Meta 发布前沿模型 Muse Wonder 系列，Muse Wonder Full 以 56 分跻身 AI 顶级梯队

Meta 发布其前沿模型 Muse Wonder，包含两个版本，两者均跻身当前最佳 AI 模型之列。

Muse Wonder Full 在 Artificial Analysis Intelligence Index v4.3 上得分 56 分，而 Muse Wonder 为 52 分。其前代 Muse Spark 1.3 为 48 分，这意味着它从中端模型实现了显著跃升。

最大的提升体现在智能体评估中，这类测试衡量 AI 模型独立处理复杂任务的能力。在 Terminal-Bench 4.0 上，性能从 33% 跃升至 57%。Muse Wonder Full 在十项基准测试中有六项进入前三，这对 Meta 来说是一个强劲的结果，此前其开放 Llama 模型经历了一段疲软期，如今似乎已经恢复。

Muse Wonder Full 在 Artificial Analysis Intelligence Index 上得分 56，跻身顶级前沿模型之列。| 图片：Artificial Analysis

Meta 强调了两项新功能。“Active Memory”让模型能够跨对话记住关键信息，并在需要时回忆起来。“Active Focus”是模型坚持处理困难任务、尝试替代方法，并在情况不明时提出后续问题的能力。两者都是 Meta 宣传其个人 AI 智能体的核心卖点，该智能体可以访问日历、消息和文档。

两个模型都支持一百万 token 的上下文窗口，并接受文本、图像、视频和音频作为输入。Muse Wonder 可通过 Meta 的 API 和 Muse Code 使用，而 Muse Wonder Full 目前仅限 Muse Code 用户使用。Muse Wonder 很快也将为 Muse 应用提供支持，首先面向付费订阅用户。随着时间推移，Meta 计划基于它构建面向所有用户的专用模型。

编码能力大幅跃升，但事实性知识落后

两个模型在编码方面都显示出巨大进步。Muse Wonder Full 在 Coding Agents Index 上达到 68 分，与 Claude Code 和 Sonnet 5.5 持平。Muse Wonder 得分为 63，高于前代的 54。

事实性知识仍是短板。在 AA-Omniscience 知识测试中，Muse Wonder Full 仅得 30 分，Muse Wonder 得 25 分。这远远落后于 Claude Opus 5.5（46）、GPT-6 Astra（43）和 Gemini 4 Argon（42），这表明 Wonder 系列构建在一个比竞争对手更小的基础模型之上。较低的幻觉率有助于弥补这一差距。与上一代相比，Muse Wonder Full 将幻觉率从 33% 降至 23%，在所有指数得分至少 45 分的模型中位列第二低。只有 Gemini 4 Argon（15%）的幻觉率更低。

Meta 在其博客文章中回应了一个常见批评，即 Muse 模型针对基准测试进行了调优，但在实际使用中表现不佳。该公司表示，Muse Wonder Full 在未参与训练优化的陌生任务上表现好于预期，并将此归功于更强大的基础模型。

Meta 的官方基准测试结果显示，这家在线广告公司已经赶上了领先的前沿模型。| 图片：Meta

据 Vals AI 称，在 Vals AI Index 上，Muse Wonder Full（Max）首次亮相便位列第五，并击败了所有 OpenAI 模型。只有当前的 Anthropic 模型得分更高。Muse Wonder 位列第十。

最大的提升来自编程和数学。在 ProofBench 这一用于数学证明的私有基准测试中，Muse Wonder Full 解决了 100 道题中的 94 道，而其前代仅解决了 58 道。这使其仅落后顶级模型（99 到 100）五到六分。在 Terminal-Bench 4 上，Muse Wonder Full 的得分翻倍，同时输出 token 减少了 30%。在金融和法律任务上的表现与前代持平，最多下降两分。

性能提升伴随着高昂代价

根据 Artificial Analysis 的数据，Muse Wonder 在 Intelligence Index 上每项任务花费 4.52 美元，几乎是 Muse Spark 1.3（1.60 美元）的三倍。Token 定价也有所上涨，每百万输入 token 为 4 美元，输出为 20 美元，而前代分别为 1.25 美元和 4.25 美元。Muse Wonder 每项任务还多使用 28% 的输入 token，而这些占到了总成本的 76%。

这使 Muse Wonder 的定价低于 Claude Fable 5.1（7.63 美元）和 Claude Opus 5.5（5.98 美元），但高于 GPT-6 Astra（3.26 美元）、Gemini 4 Argon（1.99 美元）和 GPT-6.1 Sol（0.72 美元）。Muse Wonder Full 的 token 定价尚未公布。这两款模型的输出 token 都比其前代少约 10%。

Meta 表示，它在自有的 Prometheus 数据中心以吉瓦级规模训练了这些模型。更多细节见模型卡。

没有炒作的 AI 新闻——由人类精选

订阅 THE DECODER，享受无广告阅读、每周 AI 新闻通讯、我们每年六次的独家“AI Radar”前沿报告、完整档案访问以及评论区访问权限。