9月底，阿里在云栖大会上宣布千问将加速打造个人Agent，依托Qwen 3.8系列的能力构建新的产品形态。

10月13日，千问终于官宣「千问Go！」个人专属助理，并在千问App上进行限时邀请测试。

不仅是阿里，字节这边，豆包也在内测代号Spell的个人Agent项目，近期正在加速与豆包现有产品结合。腾讯也没有缺席，目前来看就有TX Handy Bot、元宝助手两个个人Agent项目。

Meta推出的Muse是这一轮个人Agent热潮的「导火索」。它让用户把日常事务和长期目标交给一个拥有独立云端电脑与浏览器的Agent，也让个人Agent彻底成为行业焦点。包括OpenAI，也在Muse之后推出了dots。

不过，应用层面的爆发还只是硬币的一面，另一面则是模型层面的变化。

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。