Meta Rolls Out Active Memory and Active Focus to Existing Muse Models
Meta has ported the Active Memory and Active Focus capabilities first introduced with Muse Wonder into its existing dedicated models across Muse and Meta AI, rolling them out broadly. Meta reports a 2.4x reduction in forgetting key information and a 67% higher task completion rate under unexpected conditions in Muse. This is an engineering rollout of Muse Wonder features to existing products rather than a new model release.
Related Entities
Full Report
IT之家 11 月 7 日消息,Meta 在上月发布了 Muse Wonder 系列模型。当地时间 11 月 6 日,Meta 宣布推出基于 Muse Wonder 训练的现有模型专用版本,并全面推送给 Muse 与 Meta AI 用户。
在发布 Muse Wonder 时,Meta 首次推出了主动记忆(Active Memory)与主动专注(Active Focus)两项核心特性。如今这两项能力全面下放至 Muse 与 Meta AI 中的专用模型群。

官方表示,主动记忆让 Muse 和 Meta AI 能够精准记住关键信息,并在先前对话内容与当前场景相关时及时调取,从而更轻松地基于历史对话延展推进。
Muse 中升级后的模型,在遗忘达成目标所需关键信息的问题上降低了 2.4 倍。

IT之家获悉,主动专注能力则确保 Muse 即使遭遇突发挑战,也能坚定不移地推进目标。在 Muse 中,当日常任务出现意外状况时,新模型的任务完成率提升了 67%。
延伸阅读
Muse Wonder 是 Meta 于 2026 年 10 月 12 日(美东时间)正式发布的新一代人工智能模型系列,包含主打快速前沿性能的 Muse Wonder,以及完整版本 Muse Wonder Full。扎克伯格称其比此前的 Muse Spark 规模更大、能力更先进,是 Meta 迈向“个人超级智能”的重要一步。 文中提到的 Muse 是 Meta 于 2026 年 9 月推出的个人 AI 智能体,可帮助用户处理采购杂货、预订行程等日常事务,并与 Meta 旗下社交应用相连,上线后曾登顶美国苹果与安卓应用商店下载榜;Meta AI 则是 Meta 面向更广泛用户的 AI 助手。 关于两项核心特性,Meta 将“主动记忆”(Active Memory)描述为模型在不同对话之间持续保留与用户有关的重要背景信息,并主动检索与当前任务相关的细节,而持久存储、删除、审阅与授权由上层应用的记忆模块控制;“主动专注”(Active Focus)则指模型在面对有挑战性的目标时会尝试不同方法、克服障碍,并根据新信息调整行动。 根据 Meta 公布的内部评测,接入新模型后,Muse 在 90% 的任务中能正确使用关键上下文,此前该比例为 76%;Muse 模型在 Meta“个人超级智能指数”上的得分为 47%,此前为 38%。上述数据均由 Meta 自行报告,目前尚无第三方独立评测。 在获取方式上,Muse Wonder 通过 Meta Model API 和 Muse Code 向开发者提供,Muse Wonder Full 仅面向 Muse Code 订阅用户开放;个人 AI 助手 Muse 中的新模型优先向订阅用户开放,订阅价格为每月 20 美元或 100 美元。此外,Muse Wonder 系列采用闭源模式。 公开资料显示,Muse Wonder 训练于 Meta 的吉瓦级 Prometheus 超算集群,原生支持 100 万 token 超长上下文以及文本、图像、视频、音频全模态输入;该系列也是 Meta 超级智能实验室(MSL)重建技术栈约 14 个月后推出的第二代成果。