Meta发布首个前沿模型Muse Wonder

Meta 的 Superintelligence Lab 于周一发布了 Muse Wonder 和 Muse Wonder Full 两款模型，这是该公司首次尝试前沿模型。发布时间为 2026 年 10 月 12 日太平洋时间上午 10:56。

这一发布的时间点值得注意：这是自 Scale AI 创始人 Alexandr Wang 于去年 8 月重组 Meta 的 AI 工作以来，Meta 首次发布前沿模型。此后 Meta 曾推出轻量级 Muse Spark 模型和 Muse agent，但一直回避 OpenAI 和 Anthropic 那种业界领先水平的模型发布。

与定位低延迟轻量模型的 Muse Spark 不同，Wonder 系列模型更大，据称能力更强，在编码等复杂任务上基准分数更高、表现更好。Meta 在博客中称这两款模型“标志着我们扩展阶梯上的下一步，是迈向个人超级智能的重大飞跃”。

Meta 特别强调新模型保留并综合用户所给信息的能力，并将这一特性称为“主动记忆”。这与其开发能长期执行任务的个人助手的兴趣一脉相承。

研究科学家 Kavya Kopparapu 在随发布视频中表示，团队投入了大量精力确保模型能在数天、数周、数月乃至更长时间内记住对用户重要的内容。

Meta 重点提及用于考验持续学习与记忆构建框架的 MemoryBench 基准，并称按其测试 Muse Wonder 在该基准上的得分高于 Fable、Opus 或 Astra。不过，这一说法仅为 Meta 自述，报道未给出具体基准分数数值，仅作相对比较。

通过 Meta Model API 访问时，Wonder 定价为每百万输入 token 4.00 美元、每百万输出 token 20.00 美元，成本大致与 GPT-6 Sol 或 Opus 5.5 相当。

值得注意的是，Wonder Full 仅向 Muse Code 订阅用户提供，不会通过 API 对外服务。这意味着外部开发者无法通过公开 API 检验 Wonder Full 的真实能力。

两款模型都将用于驱动 Muse agent。

根据 Meta 在模型卡中公布的测试，Wonder 与 Wonder Full 的基准分数与 Fable 5.1 和 GPT-6 Astra 相当。报道中所有基准对比，包括与 Fable 5.1、GPT-6 Astra 及 MemoryBench 的比较，均出自 Meta 自身测试，未见第三方独立验证。

报道未给出具体基准分数数值，仅作相对比较。因此，模型是否真正达到“前沿”水平，目前只能转述 Meta 的定位，缺乏外部评测支撑。

同样，MemoryBench 上 Muse Wonder 领先 Fable、Opus 或 Astra 的说法也仅为 Meta 自述。“主动记忆”在数天、数周、数月尺度上的实际效果，同样缺乏外部评测。

据该博客文章，这些模型在 Meta 位于俄亥俄州中部的 Prometheus 数据中心训练，该数据中心于今年早些时候上线。

这一训练细节仅来自 Meta 博客，无独立来源佐证。

从可验证的信息看，Meta 确实发布了 Muse Wonder 和 Muse Wonder Full，定价与分发方式明确，Wonder Full 仅限订阅用户。但所有能力对标——与 Fable 5.1、GPT-6 Astra 相当，MemoryBench 上领先——都来自 Meta 自测与自述，没有第三方独立验证。

这意味着，读者可以将“Meta 发布了首款前沿模型”视为已确认事实，但将“该模型达到前沿水平”视为 Meta 的自我定位。Wonder Full 仅面向订阅用户，其真实能力无法通过公开 API 被外部检验，进一步增加了验证难度。