阿里字节Meta齐发力，个人Agent混战开启：模型不好别上桌

9月底的云栖大会上，阿里放出了消息。千问他们要加快个人Agent的打造，靠Qwen 3.8系列的能力去搭新的产品形态。

到了10月13日，千问终于官宣「千问Go！"这个个人专属助理，并且在千问App上开启了限时邀请测试。

阿里之外，字节这边豆包也在内测一个代号Spell的个人Agent项目，最近正忙着和豆包现有产品做结合。腾讯同样没闲着，眼下能看到的有TX Handy Bot和元宝助手两个个人Agent项目。

这轮个人Agent热潮的"导火索"是Meta推出的Muse。用户可以把日常事务和长期目标丢给一个拥有独立云端电脑与浏览器的Agent，个人Agent也就此成了行业焦点。Muse之后，OpenAI也拿出了dots。

应用层的爆发只是硬币的一面，另一面是模型层面正在起变化。

10月12日，Meta发布Muse Wonder系列，包含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）。前者说的是跨对话把有用信息找回来，后者说的是碰到阻碍之后继续把目标推下去。

Wonder Full在AA榜上排到Opus 5.5之后，图片来源：Meta

与此同时，千问团队还公布了QwenGyre，这是一套面向超长程Agent任务的在线强化学习框架。相关论文9月27日就已提交到arXiv，研究核心是：Agent一次工作数小时、和环境交互数百轮时，训练系统怎么利用这些经历，又怎么让昂贵的算力少空转：

这些都是在给个人Agent的爆发铺路。

模型不够好，不配谈个人Agent体验

个人Agent，或者说个人助理，并不是什么新概念。这么多年我们对着手机喊话，盼着它记事、排日程、替我们收拾麻烦。

年初OpenClaw带火的"龙虾"热，让不少人头一回接触到能读文件、调工具、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，总算开始凑进同一个产品里。

再往后才是Instinct、Muse，把Agent从以任务为中心转向以个人为中心，从PC走到手机，从办公走到生活琐事。

图片来源：Meta

可麻烦也恰恰出在这里——模型的弱项会换一种形式显现出来。比方说让个人Agent安排一趟全家出游，你已经把预算、各人的空闲档期、不愿清早赶飞机这些条件都讲清楚了。过了几天航班被取消，它得重新盘算交通和住宿。

这种时候，光会甩出十套旅行方案没用。它得清楚哪些安排已经作废、哪些限制照样管用、哪些事又该回头来问你。假如每回都要把这些背景重讲一遍，个人Agent就多了一道坎——个人Context。

Muse Wonder的主动记忆针对的就是这一类毛病。对一个长期跟着某个人的Agent而言，存下信息只是开头，用的时候能把相关内容捞回来才算数。昨天随口提的一件小事，也许到下周才派上用场。反过来说，一份已经改过的计划，也不能因为记得最早，就永远排在最高优先级。

据Meta披露，内部MemoryBench测试动用了6.4万至10万token的复杂对话，中间掺入干扰信息，以及跟原信息冲突或后来更新的内容。这跟单纯看模型能不能复述一条旧信息不一样，更贴近个人Agent真要面对的问题。

图片来源：Meta

但一段长对话里的记忆成绩，还是没法直接说明产品已经稳稳读懂了一个人好几个月。信息怎么存、什么时候被调出来、用户怎样修正或删掉，这些都要靠模型以外的产品设计一起兜住。百万token的窗口能塞进更多东西，可它不会自己告诉模型，哪条旧安排今天已经不该再执行了。

主动专注也是同一类能力。

Meta的说法是，Muse Wonder会去尝试别的办法、处理挡路的问题，并依据新信息调整动作。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成了能力重点。这几项对个人Agent来说分量不轻。

图片来源：Meta

用户递出去的是一件事，而不是一串要自己一条条盯着的指令。举个例子，搜集资料时碰上打不开的网页，真正顶用的助理应该能判断还有没有别的来源。接着干下去，有时候是换条路，有时候是停下来请用户补点信息，而不是不管怎样都硬着头皮往下跑。

Meta内部的FocusBench也着手围绕这种持续性做测试，盯的是住房、旅行、IT等任务里冒出来的现实阻碍和动态变化。两款Muse Wonder模型也都做过多种长时间任务训练，用来维持持续推进的本事。

换句话说，个人Agent把过去常被笼统叫作「更聪明」的要求拆成了几块：信息记得准，变化跟得上，遇到麻烦有招，关键决定还得知道把人叫回来。这些要求如今已经写进了模型的能力描述和评价体系里。

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

模型要能长时间干活，训练时就得让它真刀真枪去干。QwenGyre是面向超长程Agent任务的在线强化学习框架，它要处理的正是这个过程怎么才能更省。

在线强化学习里，模型跑任务、拿到反馈，再用新积累的经验去更新参数。可Agent的活越复杂，训练就越容易撞上两个麻烦：

头一个是等待。同一批任务中，有些已经收尾，有些还在调工具、改方案。算力要是只能等整批跑完才转入训练，或者被硬切成执行和训练两块，就可能出现任务还在跑、一部分GPU已经闲着的情况。

第二个是重复。Agent会压缩上下文、派发子任务，失败后还可能换条路再试。这些过程会岔出不同分支，可里面又装着大量共同的经历。每条路径都完整拿来训练，同样的内容就会被算了又算。

QwenGyre对应做了两件事：按任务进度在执行和训练之间重新分配GPU，同时让没跑完的任务继续跑下去；再把分叉的执行记录整理成共享前缀的轨迹树，减少重复、压住训练样本的规模。任务就算超时，只要留下的部分成果能被评估，也能提供有用的反馈。

图片来源：千问 千问公开的实验里，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%升到58.5%。同样的GPU预算下，QwenGyre比Async方案省了约44%的训练时间，训练分数差不多。

这些同样是个Agent需要的。

前面那趟家庭旅行，一旦要重新安排航班、住宿和交通，照样会牵扯到多轮操作、工具调用和失败后的调整。模型得不停观察外部环境，跟着新信息改动作，有时候还得把原来的计划推翻。这已经不单是工具调用能力的事，还牵扯长期规划、状态维护、动态决策以及失败恢复。

QwenGyre针对的，就是这类任务执行过程中的复杂性，想解决对应的模型训练难题。

对阿里而言，走这条路很顺。

图片来源：阿里 千问做个人Agent这件事，它已经把话说明白了，相关能力会围绕Qwen 3.8系列来搭。同一系列旗舰模型的长程训练，眼下用的就是QwenGyre，团队还表示，任务范围和训练规模都想再往上推。一边是应用要求模型持续干活，一边是训练框架着手把长任务成本压下来，双方往后走到一起，理由已经摆在那了。

所以，阿里很可能继续把QwenGyre用在后续Qwen模型的Agent训练上，并摸索个人助理场景。这既可能落在新一代模型里，也可能靠对现有模型继续做后训练来实现。

编程Agent之后，个人Agent正在重新定义「AI」

应用会反过来影响模型，这一点在Coding Agent身上已经验证过一轮。最早AI编程只是帮人补全代码，慢慢地，用户把整个项目丢给Claude Code、Codex，让它们搞清文件之间的关联，改代码、跑测试，再照着报错接着修。

AI承担的任务变了，模型优化的方向也跟着变。Claude 4发布时主打的长时间执行、并行工具调用和文件记忆，还有GPT-5-Codex针对Agent式编程所做的优化，都是冲着这类需求去的。

模型能力上去了，应用才扛得住更复杂的事。反过来，应用里冒出的要求和失败案例，又给下一轮训练指了路。个人Agent会接着推着这轮迭代往前走，只不过它面对的不再是一件件具体任务，而是一个活生生的人。

举个例子，用户来一句「这周先算了」，模型得判断他搁置的是眼下的安排，还是那个长期目标。私聊里提过的事，也得掂量能不能写进对外的邮件。这种取舍不像代码，没法拿一份写死的测试脚本判对错，可它偏偏决定了用户还愿不愿意继续把事交出去。

拿GPT-6 Astra驱动的OpenAI dots来说。作为眼下最前沿的顶级模型，GPT-6 Astra的能力没什么可挑的，但跟Instinct、Muse、Grok Bot这些比，dots目前并没有显出更强势的个人Agent优势。

可以说，下一代GPT继续围着dots这类个人Agent做优化，是顺理成章的事。同样对千问、豆包对元宝来说也一样，个人Agent逐步落地之后，模型要面对的需求就不一样了，训练和迭代方向也得跟着调。

这种「定制」当然不是拿模型的通用能力去换。个人生活里没法提前列完的情况太多了，广泛的知识、推理能力、处理陌生任务的本事，照样重要。个人Agent只是给这些能力定了个更明确的使用目标：搞懂这个人的处境，把交代过的事接着办下去。

Wonder已经在围绕记忆和持续执行调整能力，QwenGyre则让长任务训练有了更省力的办法。说到底，用户盼的进步很具体——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。

模型得证明自己更强，也得让人愿意把下一件事交给它。