Meta 發表首批前沿模型，主打記憶能力

Meta 發表首批前沿模型，主打記憶能力

10 月 12 日，Meta 發布了 Muse Wonder 和 Muse Wonder Full，這是它首度把自家模型稱為前沿（frontier）等級。開發期間的代號是 Watermelon。Meta 表示這兩款模型能與全球最頂尖的系統一較高下，在個人與專業代理實際從事的那些工作上尤其出色。

如果你關注各大實驗室，這樣的說法並不陌生，但功能是新的。Meta 在這裡賣的不是又一份跑分榜的榮耀，而是一個關於延續性的承諾：一個助理能把關於你的某些東西，從一次對話帶到下一次。

這個承諾值得認真看待，因為它指向一個產業已經忍受了兩年的能力缺口。模型幾乎在所有方面都變強了，唯獨記不住東西。Muse Wonder 就是 Meta 試圖解決使用者抱怨最多那件事的嘗試。

兩項能力挑大樑

Meta 把它們叫做 Active Memory 和 Active Focus，命名直白得不太尋常。

Active Memory 會跨對話保存使用者的重要細節，並在它們與新任務相關時把它們找回來。實際效果就是，你不必每次開一個新對話都重新解釋一遍你的技術堆疊、你的偏好，或某個專案的限制條件。執掌 Meta Superintelligence Labs 的 Alexandr Wang 說得很直白：記憶之所以重要，是因為有了它，沒人需要在幾天、幾週甚至幾個月後重新介紹自己。

Active Focus 處理的是另一種失敗。代理擅長開始，卻不擅長收尾。Active Focus 的設計目標是讓系統持續朝一個目標推進：第一條路走不通時就換其他方法，有新資訊出現時就做出調整。它區分開的是一個只回答問題、和一個死磕到底直到把任務做完的模型。

這兩項功能從相反的兩端攻擊同一個根本問題。記憶給代理一個過去，專注給它一個未來。兩者都沒有的系統會困在一個永恆的當下，只會對你一秒前剛輸入的東西做出反應。

Meta 聲稱了什麼，又是對著誰說的

Meta 公布的基準測試顯示，Wonder 系列模型追平甚至超越了 OpenAI 和 Anthropic 近期發布的產品，包括 GPT-6 Astra 和 Claude Fable 5.1。WIRED 把這輪發布解讀為 Meta 在經歷一次代價高昂的 AI 組織重建之後重返前沿。這些模型在 Meta 的 Prometheus 資料中心訓練，公司稱其規模達到吉瓦級。

定價為每百萬輸入 token 4 美元，每百萬輸出 token 20 美元。Muse Wonder 可透過 Meta Model API 和 Muse Code 使用，而能力更強的 Muse Wonder Full 僅開放給 Muse Code 訂閱用戶。Muse Wonder 也會為 Meta 的 Muse 助理未來版本提供支援，先從付費用戶開始。

這個定價值得注意的是它沒做什麼。Meta 並不打算在成本上取勝。它的定價大致與前沿模型看齊，這說明公司相信拉來用戶的是能力，而不是折扣。

記憶在真實工作流程裡是什麼樣

把 Active Memory 為什麼比聽起來更重要講具體一點會有幫助。今天，與代理一起做一個長期專案，意味著你要在心裡維護一本脈絡的流水帳。你先提醒它框架，再提醒它程式碼風格，然後是部署目標，再然後還有某個服務已經淘汰這件事。每個新工作階段都要把這本帳從零開始重記，而每一次重記，都是代理跑偏的機會。

一個能記住這些細節的模型會改變工作的節奏。你把精力花在問題上，而不是反覆交代背景上。在一個持續數週的專案裡，省下的注意力會不斷累積，產出也會更穩定，因為代理不必每天早上重新推導一遍它的假設。

問題在於，記憶的好壞完全取決於它的衛生習慣。舊的決定會變成錯誤的決定。一條存下來的偏好可能固化成偏見。一個被記住的事實，可能是一個被記住的錯誤。好的記憶系統需要優雅地遺忘，而這一點還沒有人完全解決。

開源這個問題

Meta 很大一部分聲譽建立在開放模型上，它並沒有打算放棄這個故事。Wang 指出，公司最近發布了 Muse Glimmer 的權重，以及把 Muse 代理放到你自己硬體上所需的技術。「我們仍然致力於開源，」他說。

Meta 沒有說的是，Wonder 系列本身會不會開放。這種沉默才是有意思的地方。如果前沿能力越來越多地存在於記憶和長程專注裡，那麼權重的重要性就不如它們周圍的那套框架和基礎設施，而這些恰恰是公司可能更願意留住的部件。

邁向「個人超級智慧」的一步

Meta 公開的長期目標，用 Mark Zuckerberg 的話說，是個人超級智慧：一種理解個人目標與偏好、而不是只產出通用能力的 AI。Wonder 系列被定位為早期的一步，未來還計劃推出更多專用模型，廣泛部署到 Meta 的各款應用程式裡。

這個方向與它賣的產品是一致的。Meta 已經擁有數億人投入注意力的那些介面。一個記得你的模型，在這些介面裡比一個只是在考試裡分數更高的模型更有價值。那家了解你動態消息的公司，也想了解你的意圖，而記憶就是它通向那裡的路。

該讓你停一停的地方

一個記住個人資訊並替你行動的代理，恰恰就是那種會把記憶功能變成安全攻擊面的系統。存了什麼、存在哪裡、誰能取回、一條錯誤的記憶如何擴散，這些都不是註腳，它們就是產品本身。

Meta 表示它已經加強了對網路和生物領域濫用的防護，並增加了對個人資訊的保護，發布時還附上了模型卡，更完整的報告隨後會發布。在公司之外的研究人員拿到這些系統之後，聲稱的優勢能否站得住，要靠獨立測試來決定。在那之前，基準測試只是公司的一面之詞，而記憶密集的系統很難從外部評估，因為它們的行為有太多取決於它被要求記住什麼。

這次發布為什麼不只關乎 Meta

過去兩年的模型競爭，大多圍繞每一美元能買到多少原始能力。Muse Wonder 指向的是另一條軸：一個模型能在多大程度上、多久時間對一個人保持有用。記憶和專注並不光鮮，也很難用 30 秒的短片示範。但它們也是區分一個你偶爾去問問的聊天機器人，和一個你會長期留著的助理的關鍵。

如果這條軸最終被證明是使用者真正看重的，那麼競爭格局就會改變。勝出的實驗室將是那些讓延續性變得可信的，而不是那些只會一直往上爬排行榜的。而那些把記憶當成一個勾選項來做的實驗室會發現，一個健忘的助理不僅更沒用，實際上也更難讓人信任。