Meta 推出 Muse Wonder 系列智能体,进军企业级 AI 智能体赛道但面临信任瓶颈
Meta 发布 Muse Wonder 与 Muse Wonder Full,首次推出面向法律、金融、医疗等职场场景的前沿智能体模型,并引入主动记忆与主动聚焦技术;但企业对其数据安全、行为可控性及系统集成能力仍持高度谨慎态度。

Meta于周一推出了面向个人和职业场景的智能体(agentic)任务的新模型,借势其上月成功发布的个人智能体Muse。
Muse Wonder与Muse Wonder Full拓展了此前发布的 Meta Muse的功能。Muse由Muse Spark模型驱动,是一款为个人执行任务的AI智能体,例如网页浏览、行程规划、购物及邮件整理。
这些新模型通过将专业知识应用于用户在法律、金融和医疗等职场领域所面临的实际情境,进一步拓展了Muse的能力。Meta表示,这是Facebook、Instagram和WhatsApp母公司首次发布的前沿模型(frontier models),旨在与Anthropic、OpenAI和Google竞争。Meta称,这些模型是将其客户带向个人超级智能(personal superintelligence)的下一步。
一个新时代
尽管这些模型主要面向消费者,但它们也属于AI智能体快速发展的趋势之一——即此类智能体正日益具备在企业环境中运行的能力。
西雅图华盛顿大学教授奇拉格·沙阿(Chirag Shah)表示:“过去一两年来,我们的重点一直是摆脱聊天机器人,迈向智能体世界,在这一世界中,我们能够将部分任务委托给这些系统来完成。”
借助Meta Muse、OpenAI Dots以及 Gemini Agent,AI正站在其下一个重大里程碑的门槛上,他补充道。其他广受欢迎的新型个人智能体还包括SpaceXSI推出的Grok Bot、Instinct和Hermes。
OpenClaw(现已成为OpenAI的一部分)仅在10个月前开创了个人智能体趋势,但当时使用难度较大;而当前这些智能体则并非如此。
Meta与企业
借助Muse Wonder与名称略显诙谐的Muse Wonder Full,Meta整合了其称之为“主动记忆(Active Memory)”与“主动聚焦(Active Focus)”的技术。借助主动记忆,这些模型可根据先前接收到的关键信息,记住最重要的内容,并将该记忆延续至后续对话或任务中;主动聚焦则使模型能在第一种方法失败时,尝试替代方案以完成某项任务或达成某一目标。
Gartner分析师阿伦·钱德拉塞卡兰(Arun Chandrasekaran)表示:“他们确实在努力引导这些模型更高效地执行个人智能体工作流。他们正让这些智能体在日常任务中更具专业性。”
这是一次正确的方向性迈进,但沙阿指出,尽管近期面向消费者与企业的个人智能体发布节奏密集,企业界尚未完全接受这些技术。
他表示:“它们非常犹豫”,并补充称,许多企业尚不确定是否 能够信任该智能体 做出正确行为,也不确定它是否会做出有害或意外之举。
沙阿继续说道:“这种信任不仅关乎它在执行任务时如何处理我的数据,更在于它对我的数据会做些什么——‘我们如何确保Meta不会以危及我个人或公司地位的方式查看我的数据?’我所接触的那些公司,目前尚未准备好立即部署此类技术。”
企业也可能因需判断能否将此类模型与其现有应用相连接,而继续保持谨慎态度。
Tekonyx创始人兼分析师西德·纳格(Sid Nag)表示:“归根结底,一切皆关乎集成。这项特定功能是否能与现有应用程序及网络安全架构集成?”
他补充道:“这些接口将在后台运行,并连接至所有这些不同的应用程序。所有这些集成工作,正是企业将重点关注的内容。”
Meta的定价
钱德拉塞卡兰表示,对Meta而言,Muse Wonder与Muse Wonder Full使其这家社交媒体巨头得以为其AI智能体建立营收模式。此前,Meta一直专注于免费开源AI模型,以构建其庞大的数字广告业务并扩展其商业生态系统。
他表示:“他们无法持续免费提供模型所需的算力。”“他们为AI智能体建立营收模式的一种方式,是开始向消费者收费;但若要向消费者收费,他们就必须交付能力更强、个性化程度更高的AI智能体。”
对开发者而言,该模型的输入令牌费用为每百万4美元,输出令牌费用为每百万20美元。希望访问Muse Wonder Full的开发者必须订阅Muse Code——Meta推出的首款专用编程智能体。Muse Code按月收费:日常使用为5美元/月,高用量为15美元/月,高性能为50美元/月,最高性能为200美元/月。
除消费市场外,Meta还瞄准了大量利用Instagram、Facebook和WhatsApp开展日常运营的小型企业,并可如今在这些社交媒体平台上为这些企业提供AI智能体。
对于大型企业,钱德拉塞卡兰表示,Meta仍需通过与全球系统集成商(GSI)及Salesforce等供应商合作,构建一整套分销渠道。
JOTO 企业落地观察
- 对企业部署而言,文章明确指出企业因数据隐私顾虑与集成不确定性而‘非常犹豫’,表明当前AI智能体落地首要障碍并非功能缺失,而是缺乏可验证的数据隔离机制与标准化API治理框架,需配套企业级权限审计与沙箱运行环境。
- 对智能体工程而言,Meta引入的‘主动记忆’与‘主动聚焦’是任务连续性与失败回退机制的具体实现,标志着智能体正从单轮响应向多步工作流演进;但文中未提及其记忆持久化方式或聚焦策略的可解释性,暗示工程侧需强化状态追踪与决策日志能力。
- 对AI安全治理而言,学者直接质疑‘Meta是否会以危及个人或公司地位的方式查看我的数据’,揭示当前企业级智能体缺乏第三方可验证的隐私承诺机制(如联邦学习支持、内存隔离证明),也未建立面向B2B场景的合规责任分担模型。
立即咨询 JOTO
JOTO 提供覆盖企业智能体规划与搭建、AI 平台私有化部署、RAG 知识工程、AI 安全治理、FDE 驻场共创及持续运营优化的全周期 AI 落地服务,帮助企业把验证中的 AI 能力转化为安全、可控、可持续迭代的生产力。 联系 JOTO 获取 AI 落地咨询
想把这些做法用到你的业务里?
留下你的场景和痛点,我们帮你判断从哪一步开始。
联系我们


