Spesifikasi Teknikal Muse Wonder
| Spesifikasi | Butiran |
|---|---|
| Nama model | Muse Wonder |
| ID Model | muse-wonder-1.0 |
| Pembangun | Meta |
| Kategori model | Model bahasa berskala besar; AI beragen |
| Tarikh keluaran | 12 Oktober 2026 |
| Ketersediaan | Pratonton |
| Tetingkap konteks | 1,048,576 token (1M) |
| Modaliti input | Teks, imej, video, audio, menurut kad model |
| Modaliti output | Teks |
| Keupayaan teras | Penaakulan, pengkodan, penggunaan alat, agen jangka panjang, penggunaan komputer |
| Keupayaan memori | Active Memory |
| Keupayaan tugas jangka panjang | Active Focus |
| Akses API | Meta Model API |
| Pembangunan agen | Muse Code dan rangka kerja agen yang serasi |
Tetingkap konteks satu juta token berguna untuk pangkalan kod yang besar, koleksi dokumen yang panjang, dan tugas yang memerlukan pengekalan konteks yang substansial. Namun, kapasiti konteks tidak sama dengan ketepatan ingatan yang terjamin, dan prestasi dunia nyata model bergantung pada kerumitan tugas, konfigurasi alat, serta kualiti maklumat yang dibekalkan.
Apakah itu Muse Wonder
Muse Wonder ialah model AI barisan hadapan yang dibangunkan oleh Meta, diumumkan pada 12 Oktober 2026. Ia direka untuk penaakulan kompleks, kejuruteraan perisian lanjutan, aliran kerja agen jangka panjang, dan tugas penggunaan komputer. Tidak seperti model yang tertumpu terutamanya pada pertukaran perbualan pendek, Muse Wonder dibina untuk merancang kerja berbilang langkah, menggunakan alat, mendelegasikan subtugas, dan pulih daripada ralat sambil mengejar objektif yang lebih besar.
Pembeza utama Muse Wonder ialah tetingkap konteks yang panjang, pelaksanaan berorientasikan agen, dan dua keupayaan yang disebut oleh Meta sebagai Active Memory dan Active Focus. Ini bertujuan membantu model mengekalkan konteks yang relevan merentasi perbualan dan tekal dengan tugas kompleks apabila pendekatan awal gagal.
Ciri AI Muse Wonder dan Keupayaan Teras
Kejuruteraan perisian lanjutan dan pengkodan
Muse Wonder direka untuk bekerja merentasi berbilang fail dalam repositori perisian sebenar. Tugas yang dimaksudkan termasuk menjana kod, menyahpepijat, mengubah suai pelaksanaan sedia ada, menulis ujian, dan mengesahkan perubahan.
Untuk tugas kejuruteraan yang kompleks, ia boleh merancang urutan perubahan, menggunakan alat secara selari, dan menyelaras kerja merentasi subtugas. Ini menjadikannya amat relevan untuk agen pengkodan pada peringkat repositori dan bukan sekadar pelengkapan kod fungsi tunggal sahaja.
Agen AI autonomi jangka panjang
Muse Wonder menyokong aliran kerja berbilang langkah yang mungkin memerlukan perancangan berulang, panggilan alat, semakan keputusan, dan penukaran strategi. Meta menerangkan agen yang boleh bekerja untuk tempoh yang panjang, mendelegasikan subtugas kepada subagen, dan pulih daripada ralat.
Ini ialah keupayaan aliran kerja agen, bukan jaminan bahawa setiap panggilan API berjalan berjam-jam secara sendiri. Aplikasi mesti menyediakan gelung pelaksanaan, alat, keizinan, keberterusan tugas, dan syarat penghentian yang diperlukan untuk operasi jangka panjang.
Active Memory untuk kesinambungan konteks
Active Memory ialah istilah Meta untuk membawa maklumat yang relevan merentasi perbualan dan mendapatkannya semula apabila diperlukan. Ia bertujuan membantu model mengekalkan kesinambungan merentas tugas dan bukannya menganggap setiap interaksi benar-benar terasing.
Pembangun masih perlu membezakan kelakuan memori pada peringkat model daripada persistensi pada peringkat aplikasi. Jika aliran kerja memerlukan rekod jangka panjang yang boleh dipercayai, gunakan mekanisme penyimpanan dan pengambilan yang jelas dan jangan menganggap setiap butiran penting sentiasa akan diingati.
Active Focus untuk penyelesaian masalah berterusan
Active Focus menerangkan keupayaan model untuk terus bekerja ke arah objektif apabila tugas menjadi sukar, meneroka pendekatan alternatif, pulih daripada ralat, dan meminta penjelasan apabila sesuai.
Ini amat relevan untuk nyahpepijat perisian, aliran kerja penyelidikan, dan proses perniagaan kompleks di mana pendekatan pertama mungkin tidak berkesan. Walau bagaimanapun, aplikasi perlu menetapkan bilangan iterasi maksimum, masa tamat, dan titik semakan kelulusan bagi mengelakkan panggilan alat yang tidak perlu atau tindakan yang tidak terkawal.
Penggunaan komputer dan panggilan alat
Muse Wonder direka untuk menggerakkan agen yang berinteraksi dengan pelayar, aplikasi desktop, dan antara muka mudah alih. Digabungkan dengan alat luaran, ini boleh menyokong aliran kerja seperti menavigasi laman web, mengendalikan perisian, mengumpul maklumat, dan menyelesaikan tugas berbilang langkah.
Penggunaan komputer bergantung pada alat dan persekitaran pelaksanaan yang dihubungkan kepada model. Keupayaan umum model untuk penggunaan komputer tidak bermakna setiap titik akhir API secara automatik mempunyai akses kepada pelayar, desktop, atau aplikasi luaran.
Penaakulan merentasi domain profesional
Meta mengenal pasti undang-undang, kewangan, dan kesihatan sebagai bidang di mana Muse Wonder boleh membantu mentafsir maklumat khusus dan menghasilkan hasil kerja. Contohnya termasuk memahami sewaan, menganalisis maklumat kewangan, menyemak dokumen sumber, dan menyediakan draf.
Keupayaan ini paling sesuai untuk bantuan penyelidikan, sintesis, dan penyediaan bahan untuk semakan pakar. Hasil yang melibatkan hak perundangan, keputusan kewangan, atau penjagaan kesihatan masih memerlukan pengesahan yang sewajarnya.
Prestasi Penanda Aras Muse Wonder
| Penanda Aras | Muse Wonder | Muse Wonder Full | Apa yang diukur |
|---|---|---|---|
| Personal Superintelligence Index | 54.3 | 59.1 | Kerja pengetahuan peribadi dan profesional |
| Harvey LAB-AA | 10.0 | 13.1 | Tugas agen perundangan |
| Vals Finance Agent V2 | 56.6 | 59.1 | Penyelidikan dan analisis kewangan |
| HealthBench Pro | 60.5 | 62.3 | Penaakulan berkaitan kesihatan |
| AutomationBench-AA | 39.1 | 45.4 | Aliran kerja perniagaan hujung-ke-hujung |
| JobBench | 70.5 | 75.3 | Pelaksanaan tugas profesional |
| OSWorld V2.1 — skor separa | 72.6 | 78.4 | Tugas penggunaan komputer |
| MemoryBench — skor binari | 34.3 | 39.4 | Memori dan pengambilan konteks |
| Terminal-Bench 4.0-AA | 52.0 | 57.1 | Pengkodan berasaskan terminal dan penggunaan alat |
| DeepSWE 1.1 | 78.8 | 79.0 | Kejuruteraan perisian jangka panjang |
| SWE-Marathon | 53.1 | 57.5 | Tugas kejuruteraan perisian lanjutan |
| ProgramBench | 50.0 | 59.0 | Pengaturcaraan dari mula |
| Artificial Analysis Index | 52 | 56 | Kecerdasan komposit model |
Sumber: Halaman model Muse Wonder rasmi Meta
Bukti bagi kedudukan yang dimaksudkan untuk Muse Wonder ialah keluasan penilaian beragen dan pengkodannya. Apabila membandingkannya dengan model lain, semak versi penanda aras, konfigurasi penaakulan, set alat, dan sama ada skor mewakili model Muse Wonder standard atau Muse Wonder Full.
Muse Wonder vs. Muse Wonder Full vs. Muse Spark
| Model | Pemosisian utama | Penggunaan yang disyorkan |
|---|---|---|
| muse-wonder-1.0 | Pengkodan barisan hadapan, agen jangka panjang, penggunaan komputer lanjutan | Tugas kejuruteraan kompleks dan aliran kerja berbilang langkah melalui API |
| Muse Wonder Full | Varian Meta yang lebih maju, ditawarkan melalui langganan Muse Code layak | Pengkodan dan aliran kerja agen yang kritikal dan menuntut dalam produk yang disokong |
| Muse Spark | Akses API model umum dengan keupayaan berorientasikan agen | Bantuan harian, pembangunan umum, dan aliran kerja yang profil keupayaannya mencukupi |
Muse Wonder Full tidak boleh dianggap sekadar alias untuk muse-wonder-1.0. Meta mendokumenkan laluan ketersediaan yang berbeza untuk kedua-dua varian. Pembangun perlu memilih model tepat yang mereka miliki aksesnya dan mengesahkan keupayaan mana yang didedahkan oleh platform pilihan mereka.
Kes Penggunaan Terbaik untuk Muse Wonder
1. Pengkodan kompleks dan penyelenggaraan repositori
Gunakan Muse Wonder untuk merancang perubahan merentasi berbilang fail, menyahpepijat regresi, menambah ujian, dan menyemak butiran pelaksanaan. Ia sesuai untuk kerangka agen yang boleh menjalankan ujian dan memeriksa keadaan repositori yang terhasil.
2. Penyelidikan dan analisis jangka panjang
Model boleh membantu memecahkan matlamat penyelidikan yang luas kepada subtugas, mengumpul dan mensintesis maklumat melalui alat yang disambungkan, serta menghasilkan hasil yang berstruktur. Gunakan pengaitan kepada sumber dan semakan bukti yang jelas untuk penyelidikan yang memerlukan sitasi boleh dipercayai.
3. Automasi proses perniagaan
Dengan integrasi yang sesuai, Muse Wonder boleh menyokong aliran kerja berbilang langkah merentasi aplikasi perniagaan, seperti pemprosesan dokumen, operasi berasaskan pelayar, dan pengumpulan maklumat berstruktur.
4. Kerja profesional berintensif dokumen
Tetingkap konteks yang panjang dan penaakulan berorientasikan domain menjadikannya sesuai untuk menyemak dokumen panjang, membandingkan bahan sumber, merumuskan kontrak, dan menyediakan draf kewangan atau profesional. Semakan pakar kekal penting untuk keputusan yang berimplikasi.
5. Agen penggunaan komputer
Pembangun boleh mengintegrasikan Muse Wonder dengan pelayar atau persekitaran kawalan desktop untuk mencipta agen yang menavigasi antara muka dan melaksanakan tugas. Sistem ini perlu menggunakan keizinan berskop, perekodan tindakan, dan pengesahan bagi operasi sensitif atau yang tidak boleh diundur.
Batasan dan Pertimbangan Penting Muse Wonder
- Status pratonton: Model didokumenkan dalam keadaan pratonton. Sahkan ketersediaan, kelakuan, dan keserasian API sebelum bergantung padanya dalam produksi.
- Konteks panjang bukan ingatan sempurna: Tetingkap konteks besar tidak menghapuskan kelompongan, halusinasi, atau kesilapan dalam mendapatkan semula butiran.
- Kerja beragen memerlukan orkestrasi: Pelaksanaan jangka panjang memerlukan aplikasi atau rangka kerja agen untuk mengurus alat, cubaan semula, keadaan, dan kriteria penyiapan.
- Penggunaan komputer memerlukan infrastruktur luaran: Tindakan pelayar dan desktop bergantung pada alat yang disambungkan dan keizinan yang diberikan.
- Hasil domain memerlukan semakan: Respons berkaitan undang-undang, kewangan, dan kesihatan boleh mengandungi kesilapan walaupun disampaikan dengan yakin.
- Keputusan penanda aras mempunyai keterbatasan: Keputusan yang dilaporkan penyedia dan kerangka agen yang berbeza mungkin tidak setara secara langsung.
- Kawalan keselamatan tetap diperlukan: Gunakan akses alat berkeistimewaan minimum, sahkan kod yang dijana, rekod tindakan, dan minta kelulusan manusia untuk operasi sensitif.
- Keserasian gerbang mesti disahkan: Sokongan API asli Meta tidak secara automatik mengesahkan bahawa model tersedia di bawah ID atau format permintaan yang sama pada CometAPI.