Meta 推出 Muse Wonder 与 Muse Wonder Full 模型，主攻个人智能体任务

以下是视频口播的自动转写，可能有错字。

Meta 发布了自己的最新的模型 muse wonder，内部的代号叫西瓜。what man？那这里面呢包括两个模型，分别是小杯的标准模型 muse wonder，一个是大杯的 muse wonder full，就是满血版本。主攻呢是个人与专业的智能体任务，应该是针对它的 muse 应用巧而优过的。

那这两个模型呢目前的跑分都很不错，满血版的 muse wonder full 呢是排到了第三位，仅次于 opus 5.5的两个模型。muse wonder 非满血版的排名也很不错，前面的模型增加了三个，分别是。5.1 gpt6 astral 和 gemini 4 argon artificial intelligence 的测试上也显示呢，wonderful 对比上一代模型呢，应该算是脱胎换骨。

在多项智能体和专业工作评测中呢，跻身前三甲。那此次呢，wonderful 训练呢，是在普罗米修斯的数据中心完成的。这是 meta 自己的数据中心，说有几万张 h 卡和 b 卡。看一下它的主要的两个核心功能，一个叫做 active memory，一个叫 active focus。

active memory 呢，主要是负责跨对话保留重要信息，并在新任务需要时主动找回相关内容。用户此前呢提过的偏好、限制和个人情况可以成为后续任务的参考，减少每次对话。话中都要交代背景上下文的麻烦。那 alex one 表示呢，个人智能体需要让重要信息在数天、数周乃至数月的交流中延续下来，这是 active memory 的价值。

第二个呢功能叫 active focus，是专门针对任务执行到一半停下来的问题。现实中的操作中遇到了页面变化、信息丢失、预定失败，模型呢常会咨询人类的帮助。那本次呢升级了 meta 的 muse wonder，希望模型尝试用其他方式或调整策略并持续任务，减少人工干预。

扎克伯格呢在最新的一次访谈中把这个思路呢称为模型及产品，他的说法是能力和性格等产品特征都可以训进模型。alex one 补充了智能体何时主动，如何与用户交流，也属于模型需要设计的产品行为。所以大逻辑呢就是 meta 的模型的方向呢，在基础的能力之上呢，建立自己的差异化。

主要呢是针对个人智能体，就是我们现在比较火的一个大的品类。这个模型呢，如果是成功的话，所有的未来的个人智能体的产品呢，都可以基于 muse 模型或者是 muse 的插件来实现。meta 呢也做了一些特定场景的优化，比如说在法律、金融、健康等测评中呢，meta 目前的模型排名也是很高的，超过了 gpt6的 extra，也超过了 cloud。

5.1和 opus 5.5。可见对于这些偏应用场景的专业魔幻，也是这次 muse 模型升级的一个很重要的方向。muse code 就是 muse 的编程智能体，搭载 wonderful 的编程能力呢，是与 Claude Code 搭配 3.5.5 平分秋色，还略胜于 Claude Code 搭配 opus 5.5。

所以 coding 呢，也是 meta 这次升级的一个很重要的方向。当然我们也看了一些不同的案例，应该说好坏参半。有用户呢展示了一个用 muse 来生成龙珠角色画面的一个视频，总的来说还是不错的。但是对比 3d，比如说3a级的割草机模拟器，看上去呢， muse wonder 呢对比 opposite 是有很大的差别。

在搭建的3d火箭场景中呢， muse wonder 目测呢是不如 kimi k3的。所以呢， alex one 呢也在 x 上面呢紧急回复，说针对3d游戏的演示效果呢，目前 meta 模型呢并没有针对这种场景进行专门的训练，希望用户把模型用到真刀真枪的编程工作中，说明编程能力中呢并没有涵盖3d的设计。

那我稍微分享一下过去两个月的情况呢，就是海外的模型已经在大幅的领先国内的模型。除了 cloud opus gpt astral，这个月呢又增加了谷歌的 gemini 4，和 meta 的 wonderful 组成了新的预四家。原因呢其实是海外的模型呢，在整个的基建搭载上呢，其实是有更完整的管线的。

对于显卡的资源呢，其实也是非常充沛。国产模型今年上半年之所以能快速增长呢，是因为拿到了很多苏大模型的 trace，做了一波蒸馏。那现在呢，蒸馏的难度也越来越大了，因为整个在吐答案中呢，毕业模型已经不会吐出它的过程值，这样 thought 的模型。

所以呢，如果按照完全一样路径的话，国产模型想赶上海外模型是有难度的，主要是看手上有多少显卡的资源，以及如何去获取提升边界的数据。这两个模块呢其实都是非常耗力耗时的。但是现在的模型的发展呢，到今天这步呢，已经走出了一些新的变数跟方向。比如说类似 rsi 的这种可以把后续的工作自动化的能力，以及类似 j 模型这样通过小模型、小显卡能替代部分大模型在控制过程中的一些成本和算力。

所以我们认为呢，其实对于很多公司来说，并不一定要盯着硬刚算力的方式来去 pk 海外的模型。我们也在寻找基于一个文本模型加角色模型，加上 rsi 以及与具身智能等场景结合的一些新的方向和应用，让显卡。的资源的限制不再成为智能发展的核心阻碍。