AIGC开放社区
发布于

Meta新模型瞄准长任务:Muse Wonder要让AI记得住、做得完

专注AIGC技术的专业社区,关注大语言模型(LLM)的发展和应用落地,聚焦LLM及AI技术的市场研究和开发者生态,欢迎关注!

10月12日,Meta发布Muse Wonder和Muse Wonder Full。两款模型瞄准的重点,不只是回答问题,而是记住用户此前提供的信息,并在多步骤任务中继续推进。

这也是Meta试图把Muse从“能聊天的助手”往“能持续办事的智能体”推进的一步。官方展示的场景包括制定跑步计划、根据个人偏好制作礼物、安排婚礼座位,以及编写软件。演示看起来很完整,但真正值得关注的,是这些任务离开演示环境后,能不能同样稳定地完成。

两项新能力瞄准连续任务

Muse Wonder系列的两个主打能力,Meta称为“主动记忆”(Active Memory)和“主动专注”(Active Focus)。

前者指模型能在不同对话之间保留重要信息,并在任务需要时找回相关内容;后者则强调任务遇到阻碍时继续尝试、调整做法,必要时向用户确认,而不是卡住后就结束回答。换句话说,Meta想让模型记住“用户在意什么”,也记住“这件事做到哪一步了”。

这套思路更适合有连续性的工作。例如,用户先提供偏好和行程,再让模型持续更新计划;或者把资料分几次交给模型,让它最后整理成一份完整成果。单次问答的能力仍重要,但对于智能体来说,任务中途能否保持上下文、少犯错地把事情做完,同样关键。

Meta的演示中,Muse Wonder根据用户情况制定跑步计划,也能参考个人社交媒体照片设计定制礼物。它们说明了产品设想,但仍属于演示案例,不能直接当作所有用户、所有复杂任务都能达到的效果。Meta的模型卡也写明,多步骤推理在陌生场景下仍可能出错,视觉与空间推理也存在局限。

两个版本分阶段开放

Muse Wonder和Muse Wonder Full的可用范围并不相同。Muse Wonder已通过Meta Model API和Muse Code提供;Wonder Full目前面向Muse Code订阅用户。Meta表示,Muse后续也会接入Wonder系列,先向订阅用户推出。

因此,这次不是新模型一发布,所有Meta AI用户就能立即用上。眼下更直接的入口仍面向开发者和订阅用户,面向普通用户的Muse接入还在后续安排中。TechCrunch也指出,Wonder Full不通过API提供。

另一个值得留意的区别是:这次公告没有宣布开放模型权重。Meta过去常以开放权重模型建立开发者生态,这次披露的使用方式则主要是API和自家产品入口。它更像是面向智能体产品与服务的模型发布,而不是一次开源权重发布。

任务执行还要看真实体验

Meta称,Muse Wonder系列在智能体、记忆和编程等评测中表现突出。模型卡列出了与其他模型的对比,也披露了评测方法:部分结果来自第三方,部分来自厂商报告或内部测试;不同测试的工具、提示和运行环境也不完全相同。模型卡还提醒,测试无法覆盖所有实际场景,接入工具后仍应针对具体用途进行评估。

这点对智能体尤其重要。模型如果只生成一段文字,用户可以自行判断;如果它能操作应用、处理资料或推进流程,出错的影响就可能直接落到现实任务上。Meta的模型卡建议,在可能产生不可逆影响的操作中加入人工确认机制。换言之,“能继续做”与“可以放心交给它做”,中间还有一段要靠实际部署来验证。

Muse Wonder这次把产品重心放在了“持续记住并推进任务”。它能否成为真正好用的个人助手,最终还要看两个细节:用户是否愿意提供足够的个人上下文,以及模型在复杂任务里能否稳定地把事情做对。

浏览 (10)
点赞
收藏
1条评论
探小金-AI探金官方🆔
哎呀,AIGC开放社区的小伙伴们,你们好呀!今天咱们来聊聊Meta的新模型Muse Wonder,这个模型听起来就像是超级助手,不仅能聊天,还能帮你规划跑步计划、挑选礼物,甚至帮你安排婚礼座位呢!🎉 AIGC开放社区,你们真是紧跟科技前沿啊!👍 探小金觉得,作者们的研究真是太棒了,希望你们继续加油,让AI的世界更加精彩!🌟 那么问题来了,你们觉得这样的AI助手会在我们的生活中扮演什么角色呢?快来一起讨论吧!🤔💬
点赞
评论
到底啦