一条 HN 四百多点的新模型，到底新在哪
昨天（10 月 12 日）Meta 发布了 Muse Wonder 系列，包含 Muse Wonder 与 Muse Wonder Full 两个型号，官方定位是「面向个人与专业智能体的前沿模型」。HN 讨论帖几个小时冲到近 500 点，评论区的争论焦点不是跑分，而是一个更实际的问题：一个真正常驻你生活里的智能体，模型层到底需要什么能力。
Meta 给出的答案是两个关键词。Active Memory：跨会话携带关于你的重要上下文，并在任务需要时主动检索相关细节——比如你上周提过的饮食禁忌，这周订餐厅时它自己想起来。Active Focus：面对一个有阻力的目标持续工作，尝试替代路径、穿越阻塞点、在新信息出现时调整方案，中途该问就问、该确认再动手。
这两个能力恰好是个人智能体此前的两大断点：记忆靠开发者手搓向量库，坚持靠开发者手写重试与状态机。模型层直接内建之后，应用层的脚手架可以薄很多。官方还给了 FocusBench 与 SWE-Marathon（长周期软件项目测试）作为这两项能力的专项评测，称 Muse Wonder Full 在 DeepSWE 与 SWE-Marathon 的第三方独立评测中登顶。
模型在 Meta 的吉瓦级 Prometheus 数据中心训练，这是 Muse Spark 之后公开推进路线图的下一步。对我们更实际的信息是分发渠道：Meta Model API（自助注册）与 Muse Code（终端多智能体编码工具）当天可用，Muse Wonder Full 目前仅限 Muse Code 订阅用户。
五分钟接入：改两行代码的事
Meta Model API 兼容 OpenAI SDK。你在 Model API 控制台创建一个 MODEL_API_KEY，然后把现有客户端的 base_url 指过去即可。下面是完整的最小可用示例：
import os
from openai import OpenAI
client = OpenAI(
base_url="https://api.meta.ai/v1",
api_key=os.environ["MODEL_API_KEY"],
)
ping = client.chat.completions.create(
model="muse-wonder-1.0",
messages=[{"role": "user", "content": "回复一个词：就绪"}],
)
print(ping.choices[0].message.content)官方 cookbook 用 muse-spark-1.3 做基础演示，Muse Wonder 的模型 ID 是 muse-wonder-1.0。有几个迁移细节值得提前知道：
- 上下文窗口是 1,048,576 token。仓库级上下文可以一次塞进去，不用急着上 RAG。
- Muse 系列是推理模型，思考 token 计入输出并出现在
usage的reasoning_tokens字段。一个单词的回复报几十个 completion token 属于正常现象，成本估算时别按输入输出线性外推。 stop、logit_bias、未设置reasoning_effort="none"的logprobs会返回 400。这三类参数不兼容，迁移老代码时要先摘掉。- 行为引导用
developer角色。它接受system角色是为了兼容，但实际按 developer 层级处理；自己写新代码直接用developer。 - 温度保持默认 1.0。官方明确说该模型在默认温度下调优最佳，想要更稳定的输出，优先写清楚指令而不是调低温度。
工程化封装的官方建议是：环境变量读密钥、429 与 5xx 用指数退避加抖动重试、400 直接暴露给调用方别重试。官方 cookbook 里这段重试函数可以直接抄：
import random, time
from openai import APIStatusError, APITimeoutError, RateLimitError
def complete_with_retry(messages, *, max_retries=5, **kwargs):
delay = 0.5
for attempt in range(max_retries):
try:
return client.chat.completions.create(
model="muse-wonder-1.0", messages=messages, **kwargs
)
except (RateLimitError, APITimeoutError):
if attempt == max_retries - 1:
raise
time.sleep(delay * (2 ** attempt) + random.uniform(0, 0.5))
except APIStatusError as exc:
if exc.status_code >= 500 and attempt < max_retries - 1:
time.sleep(delay * (2 ** attempt) + random.uniform(0, 0.5))
continue
raise个人智能体最小闭环：记忆、工具、确认
围绕 Active Memory 与 Active Focus 的卖点，我们搭一个真正有个人智能体味道的最小系统：三件套是「长期记忆存储 + 工具调用 + 关键操作确认」。
第一步，自己管历史。 Chat Completions 是无状态的，每轮把完整的 messages 数组发回去。一百万 token 的窗口意味着你可以把用户偏好、历史决定、项目状态全量装在上下文里，而不是先冲去做向量检索。经验做法是分三层：developer 消息放固定人设与铁律，历史区放对话，再开一个「用户档案区」放结构化的长期偏好，每轮拼装时重写它。
def build_messages(profile, history, user_input):
return [
{"role": "developer", "content": PERSONA_RULES},
{"role": "developer", "content": "用户长期档案（每轮由系统重写）：" + profile},
*history,
{"role": "user", "content": user_input},
]第二步，接上工具。 工具调用流程与 OpenAI 完全一致：声明工具、收到 tool_calls、执行、把结果以 role: "tool" 塞回对话再请求一轮。Meta 的 cookbook 里专门有 search grounding 配方，加一个内置搜索工具就能让模型拿到带引用的实时网页结果——个人智能体查订票政策、比价这类场景直接受益。
第三步，分级放行。 Active Focus 意味着模型会持续自主工作，这恰恰放大了误操作的代价。官方 Muse Code 文档里有两个模式值得照搬进自己的系统：staged approvals 把复合 shell 命令拆成阶段，安全片段自动放行、风险片段挂起等审核；contained execution 要求每次命令都在操作系统沙箱里跑，且运行时证明隔离生效才继续。最小实现可以先用一个白名单函数包一层：
RISKY = {"send_email", "delete_file", "make_payment"}
def guarded_tool(name, args):
if name in RISKY:
preview = render(name, args)
if input(f"确认执行 {preview}? [y/N] ") != "y":
return "用户拒绝了该操作"
return TOOLS[name](**args)子智能体编排：官方认可的三种姿势
Muse Wonder 官方描述里明确提到「规划长任务并把部分工作委托给子智能体、并行调用工具、出错自恢复」。在 API 层复刻这个模式，官方 cookbook 给了三条现成路线：
其一，multi-agent orchestration：一条一行描述的产品需求，交给四个角色的智能体团队（规划、实现、评审、验收），通过共享看板协调。适合把模糊想法变成可运行的工程产物。
其二，subagent fanout：把一个任务扇出到多个子智能体，每个在独立的 git worktree 里工作，互不踩踏。并行改不同模块时特别干净，合并阶段统一收口。
其三，computer use：给模型屏幕截图与键鼠事件的控制权，让它像人一样操作浏览器和桌面应用。个人智能体的大部分「帮我办事」场景（填表、订票、整理相册）最终都落在这条路上。
对个人场景还有一个省钱的组合拳：开源权重的 Muse Glimmer 跑本地常驻智能体，处理日程整理、回复草拟这类高频低危任务；只在用户确认关键文本后，才把任务升级给云端的 Muse Spark 或 Wonder。官方 cookbook 里「Local agent that asks first」就是这个配方，本地管隐私、云端管智力，成本与隐私两头都占。
迁移检查清单
把这套东西跑起来之前，过一遍这张表：
- 密钥走环境变量，永不硬编码；观察
x-ratelimit-remaining-*响应头，在撞限之前主动节流。 - 多轮对话记得把 assistant 回复 append 回 messages 再整包重发，否则「上一个回答」在模型眼里不存在。
- 推理模型的成本估算要把
reasoning_tokens算进输出预算，长任务的自恢复循环尤其明显。 - 长跑任务先设计检查点：官方 Muse Code 的 audit 与 deterministic replay 配方演示了如何把会话事件记成只追加日志，随时精确回放——Active Focus 的长跑特性让「崩了能续」从加分项变成必答题。
- Muse Wonder Full 目前锁在 Muse Code 订阅里，API 侧先按标准版做容量规划。
一句话总结：Meta 把「记忆」与「坚持」从开发者脚手架下沉到了模型层，而接入成本只有两行代码。个人智能体这条赛道上，真正稀缺的不再是模型能力，而是你的放行策略和检查点设计。