Meta首席执行官马克·扎克伯格。图片经由AI生成
文丨苏扬
编辑丨徐青阳
Meta正在重新进入前沿大模型竞争的核心战场。
北京时间10月13日凌晨，Meta旗下超级智能实验室正式发布Muse Wonder和Muse Wonder Full两款新模型。
这是自去年Meta以143亿美元收购Scale AI、并任命其创始人汪滔（Alexandr Wang）掌舵AI研发工作以来，推出的首款前沿旗舰级（Frontier Model）模型。
在模型发布后播出的一段深度视频访谈中，Meta首席执行官马克·扎克伯格（Mark Zuckerberg）与汪滔透露，这两款内部代号为“西瓜”（Watermelon）的模型由位于俄亥俄州、规模超1吉瓦的“普罗米修斯”（Prometheus）超级集群训练而成，凝聚了团队长达一年多的高强度研发。
距离上一代Muse Spark 1.3发布仅约六周，新模型便在综合智能评测中取得明显进步。
Artificial Analysis提供的跑分数据
第三方评测机构Artificial Analysis的数据显示，在最高推理强度下，Muse Wonder和Muse Wonder Full的综合智能指数（Intelligence Index v4.3）分别达到52分和56分，较Muse Spark 1.3的48分分别提高4分和8分。
其中，Muse Wonder Full追平Anthropic的Claude Sonnet 5.5，超过OpenAI的GPT-6 Astra和谷歌的Gemini 4 Argon（两者均为53分），仅次于Anthropic旗舰模型Claude Opus 5.5（58分）。
在性能进步之外，Meta此次发布还释放出另一个重要信号：这家曾凭借开源Llama系列推动大模型普及的科技巨头，正在为其顶级前沿模型引入闭源托管机制。
两款Muse Wonder均未开放可供用户下载的模型权重，其中性能更强的Muse Wonder Full暂时只向Muse Code编程助手的付费订阅用户开放，不提供公开API调用。
01
综合智能提升，瞄准长周期智能体
过去一段时间，Meta的Muse Spark系列主要强调成本与实用性，而新发布的Muse Wonder系列则将竞争重点推向更复杂的长周期智能体执行能力。
Artificial Analysis的评测显示，Muse Wonder Full在综合智能指数的十项评估中有六项进入前三名。在长周期编程测试SWE-Marathon中，Muse Wonder Full取得57.5分，高于Claude Opus 5.5的46.3分和GPT-6 Astra的42.5分，展现出在长周期软件项目中持续推进开发与自我纠错的能力。
在终端自动化测试Terminal-Bench 4.0中，Muse Wonder Full的得分从Muse Spark 1.3的33%提升至57%，标准版Muse Wonder也提升至52%，表明两款新模型在调用工具、执行命令等智能体任务上均取得明显进步。此外，Muse Wonder Full在Harvey法律智能体测试中拿下13.1分，高于GPT-6 Astra的8.6分和Claude Opus 5.5的4.2分，并在CritPt科学推理测试中以33%的成绩位居榜首。
Muse Wonder系列在个人超级智能、长周期编程（SWE-Marathon）及智能体记忆（MemoryBench）等多项关键指标上的对比表现
为了支撑长周期复杂任务，Meta重点引入了主动记忆（Active Memory）与主动专注（Active Focus）两项核心机制。
汪滔在专访中强调，主动记忆让模型能够跨会话保留用户的个人及专业背景，并在新任务中主动检索和利用历史细节，显著改善传统智能体“记性差”的老毛病。
Muse Wonder 系列与主流旗舰模型在个人/专业智能体、编程及综合评测各项细分指标的全面对比数据
不过新模型并未全面领先。
在综合智能指数中，Muse Wonder Full仍落后于Claude Opus 5.5的58分。在HealthBench Pro医疗测试中，其62.3分的成绩也低于Opus 5.5和GPT-6 Astra。更客观的判断是，Muse Wonder Full已成功挤进前沿梯队，但在各类能力上尚未形成绝对统治力。
02
推理效率改善，单任务成本仍较高
除智能提升外，Artificial Analysis的数据还显示，Muse Wonder系列在完成评测任务时的输出Token消耗有所下降。
在综合智能指数任务中，Muse Wonder和Muse Wonder Full在最高推理强度下平均每项任务消耗约5.4万个输出Token，较Muse Spark 1.3的约6万个减少约10%。
这一消耗低于Gemini 4 Argon的6.2万个和Claude Fable 5.1的7.8万个，但高于GPT-6.1 Sol的3.8万个和GPT-6 Astra的2.7万个。
在输入Token方面，Muse Wonder Full平均每项任务消耗约644万个输入Token，比标准版Muse Wonder的约769万个减少约16%，意味着旗舰版在提升智能的同时具备更高的Token使用效率。
然而在商业定价上，Meta为标准版Muse Wonder设定的API价格为每百万输入Token 4美元、每百万输出Token 20美元，缓存输入为0.20美元，直接追平了Claude Opus 5.5的标准API定价。
Artificial Analysis 单任务成本对比图显示，Muse Wonder (max) 平均每项任务成本为 $4.52，远高于前代 Spark 1.3 ($1.60) 及 GPT-6 Astra ($3.26)，但低于 Claude 系列旗舰模型
Artificial Analysis估算，Muse Wonder完成一项综合智能指数评测任务的成本约为4.52美元。这一单任务成本虽然低于Claude Opus 5.5的5.98美元和Claude 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美元以及Muse Spark 1.3的1.60美元。
03
旗舰模型走向闭源，收紧部署权限
与技术表现相比，Meta此次在模型开放方式和商业化部署上的转向更引发行业关注。
标准版Muse Wonder通过Meta Model API及Muse Code开放，而旗舰版Muse Wonder Full暂时只向Muse Code用户提供，不支持公开API调用。
目前Muse Code为Muse Wonder Full提供两档订阅，分别为每月50美元的Power档与每月200美元的Maximum档，两档均设有使用限额，并非无限制的开发者API访问权。这意味着企业可以在Meta的编程助手中测试旗舰模型，却无法将其直接部署到自有的生产系统或客户侧应用中。
Muse Code 月度套餐公示表，旗舰版 Muse Wonder Full 被严格限定在每月 $50（Power）与 $200（Maximum）的高阶订阅层级中
数据治理与隐私政策同样值得企业买家关注。
一方面，按量付费的Muse Wonder API仅在Standard mode（提交内容不用于模型训练）下提供，而Muse Code订阅默认启用Contributor mode（允许Meta利用提交的提示词、代码和文件改进模型）。
另一方面，企业客户虽然可以申请零数据保留（ZDR）保障，但启用后，服务器端会话状态、后台请求、文件上传及内置网页搜索等功能将无法使用。
对于依赖上下文和长周期执行的智能体而言，隐私保护机制与功能可用性之间的矛盾，需要企业在采购时做出谨慎权衡。
04
转向智能体落地，商业化考验刚开始
扎克伯格与汪滔接受专访
Muse Wonder的发布，意味着Meta正从此前强调轻量化和性价比的模型路线，全面杀入前沿智能与专业智能体市场。
正如扎克伯格在访谈中所言，Meta不满足于做一个单纯的应用公司，而是通过深度掌控底层的吉瓦级数据中心、自研芯片及前沿模型架构，打造能够真正改变人类工作与生活的个人超级智能。
硅谷巨头之间的竞争，已从单纯比较综合评测分数，延伸到编程能力、专业任务完成度、工具调用效率和长周期执行表现。自去年引入汪滔领导AI团队并打造普罗米修斯数据中心以来，Meta的巨额投入正在转化为实打实的模型竞争力。
但商业化落地的考验才刚刚开始。标准版Muse Wonder的单任务成本并未取得绝对优势，而最强的Muse Wonder Full仍处于闭源和限制API调用的状态。
接下来，Meta不仅需要证明其模型能在真实企业环境中带来稳定的自动化价值，还需要在开源生态与闭源商业化之间找到长期的平衡点。
推荐阅读
| 一键关注,明天见 | 看完点个爱心点个赞 |