Meta发布Muse Wonder系列AI模型，聚焦长期记忆与任务专注力

Meta近日发布两款全新AI模型——Muse Wonder与Muse Wonder Full，定位为当前最强大的系统之一，并被视为迈向“个人超级智能”的关键进展。这两款模型新增了“主动记忆”与“主动聚焦”两项核心能力，分别用于维持跨对话的信息连贯性及在复杂任务中保持执行方向。

主动记忆与主动聚焦：提升长期交互体验

根据Meta Research的说明，主动记忆使AI能够保留并复用多轮对话中仍相关的用户偏好或决策背景，避免将每次交互视为孤立事件，从而增强情境感知与一致性。主动聚焦则被设计为一种持续推进机制，帮助代理在面对高难度问题时避免中途偏离目标，确保任务持续推进。

独立评估揭示性能相对位置

第三方平台Artificial Analysis发布的“智能指数”结果显示，Muse Wonder Full在最大推理努力下得分为56分，标准版Muse Wonder为52分。相较之下，Claude Opus 5.5以58分领先，而Claude Fable 5.1与GPT-6 Astra均得分为53分。这意味着尽管两款Meta模型表现稳健，但仍未能超越顶尖对手。

值得注意的是，评估结果可能受提示格式、推理配置和测试框架影响，因此不同机构的评分存在差异。这一现象也凸显了当前AI模型评价体系尚未统一的问题。

市场争议：性能声明遭遇质疑

Meta的性能宣称并未获得一致认可。Abacus.AI首席执行官Bindu Reddy公开质疑，称Muse Wonder远未达到竞争对手水平，并预告将公布更详尽的对比数据。该表态反映出行业普遍存在的矛盾：厂商常以积极姿态发布成果，但独立验证往往带来不同解读。

未来市场关注点将集中于实际应用中的表现，以及更多第三方评估是否支持或反驳现有数据。

定价策略：基础版开放，高级版受限

Muse Wonder的输入令牌定价为每百万个4美元，与Claude Opus 5.5持平，显著低于GPT-6 Astra（约10美元）和Claude Fable 5.1（约50美元）。该价格使其在成本控制方面具备一定吸引力。

相比之下，Muse Wonder Full仅对Muse Code订阅计划中的“高级”（每月50美元）与“最大”（每月200美元）层级开放。这种访问限制意味着普通开发者或中小团队难以在真实工作流中频繁调用该版本，从而影响其实际可用性。

对于追求性价比的应用场景而言，高性能模型若伴随高昂门槛，其落地价值将受到制约。

未来展望：从理论到实践的关键考验

接下来的核心议题在于，主动记忆与主动聚焦能否在真实使用中转化为更稳定、可靠的代理行为。同时，更多独立评测结果的出炉将决定这些模型在竞争格局中的真实定位。

随着生态逐步成熟，市场将更加清晰地判断Muse Wonder系列是否真正推动了个人智能代理的演进，还是仅作为一次渐进式的技术迭代。