来源：硅基见闻
美西时间10月12日，Meta 超级智能实验室发布新一代大模型 Muse Wonder。这是 Meta 第一次正面宣称自己的模型挤进了“前沿”梯队，也就是和 OpenAI、Anthropic、Google 最强模型坐同一张桌子。
但看完 Meta 自己公布的成绩单会发现，它不是要在“综合智力”上赢下所有人，而是押注了另一条路：让 AI 记得住你、替你把事办完。
01 十四个月，从推倒重来到上桌
这次一共发了两个模型：Muse Wonder 和更强的 Muse Wonder Full，内部代号“西瓜”（Watermelon）。据 CNBC 报道，Meta 首席 AI 官汪滔（Alexandr Wang）在接受采访时说，做这个模型是为了提升“个人和职业智能体”的能力，让它们在订餐厅、查空位这类任务上不再掉链子。汪滔还对外表示，这是真正的前沿模型，怀疑的人可以自己去试。
时间线要从去年8月算起。TechCrunch 指出，这是 Scale AI 创始人汪滔去年8月重组 Meta AI 业务之后，Meta 发布的第一个前沿模型；在此之前，Meta 只推出了轻量级的 Muse Spark 和 Muse 智能体，一直没有发布 OpenAI、Anthropic 那种顶级模型。
Meta 官方博客称，14个月前公司开始从零重建 AI 业务，从按第一性原理重搭技术栈，到如今推向前沿；Muse Wonder 和 Muse Wonder Full 在 Meta 吉瓦级的 Prometheus 数据中心训练，这座数据中心位于俄亥俄州中部，今年早些时候投入使用。
02 谁能用，花多少钱
开发者今天就能用。官方博客写明，Muse Wonder 即日起通过 Meta Model API 和 AI 编程工具 Muse Code 开放，Muse Wonder Full 即日起开放给 Muse Code 订阅用户。
API 价格官方博客没写，但媒体已经拿到了数字。据 TechCrunch 报道，通过 Meta Model API 调用 Muse Wonder，每百万输入 Token 收4美元、每百万输出 Token 收20美元，价位大致和 GPT-6 Sol、Claude Opus 5.5 相当；Muse Wonder Full 只给 Muse Code 订阅用户用，不走 API。
这里有个值得玩味的地方。汪滔对 CNBC 说，因为这是一个更大的前沿级模型，价格会比标准订阅高，但仍会“明显低于”OpenAI 和 Anthropic 的头部模型。而 TechCrunch 的判断是它和 Opus 5.5 差不多贵。到底便宜多少，得看开发者实际算账。
订阅这块，Muse Wonder Full 只开放给 Muse Code 的订阅用户，月费分50美元和200美元两档。
普通用户呢？官方博客说 Muse Wonder“很快”接入个人 AI 助手 Muse，先给订阅用户；未来还会用 Muse Wonder 开发专门的模型，带给所有 Muse 用户。据 CNBC 报道，Muse 用户要用上 Muse Wonder，需要开通每月20美元或100美元的订阅。汪滔在播客 Cheeky Pint 上的说法是，Muse 免费版继续用 Spark 模型，Wonder 因为推理成本更高，初期只给付费用户。免费用户什么时候能用上同等水平的能力，Meta 没给时间表。
模型卡上的基础规格：输入支持文字、图片、视频和音频，输出只有文字，推理时上下文长度100万 Token。100万 Token 是什么概念？大约够一次塞进一个中大型代码仓库。
03 成绩单：长跑型选手，短跑不占优
以下成绩都来自 Meta 自己公布的对比表，对手是 Claude Opus 5.5、Claude Fable 5.1 和 GPT-6 Astra，全部按最高推理强度测。先说一句免责声明，这也是 Meta 自己写在模型卡里的：Meta 内部跑的对手成绩属于“尽力而为”，提示词、工具和运行环境未必为对手的闭源模型调到最优。另外，个人超级智能指数、MemoryBench、FocusBench 都是 Meta 自建的测试。
Muse Wonder Full 领先的主要是三类任务。
第一类是替人办事。Meta 自建的个人超级智能指数，Muse Wonder Full 拿到59.1分，Claude Opus 5.5 是55.2，GPT-6 Astra 是54.5。跑完整业务流程的 AutomationBench，45.4分，对手最高41.6。
第二类是长时间写代码。DeepSWE 79.0，对手最高74.2；做大型软件项目的 SWE-Marathon 57.5，对手最高46.3。不过 SWE-Marathon 这项要打个问号：模型卡承认，这个榜单上 GPT-6 Astra 和 Claude Fable 5.1 的成绩分别是用 Codex 和 Claude Code 跑的，所以这一行并不是同一套测试框架下的对照比较。
第三类是法律。法律 AI 公司 Harvey 的智能体测试，Muse Wonder Full 13.1，对手最高8.6。分数看着低，是因为这个测试极其严格：只有交付物满足每一项标准、并通过幻觉检查，才算通过。
输掉的项目也不少，大多输给了 Claude Opus 5.5：终端编程 Terminal-Bench 57.1对59.6，从零重写一个完整程序的 ProgramBench 59.0对70.5，操作电脑的 OSWorld 78.4对81.8，健康问答62.3对65.6。处理专业 PDF 文档的 GDP.pdf 则输给了 GPT-6 Astra，33.2对34.2。
再看第三方。Meta 博客里引用了 Artificial Analysis 的综合智能指数：Claude Opus 5.5 以58分排第一，Muse Wonder Full 56分排第二。而开发者现在能通过 API 调用的 Muse Wonder 只有52分，低于 Claude Fable 5.1、GPT-6 Astra 和 Google 的 Gemini 4 Argon（都是53分）。
打个比方：Muse Wonder 更像一个马拉松选手，越是需要长时间盯着、反复试错的活，它越占优；但比百米冲刺式的综合能力，它还排在 Claude Opus 5.5 后面。
04 两个卖点：记得住，盯得紧
这次发布 Meta 起了两个新名词。
一个叫 Active Memory（主动记忆）。按官方博客的解释，就是跨对话记住和你有关的重要上下文，并在做新任务时主动调出相关细节。Meta 研究科学家 Kavya Kopparapu 在发布视频里说，团队花了大量精力，让模型能在几天、几周、几个月甚至更久的时间里记住对你重要的事。
衡量它的是 Meta 自建的 MemoryBench。测试方法是在6.4万到10万 Token 的长对话里塞进干扰对话，再插入和前文冲突或后来更新的信息，看模型最后能不能把关键细节记对。成绩是 Muse Wonder 85.6，Muse Wonder Full 85.5，Claude Opus 5.5 81.5。
这就像一个合格的私人助理：你上个月说过不吃辣，这个月改口说最近能吃点了，他得记住的是新版本，而不是旧版本。
另一个叫 Active Focus（主动专注）。官方的描述是，盯着一个难目标持续干下去，换路子、绕过卡点、根据新情况调整，需要时向用户提问，做重要操作前先确认。汪滔对此的解释很直白：真实世界的任务总会遇到路障和意外，他们专门训练模型去尝试其他办法，而不是卡住不动。
测这项能力的 FocusBench 覆盖租房、旅行、IT、理财等领域，考的是智能体能否在多轮交互里持续处理现实障碍、适应不断变化的环境。Meta 的演示里，Muse Wonder 直接在浏览器和多个 App 之间操作，根据用户的个人偏好和情况排出一份跑步计划。
05 模型卡里藏着的细节
安全方面，Meta 称 Muse Wonder 对化学、生物、放射性、核武器和网络攻击滥用的防护是迄今最强的，同时保留了用于防御的前沿网络能力；完整的安全评估报告“很快”发布。
但模型卡写得更坦白。Meta 承认，在不加防护措施的情况下，不能排除模型在化学和生物领域达到“高风险”门槛，因此加上了安全后训练和系统级分类器；加上防护后，所有领域都降到“中等或更低”，Meta 据此决定发布。
还有一个有意思的细节。在网络攻防测试 ExploitGym 里，Muse Wonder Full 拿下了92个 flag，但复核发现只有21个是按题目预设的漏洞打下来的，另外71个走的是出题方没想到的漏洞。换句话说，它不只是会做题，还会找到出题人自己都没发现的漏洞。
开源方面，Meta 一个字没提会不会开放权重，模型卡只说在开发和部署期间按公司的权重安全计划保护模型权重。对比过去开放权重的 Llama 系列，这个沉默本身就是态度。另外，模型卡明确写着，该模型不面向18岁以下用户。
结语：Meta 要的不是榜首，是钱包
把这些信息拼起来，Meta 的打法很清楚：综合智力上，它还没追平 Anthropic；但在“记住你、替你干活”这个赛道上，它想先占住位置。而这个赛道，天然连着订阅收入。
CNBC 的判断是，这次发布凸显了 Meta 在广告主业之外开辟 AI 收入来源的努力。扎克伯格和汪滔在播客里提到的变现路径包括三条：Wonder 订阅费、从帮用户省下或赚到的钱里抽成，以及一个向企业销售 Wonder 等模型的新平台。
这笔账算不算得过来，下一个检验点是月底的三季度财报。从 Muse Spark 到 Muse Wonder，Meta 证明了自己能做出前沿模型；接下来要证明的，是用户愿不愿意为它掏钱。
