智东西

作者 | 毕伟豪

编辑｜李水青

智东西 10 月 13 日报道，昨夜，Meta 发布了首个前沿模型系列 Muse Wonder，包括 Muse Wonder 和 Muse Wonder Full 两个型号，重点面向个人与专业智能体任务。

Meta CEO 马克 · 扎克伯格发文称，Meta 超级智能实验室成立至今已一年多，Muse Spark 是团队推出的首个模型系列，此次推出的 Muse Wonder 系列规模更大、能力更先进，引领着 Meta 的模型能力迈入前沿水平。

2025 年 6 月，扎克伯格重金组建超级智能团队，投百亿美元并购 AI 创企、狂揽顶尖 AI 人才，今日终于放出 " 大招 "。今年 4 月份亮相的 Muse Spark 主打低延迟、个人智能助手任务，今日亮相的 Muse Wonder 则正式向 OpenAI、Anthropic 的顶级模型发起挑战。

据 Meta 介绍，Muse Wonder 系列引入主动记忆（Active Memory）和主动专注（Active Focus）能力，能够持续跟踪用户关注的事项，并围绕用户目标推进任务。Meta 称，这也是其迈向" 个人超级智能 "（Personal Superintelligence）的重要一步。

在 Meta 公布的长流程编程测试 DeepSWE 1.1 和 SWE-Marathon 超长流程软件工程测试中，Muse Wonder Full 得分超过了 Claude Fable 5.1、GPT-6 Astra 以及 Claude Opus 5.5，展现出较强的 Agent 任务执行能力。

在 Artificial Analysis 模型综合能力评测榜单中，最高推理强度（max）下，Muse Wonder 和 Muse Wonder Full 的 Intelligence Index 综合智力测试分别取得了 52 分和 56 分的成绩。Muse Wonder Full 得分超过 Fable 5.1，与 Sonnet 5.5 持平，仅略逊于 Opus 5.5，跻身顶尖模型梯队。

价格方面，Muse Wonder 的 API 定价较上一代 Muse Spark 1.3 明显上涨：每百万输入 Token 收费 4 美元，缓存输入 0.20 美元，输出 20 美元，分别高于 Muse Spark 1.3 的 1.25 美元、0.15 美元和 4.25 美元。

据 Artificial Analysis 测算，Muse Wonder完成一个 Intelligence Index 任务的成本约为 4.52 美元，是 Muse Spark 1.3 的 2.8 倍。

成本上升也与输入量增加有关，Muse Wonder 单个任务平均消耗约 769 万输入 Token，比 Muse Spark 1.3 多 28%；输出约 5.4 万 Token，比上一代少约 10%。其中，输入 Token 成本约 3.43 美元，占单任务总成本的 76%。

横向对比，Muse Wonder 的单任务成本低于 Claude Fable 5.1 的 7.63 美元、Opus 5.5 的 5.98 美元和 Sonnet 5.5 的 5.46 美元，但高于 GPT-6 Astra 的 3.26 美元、Gemini 4 Argon 的 1.99 美元和 GPT-6.1 Sol 的 0.72 美元。 Muse Wonder Full 目前尚未公布定价。

目前，Muse Wonder Full 已经上线 API 平台，并对和编程工具 Muse Code 的订阅者开放；Muse Wonder 也将会在 Meta 前段时间推出、且持续爆火的Personal Agent 产品 Muse中上线，首先对订阅者开放。

一、多项测评位居前列，编程 Agent 中超越 Opus 5.5

从分项基准测试来看，Muse Wonder Full 的优势主要集中在个人与专业智能体，以及长流程编程任务上。

在 Meta 内部构建的个人超级智能指数（PSI）中，Muse Wonder Full 取得 59.1 分，高于 GPT-6 Astra 的 54.5 分和 Claude Opus 5.5 的 55.2 分。

编程方面，Muse Wonder Full 在 DeepSWE 1.1 中取得 79.0 分，高于 GPT-6 Astra 的 74.1 分 Claude Fable 5.1 的 67.4 分以及 Claude Opus 5.5 的 74.2 分；在 SWE-Marathon 超长流程软件工程测试中，它以 57.5 分领先 GPT-6 Astra 的 42.5 分、Claude Fable 5.1 的 45.6 分以及 Claude Opus 5.5 的 46.3 分。

其中，Terminal-Bench 4.0 主要考察模型通过终端执行任务的能力，Muse Wonder Full 的得分从上一代 Muse Spark 1.3 的 33% 升至 57%，Muse Wonder 也从 33% 升至 52%。

在衡量专业知识工作表现的 GDPval-AA v2.1 中，Muse Wonder Full 相比 Muse Spark 1.3 提高了 176 分，位居第二，在 AA-Briefcase 中则提高了 148 分。

Muse Wonder 的业务流程自动化能力也有所提升，在 AutomationBench-AA 测试中，Muse Wonder 和 Muse Wonder Full 分别取得了 68% 和 71.3% 的成绩，位列第七和第三。

从综合表现来看，Muse Wonder Full 在 Intelligence Index 的十项评测中有六项进入前三，优势集中在 Agent 知识工作与科学推理领域。

科学推理方面，Muse Wonder Full 在 CritPt 中以 33% 的成绩位列第一，在 SciCode 中以 63% 的成绩排名第三。

编程 Agent 能力上，在 Coding Agents Index 测试中中，Muse Wonder Full（max）搭配 Muse Code 取得了 68 分，与搭配 Claude Code 的 Sonnet 5.5（max）持平，高于搭配 Opus 5.5（max）的 Claude Code 所获得的 66 分。

Muse Wonder（max）取得 63 分，上一代 Muse Spark 1.3（max）则为 54 分。

二、主动记忆与主动专注：Muse Wonder 的重点是帮人干活

Meta 为 Muse Wonder 系列着重强化了两项能力：主动记忆（Active Memory）和主动专注（Active Focus）。

主动记忆解决的是 " 记住什么、何时调用 " 的问题。模型能够跨会话保留对用户重要的信息，并在任务需要时主动调取相关细节。

主动专注则关注任务能否持续推进：遇到阻碍时尝试其他路径，根据新信息调整方案，在必要时向用户询问，并在执行重要操作前征求确认。

这两项能力都是 Meta 一直追求的个人超级智能所需要的，定向能力优化后的模型结合 Muse 这款产品，能够为用户提供重要事项持续追踪以及目标导向的连续工作能力。Meta 官方称，未来还会利用 Muse Wonder 为 Muse 开发专用模型，以达到更好的效果。

Meta 分别使用 MemoryBench、FocusBench 和 SWE-Marathon 这些评测来评估长期记忆、任务专注度与持续执行能力，专业任务评测还覆盖法律、金融和健康等领域。

官方演示中，Muse Wonder 能够直接操作浏览器、跨应用获取信息，并根据用户的个人偏好制定周六跑步计划。这类演示呈现的，正是 Meta 希望强化的能力，也即让模型结合个人背景持续推进任务。

在基础规格上，两款模型的上下文窗口均为 100 万 token，支持文本、图像、视频和音频多模态输入。

安全方面，Meta 称 Muse Wonder 是其迄今对齐程度最高的模型，并强化了对化学、生物、放射性和核相关风险（CBRN）及网络滥用的防护，以及对抗性指令应对和私人信息处理能力。

三、分手厨房、魔方模型，效果和 Opus 5.5 对打

模型一经发布，一众网友纷纷上手测试，智东西收集了一些案例，看看 Muse Wonder 系列模型的能力如何。

有开发者使用 Muse Wonder 制作了 3D 可旋转魔方模型，从画面上看，光影效果、清晰度和旋转细节都相当有质感，该开发者称这完全是和 Claude Opus 5.5 一个级别的。

Meta 研究员用 Muse Wonder 打造了一个 Muse 版的分手厨房，画面清晰、交互流畅，Alexandr Wang 转发评论称自己玩了一个多小时。

还有网友用 Muse Wonder 设计前端页面，并评价他虽然不会说效果比 Opus 5.5 更好，但绝对超出了预期。

此外，还有开发者用 Muse Wonder 进行代码审查，发现了之前用 GPT-6.1 Sol 工作时遗留的大量问题。

不过，也有开发者觉得 Muse Wonder 的效果并不尽如人意，比如在 3D 游戏开发上，效果与 Opus 5.5 相差甚远。

对于 3D 游戏的开发，Alexandr Wang 特意发帖解释，团队在训练 Muse Wonder 的过程中，并未专门针对 3D 效果进行 RL，原因是他们的目标是构建一个对现实世界的真实任务有用的模型，模型训练是基于产品的实际使用需求展开的。

结语：模型、产品协同提升，Meta 能否后来者居上？

头部大模型的竞争格局已经相对稳定，后来者想要靠一次跑分反超，难度越来越大。Meta 这次押注的，是模型与产品的协同突破。

从 Muse Spark 到 Muse Wonder，Meta 在短短几个月里持续提升模型能力；另一边，Muse 已经凭借个人智能体的产品形态打开市场。

前者补齐底层能力，后者积累用户入口与使用场景。如果 Muse Wonder 能将主动记忆、持续执行和专业任务处理能力真正转化为产品体验，Meta 就有机会绕开单纯比拼模型排名的竞争，把模型优势延伸到个人智能体的使用频率与用户黏性上。

但这条路并不轻松。模型跑分领先几项测试，不等于真实任务中足够可靠；Muse 的热度，也不意味着用户会长期依赖它处理工作与生活事务。个人智能体越深入用户的日程、消息和私人数据，对安全、准确性和执行稳定性的要求就越高。

对 Meta 而言，真正的考验是能否把模型能力、产品入口和用户信任串成一条完整链路。如果这套组合跑通，Meta 争夺的就不只是模型竞争中的一席之地，还有个人 AI 时代的用户入口。