摘要： Meta 在 2026 年 10 月 12 日發表 Muse Wonder 與 Muse Wonder Full 兩個模型，定位為個人和專業 agent 任務的前沿模型。它們值得 builder 注意的地方不在分數，而是 Meta 把「跨對話記憶」和「長時間持續推進任務」明確命名成產品功能：Active Memory 和 Active Focus。這兩個概念正在變成個人 agent 的標配規格。
不只會回答，還要記得和堅持
根據 Meta AI Research 的發布說明，Muse Wonder 現在可透過 Meta Model API 和 Muse Code 使用，Muse Wonder Full 則開放給 Muse Code 訂閱者，之後會逐步進入 Muse 產品本身。
Meta 對這次發表的敘事核心是「personal superintelligence」，但對開發者來說，更具體的是兩個命名出來的能力。Active Memory 指的是把重要的個人脈絡帶到跨對話的場景裡，並在任務需要時主動檢索相關細節。Active Focus 則描述模型面對困難目標時的持續工作方式：嘗試替代方案、處理阻礙、根據新資訊調整，並在重大動作前先向使用者確認。
這個框架對做產品的人有直接參考價值。評估一個 agent，問的問題從「它答得多準」變成「它記得什麼、忘掉什麼、卡住時怎麼辦」。
基準測試聚焦在真實任務
Meta 的評估選擇也透露了產品方向。他們引用 Harvey 的 Legal Agent Benchmark（LAB）測試法律領域的文件處理與指令遵循，用 FocusBench 衡量持續專注，用 SWE-Marathon 測試長期軟體專案上的工作表現。編碼被放在壓軸，因為它同時考驗需求追蹤、跨程式碼庫修改、反覆測試與修正——正好是 Active Memory 和 Active Focus 的綜合測試場。
發布內容也提到，兩個模型是在 Meta 的 gigawatt 級 Prometheus 資料中心訓練的。
泛化能力為什麼重要
文章裡有一段對 builder 特別有用的分析。Meta 自己承認業界存在「benchmaxxing」的批評——兩個模型分數接近，實際面對陌生任務的表現卻差很多。他們的驗證方式是比較 post-training 目標任務（in-distribution）與未針對任務（out-of-distribution）的成績關係：Muse Wonder Full 在 in-distribution 分數相同的條件下，out-of-distribution 表現超越了前一個模型的趨勢線。
他們的解釋是：更強的基礎模型讓 post-training 的收益更能遷移到陌生任務。這對個人 agent 很關鍵，因為使用者的目標、工具和限制的組合，不可能都在訓練時預料到。
個人 agent 的治理門檻
Muse Wonder 會讀你的訊息、行事曆和私人文件，並替你採取行動。Meta 承認這種存取等級要求模型對私人資訊保持謹慎、能抵抗對抗性指令，並宣稱這是迄今對齊程度最高的模型，完整安全評估報告之後才會公布。
這正是我一直關注的主題：agent 出事不再只是答錯，而是做錯，治理的第一步是先看見誰在用。當模型供應商把 Active Focus 做成「重大動作前先確認」，等於把一部分治理責任內建進模型行為。但 builder 仍要在自己的產品層想清楚：哪些動作允許模型自動執行、哪些必須經過人類確認、確認的紀錄存放在哪裡。
實際的下一步
如果你在做會接觸個人資料的 agent 產品，現在有三件事可以做：一是把記憶和持續性當成獨立的評估項目，而不是只看任務完成率；二是設計明確的確認機制，對齊 Meta 描述的 Active Focus 行為；三是等 Meta 承諾的完整安全報告出來後，再檢視它對隱私和誤用的實際測試結果——發布說明目前只給了方向，還沒給數據。