Meta Muse 更新：主动记忆和主动专注，分别解决什么问题？

Meta 在 2026 年 11 月 6 日宣布更新 Muse 和 Meta AI 背后的模型：用 Muse Wonder 训练现有模型的专用版本，将 Active Memory（主动记忆）和 Active Focus（主动专注）带入这两款产品。前者帮助调用过去对话中仍然相关的信息，后者让任务遇到意外问题时，仍能继续朝目标推进。

这次变化不是让每个请求都直接使用 Muse Wonder，而是把它的部分能力用于改进助手背后的模型。对使用者来说，值得关注的是更具体的体验：项目已经讲过一遍，计划也改过几次，AI 能否接着做，而不是要求您从头解释。

主动记忆：不只是记得，还要分清哪些信息仍然有效

Meta 对主动记忆的描述，重点不在“保存更多聊天记录”，而在于识别以前的信息何时与当前任务有关，区分临时信息与长期信息，以及判断哪些内容已经过时。

假设您正在准备一次产品发布。目标受众和品牌语气可能几周都不变，但发布日期和交付范围在评审后调整了。真正有用的记忆，应当沿用受众要求，同时采用更新后的日期，而不是把旧期限拼进新计划里。主动记忆想改善的，正是这种对变化的理解。

主动专注：原来的路走不通，仍能找到下一步

主动专注处理的是任务推进问题。Meta 表示，它用现实中常见的阻碍训练模型，让 Muse 遇到意外时能够继续尝试、从失败中恢复，或寻找替代办法。公告也提到，模型更能应对任务执行中途的补充说明和方向调整。

还是以产品发布为例：如果一份关键素材延迟，合理的下一步可能是先用现有材料完成简报结构，并把缺少的素材标出来，而不是停下整个任务，更不是编造一份素材填空。

官方数字说明了什么？

在 Meta 自有的 Active Memory Eval 中，新 Muse 模型正确使用关键上下文的任务比例为 90%，前一模型为 76%，提高了 14 个百分点。这个指标衡量的是能否正确使用任务需要的信息，不是“所有任务都有 90% 的完成率”。

Meta 还报告，在出现意外问题的日常 Muse 任务中，完成表现改善了 67%。公告没有给出原来的完成率，因此不能把它理解为最终成功率达到 67%，或提高了 67 个百分点。这些数字来自 Meta 对 Muse 的评测；公告没有单独列出 Meta AI 的对应成绩。

这些评测关注的是 AI 如何使用背景信息、应对任务变化。放到实际工作中，一个持续推进的项目就会反复遇到这两类问题。

用 MuseWork 记忆，接着推进同一个项目

一个项目往往要推进几周甚至几个月。以产品发布为例，上次确定的受众、评审中调整的安排，以及您习惯的简报格式，都会影响下一次工作。准备本周进展简报时，这些背景仍然重要，但没必要每次都从头介绍。

MuseWork Memory（记忆）让这些背景在持续共事中积累下来：Memo 记下对话与共事中的重要细节，Wiki 将这些记忆与您提供或授权访问的项目资料组织起来，方便回看内容与来源。后续讨论可以少一些重复说明，把精力放在本周进展和接下来需要处理的问题上。

可以从一个正在推进的项目开始，注册 MuseWork，体验记忆功能。如果准备简报还需要用到电脑上的项目文档或浏览器资料，也可以下载 MuseWork 桌面端，在您授权的范围内请助理协助整理。

参考资料

• Meta AI Research, Bringing Specialized Models to Muse and Meta AI, 2026-11-06.