阿里千问Go与Meta Muse Wonder竞逐个人Agent，应用需求开始影响模型训练

10月12日，Meta发布了Muse Wonder系列，包括Muse Wonder和Muse Wonder Full两款模型。除了编码和专业任务能力，这次还有两个关键词——Active Memory（主动记忆）和Active Focus（主动专注）。前者强调跨对话找回有用的信息，后者强调遇到阻碍后继续推进目标。

Wonder Full在AA榜上仅次于Opus 5.5，图片来源：Meta

与此同时，千问团队也公布了QwenGyre，一套面向超长程Agent任务的在线强化学习框架。相关论文在9月27日就提交到arXiv，研究的核心问题是当Agent一次工作数小时，和环境交互数百轮，训练系统怎样利用这些经历，又怎样让昂贵的算力少一点空转：

都在为个人Agent的爆发做准备。

模型不够好，不配谈个人Agent体验

个人Agent，或者说个人助理不是什么新概念。我们已经对着手机喊了许多年，希望它记住事情、安排日程、替我们处理麻烦。

年初，OpenClaw带来的「龙虾」热，让许多人第一次接触到可以读取文件、调用工具、在电脑里持续干活的AI。自然语言理解、工具执行、个人上下文和后台运行，终于开始在同一个产品里结合起来。

然后才是Instinct、Muse，将Agent从以任务为中心向以个人为中心转变，从PC到手机，从办公到生活琐事。

图片来源：Meta

但也正因为如此，模型的短板会以另一种方式暴露。假设你让个人Agent筹备一次家庭旅行，交代了预算、家人的空闲时间，以及不想一大早赶飞机的偏好。几天后航班取消了，它需要重新考虑交通和住宿。

此时，能列出十种旅行攻略还不够，它得知道哪些安排已经失效，哪些限制仍然有效，哪些事情又需要回来问你。如果这些背景每次都要重新解释，所谓个人Agent就会多出一个挑战——个人Context。

**Muse Wonder的主动记忆，瞄准的正是这类问题。**对于长期跟着一个人的Agent来说，保存信息只是起点，使用时能找回相关内容才有价值。昨天说过的一件小事，可能在下周才变得重要。反过来，一个已经修改的计划，也不能因为它最早被记住，就一直拥有最高优先级。

Meta披露的信息显示，内部MemoryBench测试使用6.4万至10万token的复杂对话，加入干扰信息，以及与原信息冲突或后续更新的内容。这比单纯检查模型能否复述一条旧信息，更接近个人Agent需要处理的问题。

图片来源：Meta

不过，一段长对话里的记忆成绩，仍然不能直接证明产品已经可靠地理解了一个人几个月。信息怎样存储、什么时候被检索、用户如何纠正或删除，都要靠模型之外的产品设计共同完成。百万token的窗口可以装下更多内容，却不会自动告诉模型，哪个旧安排今天已经不该继续执行。

还有主动专注的能力。

按照Meta的描述，Muse Wonder会尝试替代办法、处理阻碍，并根据新信息调整行动。官方产品页也把长任务规划、子Agent分工、并行工具调用和失败恢复列为能力重点。这对个人Agent很重要。

图片来源：Meta

用户交出去的是一件事，而不是一串必须由自己逐条监督的指令。比如一次资料搜集遇到了打不开的网页，真正有用的助理应该能判断是否还有其他来源。继续工作有时意味着换个办法，有时意味着停下来请用户补充信息，而不是无论如何都往下跑。

**Meta的内部FocusBench也开始围绕这种持续性做测试，关注住房、旅行、IT等任务中的现实阻碍与动态变化。**而两款Muse Wonder模型也都接受了多样的长时间任务训练，以维持持续推进的能力。

也就是说，个人Agent可以把一些过去容易被统称为「更聪明」的要求拆开：信息要记得对，变化要跟得上，遇到问题要有办法，重要决定还要知道把人叫回来。这些要求已经进入模型的能力描述和评价体系。

而按Meta公布的安排，Wonder将用于个人Agent产品Muse，先向订阅用户推出。

模型迭代方向调整，训练也要跟着变

模型要学会长时间干活，训练中就得让它真正去干活。QwenGyre作为面向超长程Agent任务的在线强化学习框架，要解决的是这个过程怎样才能更有效率。

在在线强化学习中，模型执行任务、得到反馈，再用新产生的经验更新参数。但Agent的工作越复杂，训练就越容易碰到两个麻烦：

**一是等待。**同一批任务里，有的已经结束，有的还在调用工具、修改方案。算力如果只能等整批任务跑完再转入训练，或者被固定分成执行和训练两部分，就可能出现任务还在跑，一部分GPU却已经闲下来的情况。

**二是重复。**Agent会压缩上下文、派发子任务，失败后还可能换条路重试。这些过程会产生不同分支，却又包含大量共同经历。每条路径都完整拿来训练，同样的内容就会被反复计算。

QwenGyre相应地做了两件事：根据任务进度，在执行和训练之间重新分配GPU，同时保持尚未完成的任务继续运行；再把分叉的执行记录整理成共享前缀的轨迹树，减少重复、控制训练样本的规模。任务即使超时，只要保留下来的部分成果能够被评估，也可以提供有用的反馈。

图片来源：千问

千问公布的实验中，Qwen 3.8 2.4T单次执行累计处理约70万token，经过48步强化学习，NL2RepoBench通过率从约52.5%提高到58.5%。在相同GPU预算下，QwenGyre相对Async方案节省了约44%的训练时间，训练分数接近。

这些也是个人Agent需要的。

前面提到的家庭旅行，一旦需要重新安排航班、住宿和交通，同样会涉及多轮操作、工具调用和失败后的调整。模型必须不断观察外部环境，根据新信息调整行动，有时还得推翻原来的计划。这已经不只是工具调用能力，更涉及长期规划、状态维护、动态决策以及失败恢复等能力。

而QwenGyre正是针对这种任务执行过程中存在的复杂性，试图解决对应的模型训练难题。

对阿里来说，这条路很自然。

图片来源：阿里

千问已经明确要做个人Agent，并依托Qwen 3.8系列建设相关能力。QwenGyre则已用于同一系列旗舰模型的长程训练，团队也表示希望进一步拓展任务范围与训练规模。应用需要模型持续办事，训练框架又开始降低长任务的开销，后续结合有了具体的理由。

因此，阿里很可能继续将QwenGyre用于后续Qwen模型的Agent训练，并探索个人助理场景。这既可能体现在新一代模型里，也可能通过对现有模型继续做后训练来实现。

Coding之后，个人Agent重新定义「AI」

应用对模型的影响，在Coding Agent的阶段已经有过一轮验证。早期AI编程主要帮人补全代码，后来用户开始把整个项目交给Claude Code、Codex，要求它理解文件之间的关系，修改代码，运行测试，再根据报错继续修复。

**AI要做的事情变了，模型的优化目标也随之改变。**Claude 4发布时强调的长时间执行、并行工具调用和文件记忆，以及GPT-5-Codex面向Agent式编程的优化，都回应了这类需求。

模型能力提高，让应用能承担更复杂的工作。而应用中的要求和失败，又给下一轮模型训练提供了方向。个人Agent也会继续推动这轮迭代，只是工作对象变成了一个更具体的人，而不只是一件件具体的任务。

比如用户说「这周先算了」，模型需要理解他暂缓的是当前安排，还是整个长期目标。私聊里交代过的事情，也需要判断能不能写进对外邮件。这些选择很难像代码一样，用一份固定的测试脚本就判断对错，却会直接影响用户是否愿意继续交给它办事。

以GPT-6 Astra驱动的OpenAI dots为例。作为目前最前沿的顶级模型，GPT-6 Astra在能力上毋庸置疑，但相比Instinct、Muse、Grok Bot等，现在dots并没有体现更强势的个人Agent优势。

**可以说，下一代GPT继续针对dots这样的个人Agent优化是题中应有之义。**同样对千问、豆包、元宝而言，随着个人Agent逐渐落地，模型同样会面对不一样的需求，就需要适当调整模型的训练和迭代方向。

这种「定制」当然不以牺牲模型通用能力为代价。个人生活里有太多无法提前列完的情况，广泛知识、推理和处理陌生任务的能力依然重要。个人Agent只是让这些能力有了更明确的使用目标：理解这个人的处境，把交代过的事情接着做下去。

Wonder已经开始围绕记忆和持续执行调整能力，QwenGyre则让长任务训练有了更有效率的办法。最终，用户期待的进步也很具体——少重复交代背景，少纠正已经改过的安排，少守着窗口等下一步。

模型要证明自己更强，也要让人愿意把下一件事交给它。

该文观点仅代表作者本人，36氪平台仅提供信息存储空间服务。

商业策划

好文章，需要你的鼓励

雷科技特邀作者

0收藏+10评论

Image 9: 36氪 打开微信“扫一扫”，打开网页后点击屏幕右上角分享按钮微博

沉浸阅读 返回顶部

参与评论

评论千万条，友善第一条

登录后参与讨论

提交评论 0/1000

商业策划

你可能也喜欢这些文章

“79岁老干妈陶华碧用AI一年赚54亿”冲上热搜，营收创新高

英伟达与华为的6个百分点：中国AI芯片市场竞争格局生变

国内外大厂疯抢Muse入口，但个人Agent仍是伪命题

四连板，AI应用概念又爆了

Anthropic震撼研究：AI竟能通过电视盒子自我复制

谷歌物理真觉醒，全新Gemini 4 Argon一大波实测来了

苹果一口气甩12款“果家”新品，HomeView登场：Siri AI接管全屋

刚刚，Gemini 4全球上线

苹果AI家庭管家来了：能认人、看家、自动开门，Siri彻底变牛了

雷科技

特邀作者

专注AI硬科技

发表文章 4379 篇

提及的AI

查看AI测评

千问

豆包

36氪AI测评

选靠谱AI，看真实评测

查看

36氪AI测评官方交流社区

加入

36氪项目推荐

咨询项目审核和入驻

联系

36氪项目推荐订阅号

关注

企服圈子

软件选型经验交流社区加入

行业交流群

扫码加我，拉你进对应的行业群，链接一手资源和人脉！已有170000+人深度交流中～

36氪企服点评订阅号关注

36氪企服-订阅号

「36氪企服」会定期分享行业深度案例、报告以及热点话题，从用户视角出发，帮企业买家选中真正“对”的软件与服务。

36氪企服点评服务号关注

36氪企服点评-服务号

「36氪企服点评」现已收录近万款产品，致力于帮助每个需求企业服务的人做出正确的决策，携手每个企服行业者为大众提供更高的价值与服务。

找软件，先查用户评分榜查看

顾问1对1推荐软件免费服务体验

会稽、上计、比部：三千年审计制度

古代审计最大的痛点，往往是独立性缺失

26分钟前

关于36氪

网络谣言信息举报入口

阿里千问Go与Meta Muse Wonder竞逐个人Agent，应用需求开始影响模型训练

阿里字节META杀疯了，个人Agent起风，没有好模型不配上桌

模型不够好，不配谈个人Agent体验

模型迭代方向调整，训练也要跟着变

Coding之后，个人Agent重新定义「AI」

最近内容

提及的AI

36氪AI测评

36氪项目推荐

企服圈子

企服软件推荐

下一篇