Meta 推出首款前沿模型 Muse Wonder，著重長期記憶

目錄

• 你可能會想知道
• 主題
• 重點摘要表
• 後續⋯⋯

你可能會想知道

• Meta 的 Muse Wonder 模型與先前的 Muse Spark 有何不同？與其他領先的 AI 模型相比又如何？
• 「主動記憶」可能會如何影響 AI 助理在數天、數週及數月內的實用性？

主題

Meta 超級智慧實驗室於週一發布了兩款新模型：Muse Wonder 和 Muse Wonder Full。此次推出代表該公司首次嘗試打造前沿模型，也標誌著其策略從先前著重輕量系統轉向新的方向。這些新模型定位為比 Muse Spark 更大型、能力更強的模型；Muse Spark 的設計目標則是以低延遲回應。

Meta 表示，Muse Wonder 和 Muse Wonder Full 的基準測試分數更高，在程式設計等複雜任務上的表現也更好。Meta 在模型卡中公布的測試結果顯示，這兩款模型的基準測試表現與 Fable 5.1 和 GPT-6 Astra 相當。這些比較呈現的是特定評估項目中的表現概況；單憑這些結果，並不能證明模型在所有任務或實際情境中的表現都完全相同。

Meta 將這次發布描述為模型開發策略的新階段。「它們共同標誌著我們擴展階梯上的下一步，也是邁向個人超級智慧的一大躍進。」該公司在部落格文章中寫道。這番話反映了 Meta 打造日益強大 AI 系統的更廣泛願景；不過，實際影響仍取決於模型在日常使用中的表現，以及人們如何使用這些模型。

兩個版本在價格和使用方式上有所不同。透過 Meta Model API，Muse Wonder 的價格為每百萬個輸入 token $4、每百萬個輸出 token $20。來源指出，這個價格大致相當於 GPT-6 Sol 或 Opus 5.5。相較之下，Muse Wonder Full 僅供 Muse Code 訂閱者使用，不會透過 API 提供。Meta 也計畫使用這兩款模型來驅動 Muse agent。

此次發布的一項核心特色，是 Meta 所稱的「主動記憶」：保留並綜合使用者提供資訊的能力。這項能力與該公司開發能長時間處理任務的個人助理的目標息息相關。若助理能適當運用先前分享的細節，就更有機會支援持續進行的工作，而不是將每次互動都視為彼此孤立的對話。

然而，記憶並非只是儲存更多資訊。有用的系統必須辨別哪些細節重要，在適當情境中取回資訊，並準確地將其與新資訊結合。它也必須避免依賴過時或不相關的細節。從這個角度來看，記憶能力會影響助理維持對話連貫性的能力，也會影響回覆品質。

為了評估回憶能力，Meta 特別提到 MemoryBench。這項基準測試旨在挑戰持續學習與記憶建構框架。根據 Meta 的測試，Muse Wonder 在 MemoryBench 上的分數高於 Fable、Opus 或 Astra。這項結果支持 Meta 將記憶視為一項差異化能力的主張，不過，基準測試結果應被視為多種衡量方式之一。使用者的體驗也可能取決於資訊類型、互動的長度與結構，以及系統的防護措施。

研究科學家 Kavya Kopparapu 在隨發布消息一同公開的影片中，談到了這項功能背後的工作：「我們投入了大量心力，確保你的模型能記住數天、數週、數月乃至更長時間內對你而言重要的事情。」她的說法點出了這項能力預期涵蓋的時間範圍，但如何管理、更新記憶，以及使用者能如何控制記憶，仍有重要的實務問題尚待解答。

這次發布也延續了 Meta AI 組織近期的變動。自去年 8 月 Scale AI 創辦人 Alexandr Wang 重組 Meta 的 AI 業務以來，Muse Wonder 和 Muse Wonder Full 是首批推出的前沿模型。重組後，Meta 陸續發布了輕量模型 Muse Spark 和 Muse agent，但一直沒有推出如 OpenAI 和 Anthropic 所推出的尖端模型。Wonder 的發布因此代表該公司公開模型陣容進入新階段。

Meta 表示，這些模型是在其位於俄亥俄州中部的 Prometheus 資料中心訓練，該中心於今年稍早啟用。這座設施是支撐該公司模型開發工作的基礎設施之一。訓練地點本身並不能說明模型的能力，但能讓人了解支援此次發布的運算資源。

此次發布的核心主張，不僅是 Muse Wonder 更大型、能力更強，也在於它的設計能長期保留並綜合使用者提供的資訊。這種做法能否讓助理顯著更有幫助，將取決於模型在實際任務中的表現、記憶運作方式是否清楚，以及使用者能在多大程度上控制系統保留哪些資訊。

重點摘要表

後續⋯⋯

Muse Wonder 的推出引發了更廣泛的問題：什麼樣的 AI 助理才能長期發揮實用價值？後續研究不僅需要檢視基準測試表現，也要探討系統如何區分持久偏好與暫時指示、如何修正錯誤記憶，以及使用者如何檢視或移除資訊。當助理被設計為能在長時間內保留情境脈絡時，這些考量尤其重要。

研究人員和開發者也可以探索能反映長期實際使用情況的評估方法。MemoryBench 等基準測試提供了一種評估記憶相關能力的方式，但進一步測試或有助於釐清模型在不同任務、變動情境與複雜對話中的回憶表現。透明說明系統的限制，能協助使用者了解系統記得哪些內容，以及可能在哪些方面出錯。

隨著前沿模型逐漸融入代理程式與個人助理，未來的進展將取決於如何在能力、可靠性、隱私和使用者控制權之間取得平衡。接下來的重要一步，是證明長期記憶可以做到實用、準確且易於理解，而不只是記得更多。持續研究這些領域，將有助於判斷 Muse Wonder 等模型是否能實現提供更連貫 AI 協助的承諾。