Michael Johnson多步骤 AI 智能体需要牢记目标，从先前的上下文中提取所需信息，并在出错后继续工作。2026 年 10 月 12 日，Meta 发布了Muse Wonder 和 Muse Wonder Full 模型，称其适用于这类场景。开发者可通过 Meta Model API 和 Muse Code 使用 Muse Wonder；Muse Wonder Full 则面向 Muse Code 订阅者开放。Meta 还表示，之后 Muse Wonder 将开始支持 Muse 的功能，首先面向订阅者提供。
此次发布的重要意义，首先在于从展示个人助理转向面向开发者的模型。Meta 描述的应用包括理解文档和财务信息，以及执行多步骤编程任务。评估智能体模型的团队可以查阅测试说明和单独的模型卡，其中列出了比较条件与风险评估。
Meta 所说的 Active Memory 与 Active Focus 是什么
在 Meta 的描述中，Active Memory 指在不同对话之间保留重要信息，并在这些信息有助于当前任务时将其提取出来。Active Focus 面向持续进行的工作：模型会尝试不同方法、处理障碍，并在需要时请求澄清。Meta 还表示，模型会在执行重要操作前与用户确认。
这些特性针对的是需要通过多个步骤得出答案的任务，例如在文档中搜索信息、制定计划或修改软件项目。Meta 将 FocusBench 和 SWE-Marathon 与持续运行能力的评估联系起来。模型卡说明，SWE-Marathon 通过测试完成情况评估大型项目；FocusBench 则检验智能体如何在一系列交互中克服障碍并适应不断变化的环境。
已知的测试情况
Meta 发布了Muse Wonder 模型卡，列出评估项目、方法和部署条件。根据模型卡，这些模型可接收文本、图像、视频和音频，推理时的上下文窗口据称为 100 万个 token。卡中介绍了针对智能体场景、编程、文档处理和安全性的测试。
不同测试的比较条件并不相同。在受控的内部编程比较中，Meta 使用了统一的测试环境；其他一些结果则来自外部评估机构或模型供应商的报告。例如，SWE-Marathon 的结果基于 Abundant AI 的数据：GPT‑6 Astra 通过 Codex 测试，Claude Fable 5.1 则通过 Claude Code 测试。因此，这一行结果并非所有模型都在同一环境下进行的比较。
Meta 报告称，Muse Wonder Full 在 ExploitGym 中取得了 92 个标记。模型卡补充说明，其中 21 个标记对应预期的漏洞，其余 71 个则通过非预期漏洞获得。已发布的排行榜只计入前者。这说明评估方法会改变最终数字所代表的含义。
部署前应检查什么
开展实际试点时，开发者可以从产品中的典型任务入手：为智能体提供范围有限的工具，定义可验证的结果，并衡量场景完成率、错误数量以及需要人工干预的情况。还应单独测试数据冲突、工具故障以及尝试执行不可逆操作时会发生什么。
Meta 的模型卡建议针对具体用途评估模型，并采取额外的保护措施，包括对不可逆操作进行人工确认。卡中还指出，效果取决于服务配置、提示词、工具和智能体流程。因此，应结合目标任务上的测试结果来考量所宣称的上下文窗口。
截至 2026 年 10 月 13 日，两款模型的发布、所述访问渠道以及 Meta 公布的测试材料均已得到确认。通过 Muse 向订阅者提供功能属于未来计划，并非已向所有用户推出。此次发布为开发者开展自有试点提供了基础；是否部署，应根据目标系统中的任务表现和安全检查结果决定。