Meta is SO BACK 了 ♾️
Meta 把十四个月前启动的 AI 全面重构押注在 "个人超级智能"「Muse」上，Muse Wonder 系列是这场豪赌的第一份答卷：一个面向个人与专业场景的 Agent 旗舰模型，非传统的通用聊天模型。
四大能力支柱：从"回答问题"到"替你做事"
1. 领域专业知识（Domain Expertise）：不只是常识问答，是能处理租约、财务、健康这类有真实后果的专业材料。评测覆盖法律、金融、医疗，包括 Harvey 的法律 Agent 基准（LAB），要求模型基于原始文档产出法律工作产品。
2. 主动记忆（Active Memory）：跨对话携带用户的关键背景信息，并主动检索相关细节。这是个人 Agent 与通用助手的核心分水岭：它得"认识你"。
3. 主动专注（Active Focus）：这是最值得注意的一环。指模型能围绕困难目标持续投入：换方法、绕过障碍、根据新信息调整策略，必要时主动向用户澄清、在重要操作前确认。配套两个自建基准：FocusBench（专注度）和 SWE-Marathon（长期软件项目的持续执行力）。"在长任务中不放弃、不跑偏"被明确当作一项可训练、可评测的一等能力，这反映了行业对 Agent "半途而废"痛点的直接回应。
4. 前沿编程（Frontier Coding）：从小型应用到复杂软件系统，训练重点放在多样化的长周期任务上，即能经历多轮测试-修改循环仍保持推进。
最有信息量的部分：泛化能力的论证
Meta AI 回应业界两大互相矛盾的评价："刷榜"（benchmaxxing）批评与"大模型味"的好评。这两者其实指向同一件事：流行基准无法捕捉的能力广度。
Meta 给出的分析很有方法论价值：他们绘制了 Muse Spark 1.3 与 Muse Wonder Full 的表现，横轴是训练目标内（in-distribution）任务的表现，纵轴是未见过的（out-of-distribution）任务表现，每个点是不同的推理算力档位。
结论是：两个模型在增加测试时算力后，OOD 表现都会同步提升；但 Muse Wonder Full 的 OOD 成绩超出了 Muse Spark 1.3 趋势线对其 ID 成绩的预测；也就是说，基础模型更强，后训练带来的提升能更有效地迁移到陌生任务上。
这个结论的战略含义大于技术含义：个人 Agent 面对的是无法预演的目标、工具、约束的组合，泛化能力才是护城河。Meta 实际上是在论证"把基座做大做强"与"后训练微调"不是此消彼长，是复利关系；基座越强，微调的溢出效应越大。这为继续激进 scaling 提供了实证辩护。