摘要： Meta 在 2026 年 10 月 12 日發布 Muse Wonder 系列，包含 Muse Wonder 和 Muse Wonder Full 兩款型號，定位是面向個人與專業 agent 任務的旗艦模型，即日起可透過 Meta Model API 和 Muse Code 使用。對 builder 來說，比起跑分，更值得看的是它把 Active Memory 和 Active Focus 這兩個 agent 常見痛點直接做成了模型層能力。
兩款型號，一個明確的應用場景
根據 Meta 的官方公告，這兩款模型是他們十四個月重整 AI 工作後的成果，建立在此前 Muse Spark 的基礎上，主打在法律、金融、健康等專業領域的表現，例如處理保險理賠、理解租約、解讀財務資料，另外也強調 coding 能力。Muse Wonder Full 是系列中的更高階版本。
這個定位值得注意：Meta 沒有把重心放在通用問答，而是放在「拿到一堆文件、要替你走完一個流程」這類任務上。如果你正在做面向消費者的 agent 產品，這正好是大多數競品還在追基準測試分數時，相對少被直接優化的場景。
Active Memory 與 Active Focus：不是行銷詞的部分
公告裡真正對開發流程有影響的是兩個概念。Active Memory 指的是模型能把跨對話的重要資訊帶在身上，任務需要時再調回來；Active Focus 則是指任務變難時能換方法重試、從錯誤中恢復，並且在執行重要動作前先跟你確認。
第二點其實是個產品設計問題：checkpoint 確認要放在哪一層？過去多數團隊是在 harness 層自己做「動手前先問」，現在 Meta 宣稱把這個行為訓練進了模型。我在先前一篇關於把記憶和持續專注做成產品功能的文章裡提過，這對個人 agent 的架構選擇影響很大——如果模型層自帶這些行為，你的 middleware 就可以變薄。
但也要保持懷疑。「訓練進去」和「每次都做對」之間有距離，實際部署時你大概還是會想在應用層保留關鍵動作的確認機制，至少初期是這樣。
安全訓練的範圍與尚未公開的部分
因為個人 agent 會碰觸訊息、行事曆和文件，Meta 表示這次訓練包含了避免未經同意分享私人資訊、拒絕協助實際有害的行為，以及協助防禦網路攻擊——同時保留讓安全團隊用模型找自家程式碼漏洞的能力。模型依照 Meta Superintelligence Scaling Framework 的標準訓練與發布。
不過，完整的安全評估報告公告裡只說「稍後提供」。在報告出來之前，把這兩款模型放進會接觸敏感資料的產品前，建議自己做一輪紅隊測試，別只倚賴原廠宣稱。
上線管道與下一步
Muse Wonder 今天就能透過 Meta Model API 和 Muse Code 呼叫，之後會逐步整合進 Muse 產品，訂閱用戶優先。如果你想評估要不要接進自己的 stack，最實際的第一步是拿一個你現有的多輪 agent 任務——特別是需要跨對話記住的情境——分別在 Muse Wonder 和你目前的模型上跑一輪，比較記憶回召的準確度和錯誤恢復的行為差異。供應商公告裡的範例任務，永遠比不過你自己產品的真實 workload。
參考來源
在 X 上查看原貼文