如果你把一份PDF、几张截图和一段会议录像一起交给AI，再让它查资料、操作软件并完成任务，普通模型往往只能处理其中一部分。Meta的Muse Wonder想把这些环节接起来：它同时接收文本、图像、视频、音频和PDF，最终输出文本，并提供100万token的上下文窗口——也就是一次可容纳的信息量很大。
它更值得关注的地方是Agent能力：模型不仅回答问题，还会规划步骤、调用工具，并把任务分派给子Agent——相对独立的执行单元——并行处理；遇到错误后还能尝试恢复。材料称，它可操作浏览器、桌面与移动应用，也能跨代码仓库中的多个文件修改并验证结果。换句话说，Meta瞄准的是需要连续多步才能完成的复杂数字工作，而非一次问答。不过，目前材料只提供了产品描述和Meta自测的概括性结论，未披露具体基准、成绩或公开评测，实际能力仍待观察。