个AI Agent在数天的软件项目上工作。事情在此过程中不断变化。有人要求一个新功能，一些测试失败了，一些文件需要修复，然后更多的指令进来。当项目完成一半时，已经发生了很多事情，Agent需要记住所有这一切。然而，如果Agent忘记了重要的东西会怎样？至少，它可能不得不重做已经完成的工作。它甚至可能回去搞乱之前修复过的东西。这就是Meta希望通过 Active Memory 解决的那类问题。
另一个受到大量关注的特性是动态关注（ Active Focus ）。这与其说是记住事情，不如说是聚焦问题的出现。假设智能体尝试运行一个工具但失败了。或者它一直遇到同样的错误。那怎么办？Meta 表示模型可以判断出其当前方法不起作用并尝试其他方法。它也可以停下来请求澄清，而不是盲目猜测该怎么做。
Meta有一些数据来支撑
两款模型都配备了100万token的上下文窗口，因此它们可以一次性处理大量信息。而且它们是多模态的，不限于文本。它们可以接收图像、视频和音频作为输入。
在SWE-Marathon（一项涉及大量软件开发任务的基准测试）上，Muse Wonder Full 得分79%，而 Claude Opus 5.5 为74.2%。标准的 Muse Wonder 模型紧随其后，得分为78.8%。当然，所有数字都基于Meta发布的结果。总体而言，这是一个不错的成绩表现，尤其是考虑到Meta处于追赶其他前沿模型所取得进展的阶段。
不过，值得一提的是，在其他测试中结果并不那么明确。Artificial Analysis Intelligence Index 将 Muse Wonder Full 评为56分。标准模型为52分，低于Claude Opus 5.5 的58分。在其他模型在内部基准测试中表现的情况下，这些数字令人印象深刻。然而，开发者是否会在自己的项目中看到同样的优势还有待观察。
价格及谁可以使用
Muse Wonder 通过Meta的API提供，每百万输入token售价4美元，每百万输出token售价20美元。Wonder Full 需要 Muse Code 订阅，起步价每月50美元。
两款模型都使用Meta庞大的Prometheus 数据中心进行训练。
但这里还有另一个问题。AI 智能体应该对公司文件和敏感信息有多少访问权限？当它们出错时会发生什么？Meta 承认错误仍然可能发生，尤其是在复杂任务中。数字令人印象深刻，但还有很多未解答的问题。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
