核心结论：Meta 于 2026 年 10 月 12 日推出 Muse Wonder 和 Muse Wonder Full 两款面向个人与专业任务的智能体模型。官方重点介绍主动记忆（Active Memory）和持续执行（Active Focus）：前者在跨会话任务中找回相关背景，后者让模型在遇到阻碍时尝试其他路径、从错误中恢复，并在重要操作前确认。开放范围需要分清：Muse Wonder 已通过 Meta Model API 和 Muse Code 提供；Muse Wonder Full 当前面向 Muse Code 订阅用户；Muse 应用内的相关体验将于之后推出，并先向订阅用户开放。
这次发布了什么？
Meta 将两款模型定位于个人及专业智能体任务，举例包括理解保险理赔、分析租约和构建可运行应用。其研究说明还展示了法律、金融、健康领域的任务评估与编程场景。上述能力描述和评测结论来自 Meta 自身；企业选型仍应使用自己的任务、数据和约束条件复测。
这是一轮模型发布与产品接入公告，不等于所有 Meta 用户已在 Muse 应用中获得同样能力，也不意味着 Muse Wonder Full 已通过 Model API 向所有开发者开放。官方公告没有给出统一的公开价格或所有地区的可用性清单，实际接入条件应以对应产品控制台为准。
主动记忆和持续执行分别解决什么问题？
Active Memory：把相关上下文带回任务
Meta 对主动记忆的定义是跨对话保留重要信息，并在当前任务需要时主动检索相关细节。其价值在于减少用户重复交代偏好和历史要求。用于企业环境时，记忆内容应有来源、更新时间和访问权限；员工或客户信息不能因为“记住过”就自动对所有任务可见。
Active Focus：遇到阻碍继续推进
Active Focus 指模型在目标复杂、步骤较长时尝试替代方案、处理错误并继续执行。Meta 称其会在需要时提问，并在重要动作前核对。企业使用时应区分“模型愿意确认”与“系统强制审批”：发送邮件、修改合同、部署代码或写入业务数据，仍需应用层权限、审核和操作日志。
编程与跨应用任务该怎样评估？
Meta 展示了从小游戏到应用开发的编程任务，并在研究博客中介绍跨浏览器和应用的演示。展示案例可以说明产品方向，但不能替代企业验收。建议用代表性工单测试需求理解、跨文件修改、测试通过率、长任务中断后的恢复能力，以及工具调用的可追溯性；另记录人工返工时间、调用成本和错误影响范围。
对法务、财务、健康等专业任务，应核对引用依据、遗漏项和高风险结论，并由相应专业人员审阅。Meta 公布的模型评测是厂商披露数据，不能直接推导某一企业的生产收益。
安全与开放边界
Meta 表示已训练模型避免未经许可披露私人信息，并按其 Superintelligence Scaling Framework 进行评估；更完整的安全评估报告仍待发布。当前官方资料并未宣布这两款模型开放权重。开发者若通过 API 或 Muse Code 试用，应先确认账号资格、数据处理规则、工具权限和价格，再决定是否接入敏感流程。
中蓝科创观察：此次发布值得关注的不是单次问答，而是跨会话记忆和长任务执行如何形成可控工作流。企业试点可从非敏感的研发辅助、资料整理或内部工单开始，给记忆设置边界，让外部动作经过确定性的授权与审批，并把成功率、成本和人工复核量同时纳入评估。
资料来源：Meta 官方发布公告与Meta AI Research 技术说明，均发布于 2026 年 10 月 12 日。企业评估建议为中蓝科创分析。
