Muse上线约10天，登顶美国App Store免费应用榜，超过了ChatGPT。
几乎同一时间，另一条个人Agent路线上的代表产品Manus，也传出新一轮融资消息，计划融资5亿美元，估值约40亿美元。
Agent正在给前沿AI大厂提供一条“弯道超车”的路径。基础模型虽然重要，但到Agent的赛道上，产品设计、工具调用、任务执行、权限管理和用户入口也加入了战场。后来者未必要先在模型榜单上赢过OpenAI和Anthropic，也有机会先在应用层拿到结果。
Meta显然已经走上了这条“捷径”。
过去一年，它在模型竞赛里追得并不轻松。钱没少砸，人没少挖，算力没少堆，但一直有些雷声大雨点小，能让普通用户感知到的成绩比较有限。
直到Muse，Meta终于有了一个真正属于自己的AI爆款。
Muse凭什么成为爆款？
Muse刚刚发布的时候，单看功能，其实算不上有多特别。
它能浏览网页、调用工具、处理文件，以及替用户订酒店、发邮件、购物。这些能力ChatGPT、Claude、乃至此前的Manus都已经展示过了。
按理来讲，这些功能很容易碰到隐私和权限的边界，用户很难不担心Agent的安全风险。
让它替你整理日程，你就要开放日历；让它替你读邮件，它就要进入你的邮箱；让它帮你购物，它不仅要知道地址和偏好，还需要接触账号和支付信息。
提示词注入也是个需要小心的事情。Agent浏览网页、读取邮件和文件时，会不断接触来自外界的信息。如果有人在网页里藏下一段恶意指令，诱导模型把用户资料发出去，一个拥有较高权限的Agent可能会把攻击一路传递到真实账户。
Meta在做Muse时承认，不管模型训练得多好，Agent都会犯错，也可能被攻击。
它的特殊之处在于，它并没有把安全完全押在模型足够听话上，而是在模型之外，又搭了一整套的权限系统。
简单来说，Muse在云端给每个用户配了一台独立电脑。
你可以把它理解成一台永远开着，并且只属于你的远程电脑（虚拟机），里面有浏览器，也能存文件、运行程序。Muse替你查资料、处理文件、跑任务，基本上都在这台电脑里完成。
你的文件、网页登录状态、邮箱和日历连接，并不会和其他用户混在一起。即使Muse需要长期替你工作，也是在这台独立的电脑里活动，不至于拿着权限在整个系统里到处跑。
值得注意的是，住在这台电脑里的Muse，并不是这台电脑真正的“管理员”。
Meta把整个系统拆成了两个相互隔离的安全区域，Muse住在其中一个区域里，而另一个区域则放着真正敏感的东西——包括用户的登录凭证、安全服务，以及一个名为Sentinel（哨兵）的独立安全Agent。
这个Sentinel专门审批网络访问和第三方服务，Muse可以提出发邮件或者调用账户的请求，但真正放行的是Sentinel。它可以检查Muse准备访问哪个网站、哪个地址，使用什么请求方式，以及准备把什么内容发送出去。
密码和支付信息也是类似的逻辑。登录凭证被保存在独立的安全存储里，Muse可以使用，但看不到具体内容；发送邮件、购买商品这类敏感操作还会再次向用户确认。用户也可以单独规定某个连接器的权限，比如邮箱是只允许读取，还是连发送也一起开放。
支付环节又做了一层隔离，Muse接入Stripe的Link后，可以生成一次性支付卡，让真正的银行卡信息不直接暴露给Agent或商家。
层层保障，限制了Muse可能造成的破坏。
用户愿意信任它——或者说，愿意相信它就算出了问题也翻不出什么风浪——它才有机会真正进入普通人的生活。
当然，只有安全肯定也不行。
Muse背后的模型是Meta自研的Muse Spark。Alexandr Wang后来透露，从Muse Spark 1到最新的1.3，这整个模型系列从一开始就在为Muse这个个人Agent做准备，每一轮升级都在重点强化Agent和多模态能力。
模型之外，Muse背后还有Meta自己的整套产品生态。
它能接入Instagram、Facebook等平台，也可以直接在WhatsApp里使用。
Meta官方给出的案例是，如果你准备请朋友来家里吃饭，Muse可以翻你在Instagram里收藏过的菜谱短视频，帮你挑菜、列购物清单，还能记住朋友有没有忌口，最后再帮你把邀请发出去。
Axios特别提到，Muse能快速走红，靠的不只是模型本身，还包括Meta一直很擅长的几件事——把复杂技术做成普通人能用的产品，把产品迅速推到大量用户面前，以及理解用户到底喜欢什么、需要什么。
Muse上线大约10天后，就冲上了美国App Store免费iPhone应用榜第 一，超过了ChatGPT。
Meta过去一年那场声势浩大的AI重建，也终于拿出了一个普通用户也能直接感知到的成绩。
不再恋战SOTA，Meta瞄准个人Agent
过去一年，Meta在前沿AI公司里的处境一直有点尴尬。
钱是没少花的，人是没少挖的，算力更是越堆越大。但放到OpenAI、Anthropic和谷歌旁边看，Meta始终差点意思——前两家就不说了，谷歌至少还有云服务和TPU生态撑起自己的AI版图。
相比之下，Meta迟迟没有拿出一个足够有说服力的大结果。
2025年，Llama 4令人失望，原本被寄予厚望的Behemoth也一再延期。曾经靠开源掀起一轮浪潮的Meta，在SOTA模型竞争上渐渐掉队。
于是，Meta开始了它的重建工作。
2025年6月，它花143亿美元买下Scale AI 49%的股份，把Alexandr Wang直接挖来负责新的AI体系；随后成立Meta Superintelligence Labs（后文简称MSL），不惜开出上亿美元级别的天价待遇，从OpenAI、Anthropic、Google DeepMind大规模挖人，AI组织半年内多次重组。
算力也一起往上堆，Meta 2025年资本开支达到722亿美元，2026年的指引进一步提高到1300亿至1450亿美元，并建设了Prometheus、Hyperion等吉瓦级AI数据中心。
到了今年4月，Muse Spark发布。Meta自己也说，这是MSL“从头重建AI技术栈”9个月后的第 一份模型答卷。
我们不妨把Manus看成Meta转向Agent的一次重要启发。
去年12月，Meta一度直接收购Manus，而后者最出名的地方，就在于把模型、浏览器、工具和执行环境拼成了一个能自己完成复杂任务的通用Agent。后来这笔超过20亿美元的交易被监管部门要求拆解，但Meta愿意花这么大价钱买Manus，已经可以看出，它至少觉得这条路是值得尝试的。
Meta没能留下Manus，但把Manus代表的那套Agent逻辑留了下来。
巧的是，Manus自己后来也开始往个人Agent走。2月，它把产品接进Telegram，官方文档里直接写道：“你的个人Agent，随时随地”。
Agent是任务的入口，理想条件下，用户只需要给出需求，Agent就能完成任务——用户不需要去想中间用了谁家的模型、接了谁家的工具。
Meta并没有放弃训练模型，但它不再等着模型先拿第 一，再考虑产品怎么做。模型开始变成底座，Agent则成了更直接的突破口。
Muse Spark这一系列模型，瞄准的正是个人Agent；而Muse这个产品，证明了这条路确实可以拿出非常亮眼的成绩。
这条路线并不偏门，甚至充满了机会。
Muse之外，一个叫Instinct的个人Agent甚至还没有正式全面上线，就已经被资本追着下注。
它目前仍处于邀请测试阶段，可以接入邮箱、消息、日历和位置，替用户购物、订餐厅、取消订阅，最近又开始测试独立邮箱和代打电话等能力。8月底，它刚以约25亿美元估值完成融资；9月，据《The Information》报道，公司正在讨论再融资10亿美元，估值直接冲到了约100亿美元。
“选择大于努力”
如果再把视角拉远一点，会发现过去一起追赶大模型的几家老牌科技巨头，现在其实已经开始分头走了。
谷歌是少数还在坚持全栈打法的公司：模型要争，Agent要做，云要卖，芯片也自己造。
早些时间谷歌还传出可能要退出顶 尖模型竞争的传闻，但就在最近几天，Arena里还出现了一个挂着“gemini-3.8-flash”名字、能力明显异常的模型，被社区广泛猜测是尚未发布的Gemini 4 Pro。另一边，Flash系列几乎三周一更，谷歌9月又连续更新了Gemini 3.8 Live和3.8 Live Extended Thinking。
今年I/O上，谷歌直接宣布进入“Search Agent时代”，让Agent可以24小时在后台替用户追踪信息；Google Cloud也推出了Gemini Enterprise Agent Platform。再往底层，还有已经做到第八代的TPU、Google Cloud和整套AI基础设施。
微软和亚马逊的选择就不太一样了，他们正在把自己的优势集中到企业服务和AI基础设施上。
尽管微软还在做MAI系列，亚马逊也有Nova，但模型已经不再是这两家公司最重要的目标。
微软现在更强调多模型平台。Azure AI Foundry里同时提供OpenAI、Anthropic、xAI和微软自己的MAI模型，企业可以按质量、成本和任务自由选择。微软最新财报披露，今年以来，同时使用多家模型的客户数量增长了5倍；Foundry和Agent 365则负责把这些模型真正接进企业数据、权限和Agent体系。
比起把自己的模型做到最强，微软更想确保，无论最后谁家的模型更好，企业都在Azure上用。
亚马逊的转向则更加明显。
今年7月，亚马逊直接裁掉了AGI团队的部分岗位。此前，这支原本相对独立的AGI组织已经被并入一个更大的技术部门，和芯片、量子计算放到一起；包括Rohit Prasad、David Luan在内的多名核心负责人也先后离开。亚马逊给出的解释是，要精简优先级，把资源集中到最能给客户创造价值的领域。
与此同时，AWS越来越强调Bedrock和AgentCore。Bedrock直接接入OpenAI模型、Codex和托管Agent；AgentCore甚至明确做成“模型无关”，开发者可以自由换模型，AWS负责运行环境、权限、安全和监控。
它的思路和微软类似，与其花大工夫追赶SOTA，不如确保别人做出来的模型和Agent最后都跑在AWS上。
Meta走的是第三条路。
尽管Meta也在建设巨型数据中心，今年甚至传出计划把部分AI算力对外出售，但和谷歌、微软和亚马逊相比，Meta并没有一个已经成熟的公有云业务可以直接承接AI需求。
Meta现成的优势在另一端，在几十亿普通用户、社交关系、内容推荐、广告系统，以及Instagram、Facebook、WhatsApp和Threads这些消费级入口上。
在SOTA模型的比赛里，这些东西几乎帮不上忙；可一旦比赛来到个人Agent，情况就完全不一样了。
一个真正好用的个人Agent，不仅需要一个足够智能的模型，还需要知道你喜欢什么、和谁来往、最近准备做什么；要能进入你每天使用的软件，还要有办法长期待在你身边。
这时候，Meta过去积累的那些“老本行”，突然都变成了AI能力的一部分。
社交关系变成上下文，内容推荐变成对用户兴趣的理解，几十亿用户变成分发渠道，WhatsApp和眼镜又可以继续变成入口。
Muse真正重要的地方就在这里。至少从Muse开始，Meta终于不再只是靠“有钱、有卡、有人”证明自己还坐在前沿AI的牌桌上。
它有了一个真正能摆上桌的结果，而且这个结果，不是靠复制OpenAI最擅长的方式拿到的。
Meta终于找到了一块更适合自己长板的战场。
事实上，国内的三家大厂也看上了个人Agent这个方向。腾讯、字节、阿里各有不同的先天优势，并且最近都有类似的动作出现。
和更偏工作流程的办公Agent不同，个人Agent真正要接管的，是一个人的日常生活。
在这个战场上，腾讯最强的是关系和服务。微信里有人际关系、聊天、支付、小程序、公众号、视频号和大量线下服务，一个个人Agent如果真要替用户处理生活事务，微信几乎天然就是操作台。最近正在灰度的微信助手“小微”，已经开始调用微信原生功能和小程序替用户办事。
字节最强的是内容、推荐和消费端AI入口。抖音知道用户喜欢什么，豆包已经有大规模用户，飞书掌握工作上下文；最新的豆包手机助手又进一步进入系统层，开始直接操作手机和跨应用完成任务。
阿里的优势则是交易和商业服务。淘宝、天猫、支付宝、饿了么、高德、飞猪、钉钉，再加上阿里云，本身就覆盖购物、支付、本地生活、出行和工作。千问已经开始把这些服务串起来，让AI直接完成搜索、下单、支付和出行规划；蚂蚁阿福则从健康场景切入，尝试长期管理用户的个人健康信息。
在这个方向上，最后谁能做出最 大的个人Agent可能没那么重要。只要几家大厂都开始争着替用户把事情办完，最终省事的还是我们。