Meta这次真翻身了？

9月8日，Meta推出个人AI Agent Muse。上线不到两周，登上美国App Store免费应用榜第一；9月19日，又登上美国Google Play榜首。截至10月中旬，Muse累计下载量已接近900万次，日活跃用户达到180万。

10月12日，Meta发布Muse Wonder和Muse Wonder Full。根据Artificial Analysis的独立评测，Muse Wonder Full的Intelligence Index得分达到56分，仅比Claude Opus 5.5低2分，与Claude Sonnet 5.5持平，超过GPT-6 Astra和Gemini 4 Argon的53分。

经历了Llama 4的失利、AI团队重组和大规模人才引进，Meta似乎终于重新挤进了前沿模型的竞争行列。

2025年4月，Meta发布Llama 4，原本希望延续Llama系列在开源模型领域的优势，却因为模型表现不及预期，以及评测版本与实际发布版本之间的差异引发争议。曾经凭借Llama系列赢得开发者支持的Meta，在前沿模型竞争中逐渐落后于OpenAI和Anthropic。

扎克伯格随后开始重建AI团队。2025年6月，Meta宣布向Scale AI投资143亿美元，取得约49%的股权，并引入其创始人Alexandr Wang领导超级智能实验室。同年11月，长期领导Meta基础人工智能研究实验室（FAIR）的杨立昆宣布计划离开，创办自己的AI公司。

经过一年多的调整，Meta在2026年4月推出Muse Spark，9月发布Muse，10月又拿出了Muse Wonder系列模型。

不过，对于Muse产品和Wonder模型，还是有不小的争议。

首先模型Muse Wonder发布后，一些开发者发现，这个在榜单上接近Claude Opus 5.5的模型，在生成3D游戏、处理空间结构等任务时表现并不理想。有人用它制作熔岩灯，结果连玻璃灯罩和内部流动的蜡都没有正确呈现。

产品本身也开始遇到麻烦。Muse可以替用户整理邮件、规划旅行、寻找商品，甚至在后台持续处理任务，但亚马逊很快阻止了它通过Amazon.com为用户购物。另一项由人工外包人员代替AI拨打电话的内部测试，也引发了隐私争议。

一边是数百万下载量和漂亮的模型成绩，一边是开发者的实测质疑和真实使用中的问题。Meta究竟已经重新领先，还是它的产品热度跑在了实际能力前面？

10月11日，Meta首席AI官Alexandr Wang在播客中讲述了Muse的开发故事。2026年初，AI行业的注意力集中在编程Agent。Claude等模型在软件开发领域快速进步，越来越多公司开始追赶Anthropic。Wang回忆，当时行业里似乎形成了一种共识：所有人都应该去做Coding Agent。

个人市场：从程序员走向普通消费者

在深度使用OpenClaw的过程中，两人发现，能够结合个人背景持续互动，帮助用户处理需要长期跟进的事务。

Friedman曾用一套多轮心理探索提示词，让AI结合Wang的个人信息持续追问。Wang形容，那次体验近似于把“三年的心理治疗压缩在一个时刻”。这让他意识到，个人Agent可以提供与普通聊天机器人不同的体验。

两人随后决定押注个人Agent。在他们看来，编程Agent主要服务于软件开发，而个人Agent面向的需求更加广泛：管理日程、处理邮件、规划旅行、购物，甚至替用户与外部服务商沟通。

这些需求并不局限于某种职业，而是存在于普通人的日常生活中。如果AI能够接手其中一部分事务，潜在用户就不再只是程序员或企业员工，而是更广泛的消费者。

C端触达优势：Meta拥有36亿日活跃用户

2026年第二季度，Meta披露，每天有36亿人使用旗下至少一款应用。Facebook、Instagram和WhatsApp覆盖了社交、内容消费和日常沟通。

编程Agent主要帮助人们完成必须做的工作，而Meta旗下的应用更多连接人们想做的事情，包括与朋友交流、关注兴趣、分享生活。

因此，Meta可以让个人Agent通过用户熟悉的聊天和社交场景触达消费者，不必要求普通人先学习复杂的自动化工具。用户通过WhatsApp发送一条消息，就可以向Muse交代任务。

产品能力：从回答问题到完成任务

Meta此前也曾尝试通过收购Manus补齐Agent能力。2025年12月，Meta宣布收购Manus，希望把通用Agent技术融入旗下产品。但这笔交易后来受到监管干预，Manus于2026年恢复独立运营。Meta与Manus最终分别推出了Muse和Cue两款个人Agent产品。

对Meta而言，真正需要解决的是如何把Agent做成普通消费者愿意长期使用的产品。

个人Agent的体验“站在刀刃上”：偶尔成功可以带来惊喜，但如果大多数时候都不可靠，用户就会迅速失去兴趣。

Wang在播客中讲述，一位朋友把身份证遗忘在私人飞机上，要求Muse代为解决。按照他的说法，Muse协调快递和相关安保沟通，最终把身份证送回办公室。

相比模型排名，这种从提出需求到解决问题的案例，更容易让普通人理解个人Agent的价值。Muse上线后的快速增长，也说明这套产品定位和传播方式吸引了大量早期用户。

但Wang反复强调的可靠性，接下来还需要接受真实用户的检验。Muse究竟能稳定完成多少任务，以及它的实际能力是否符合模型成绩所带来的预期，已经开始成为争议的焦点。

前面提到的熔岩灯测试，让不少开发者质疑Meta是否过度针对基准测试优化模型。Wang在X上回应称，团队确实没有专门针对3D演示游戏训练模型。事后看来，或许应该在这方面做一些训练，但他仍然希望开发者用真实编程任务检验Muse Wonder。

最近，开发者越来越喜欢让模型生成3D游戏、交互网页和动态场景。一段提示词能否生成可运行、可交互的3D世界，已经成为观察模型能力的直观方式。

这些能力的进步，一部分来自后训练，尤其是强化学习。模型可以在特定任务环境中反复尝试，根据结果获得反馈，不断改进。训练环境覆盖哪些任务，会直接影响模型在哪些场景中表现突出。Wang承认没有针对3D演示游戏进行专项训练，也从侧面说明，不同模型在后训练阶段选择的重点可能存在明显差异。

从Muse Wonder的成绩看，它并不是缺乏实际执行能力。根据Meta公布的评测，Muse Wonder Full在Harvey LAB-AA法律Agent任务中获得13.1分，高于GPT-6 Astra的8.6分和Claude Opus 5.5的4.2分；在AutomationBench-AA企业工作流测试中获得45.4分，同样超过后两者的41.6分和41.2分。

Muse Wonder发布时，Meta没有把参数规模作为主要卖点，而是花了大量篇幅介绍两个能力：Active Memory（主动记忆）和Active Focus（主动专注）。

主动记忆，是让AI跨对话保留与用户有关的重要信息。比如，用户上周已经讨论过一次旅行安排，告诉AI自己的预算、时间和偏好，下次继续规划时，就不必重新解释所有背景。AI需要记住这些信息，并在相关任务中主动调用。

主动专注，则是让AI在复杂任务中持续推进工作。比如，处理保险理赔时发现缺少材料，或者在操作网站时遇到报错，模型需要尝试其他解决办法，必要时向用户确认，而不是直接停止执行。

这两个能力都很符合个人Agent的需求。用户交给AI的事情，往往不是一次对话就能完成。安排旅行可能涉及多次比较和修改，处理邮件需要等待对方回复，购买商品还需要确认库存、价格和配送时间。模型不仅要理解用户当下的要求，还要记住过去发生了什么、下一步应该做什么。

因此，Muse Wonder并不是一款单纯追求聊天能力的模型。Meta希望它既能承担法律、金融、软件开发等专业任务，也能成为个人Agent持续执行任务的底层能力。

这种产品定位，与Meta过去的开源路线形成了明显变化。此前，Meta主要通过Llama系列建立开源模型生态，吸引开发者和企业使用。Muse Wonder则采用闭源模式，通过API、Muse Code和自有应用提供服务。相比让更多开发者部署自己的模型，Meta现在更重视把先进模型转化为能够直接接触消费者的产品。

过去几年，OpenAI通过ChatGPT积累了庞大的用户基础，Anthropic则凭借Claude Code等产品深入开发者和企业市场。Meta最有价值的资源，仍然是Facebook、Instagram、WhatsApp等覆盖数十亿用户的平台。

而且，Meta已经开始把Muse延伸到手机之外。9月的Meta Connect大会上，扎克伯格宣布计划在未来几个月内将Muse接入AI智能眼镜。用户戴着眼镜看到货架上的商品、墙上的活动传单，或者一张很长的学校用品清单，可以直接通过语音让Muse识别内容并继续执行任务。

Meta还为Muse提供了Mac应用，可以在用户授权后访问文件、日历、备忘录等信息，协助整理文件和填写表格。与此同时，公司正在增加购物和支付合作伙伴，包括沃尔玛、百思买、Shop Pay和PayPal等服务。

这才是Meta真正想要的产品形态：用户在手机上交代任务，在电脑上继续处理，戴着眼镜看到商品时，也可以直接让同一个Agent采取行动。

从这个角度看，扎克伯格未必需要Muse Wonder在每项测试中都排名第一。只要模型能够满足个人Agent的任务需求，再通过Meta已有的社交平台和硬件设备进入用户生活，它就有机会建立一条不同于ChatGPT和Claude Code的增长路径。

Meta押注个人Agent，最终还是为了生意。Muse到2030年的年收入可能超过270亿美元，其中约230亿美元来自交易相关收入，订阅收入仅约45亿美元。相比每月收取订阅费，让AI参与用户的购物、出行和日常消费，可能是一门更大的生意。

如果用户直接让Muse筛选商品并完成购买，亚马逊原本掌握的搜索流量、广告展示和用户关系都可能受到影响。

国内互联网巨头也在争夺这个位置。腾讯正在微信内测原生AI助手“小微”，尝试通过文字和语音调用微信功能及小程序服务；字节希望豆包手机助手直接操作不同App，但截至10月14日，微信、支付宝、淘宝、美团等超过150款应用仍明确拒绝其进行屏幕自动化操作；阿里则选择先打通自有生态，千问已经与淘宝全面互通，接入超过40亿件商品，支持商品搜索、比较、下单和售后。

几家公司都想把AI变成用户提出需求的第一入口，但各自面临的问题不同。Meta需要争取外部平台合作，字节需要跨应用操作权限，腾讯和阿里虽然拥有自己的服务生态，却还需要让用户养成通过AI而不是传统App完成交易的习惯。

交易入口本身就是各大平台最重要的商业资产。开放给外部Agent，可能带来新增订单，也可能失去直接接触消费者的机会。谁来推荐商品、谁掌握用户数据、谁获得交易收入，都需要重新谈判。

扎克伯格投入数百亿美元重建AI团队，如今终于拿出了足够吸引眼球的模型和产品。但Meta这次翻身仗，究竟是一次真正的战略逆转，还是又一场由模型成绩和产品热度推动的短暂狂欢？现在下结论，恐怕还太早。