Meta 向 Muse / Meta AI 推送 Wonder 训练的专用模型：Active Memory / Focus 上线，厂商口径 PSI 约 38%→47%

核心背景与行业痛点

个人 Agent 常在长对话中遗忘关键目标，或计划一变就卡死。Meta 此前在 Muse Wonder 展示 Active Memory / Active Focus；2026-11-06 把用 Wonder 训练的专用模型推到 Muse 与 Meta AI，让更多用户获得部分前沿能力，而不必等 Wonder 成为默认流量。

架构亮点与底层机制

专用模型继承两类能力：Active Memory 区分临时与持久信息、在旧细节再度相关时召回并识别过时内容；Active Focus 遇瓶颈时更努力尝试、恢复或换路。官方称 Muse 多任务与中途改口协作加强；Meta AI 更擅拆步骤、追问与跟方向切换。Wonder 本体仍留给更难任务。

权威 Benchmark 与实测跑分对比

以下均为 Meta 研究博客 / @AIatMeta 厂商口径，非本站复现。Personal Superintelligence Index：约 38%→47%。Active Memory Eval：正确使用关键上下文约 76%→90%。Muse 遗忘目标关键信息约降 2.4×；意外约束下完成日常任务约改进 67%（基线未细公开）。未公布与 Claude / GPT 记忆的外部对照榜。

开发者实战落地与开箱指南

Muse / Meta AI 用户通常无需改设置即可滚动启用。做记忆型 Agent 可围绕「临时 vs 持久」「过时判定」「卡住换路」写验收用例。在 Meta 开源 Memory/Focus 评测集前，以官方 PSI / Active Memory 为上限口径，并在自家日志埋点遗忘率与解卡率。