Meta发布旗舰模型Muse Wonder，正面抗衡OpenAI与Anthropic

时隔一年多，Meta终于拿出了能与OpenAI和Anthropic正面抗衡的大模型。

10月12日，扎克伯格宣布，Meta超级智能实验室（MSL）正式发布Muse Wonder与Muse Wonder Full。这是MSL成立一年多以来，首次推出达到行业前沿水平的旗舰级大语言模型。

此前，随着行业竞品频繁刷新榜单，Meta在Llama 4遭遇性能争议后一度缺席SOTA较量。如今，新模型的实测数据表明Meta已完成核心技术迭代。在编程、长周期AI智能体任务和记忆能力测试中，Wonder Full交出了抢眼的成绩，部分基准测试甚至超过了GPT-6 Astra与Claude Opus 5.5。

综合基准测试表现

此次发布包含Muse Wonder和性能更强的Muse Wonder Full两个版本。两款模型均支持100万Token的上下文窗口，主打代码生成、长期Agent任务及专业知识工作。

在Meta内部制定的“个人超级智能指数”（Personal Superintelligence Index）中，Wonder Full取得59.1%的成绩，高于Claude Opus 5.5（55.2%）和GPT-6 Astra（54.5%）。该指标综合考量了专业工作、自动化流程以及网页操作等多场景任务。

在业务流程自动化评估AutomationBench-AA中，Wonder Full得分45.4%，同样领先竞品。

在衡量跨长对话信息检索与抗干扰能力的MemoryBench上，标准版Wonder与Wonder Full分别跑出85.6%与85.5%的高分，优于竞品约81%的水平。

编程能力方面，Wonder Full在长周期软件工程测试DeepSWE 1.1中拿到79.0%，在多轮持续维护任务SWE-Marathon中达到57.5%的成功率，相较GPT-6 Astra的42.5%优势明显。

在第三方Artificial Analysis评估中，Wonder Full获得56分，高于GPT-6 Astra（53分），略低于Claude Opus 5.5（58分）。

商务策略上，标准版Muse Wonder的API定价为每百万Token输入4美元、输出20美元，与Claude Opus 5.5持平，且长上下文不额外加价；高配版Wonder Full目前主要向Muse Code的高阶订阅用户开放。

泛化能力与消费级Agent布局

Meta在技术报告中指出，模型开发需避免单纯迎合测试集的“刷榜式优化”，更应关注基础模型的泛化能力。

对比前代Muse Spark，Wonder Full在未专门针对性优化的陌生任务中表现更为稳健。基础底座规模的扩大，让后训练获得的优化能够更好地迁移至未知工作流。

在落地场景上，Meta赋予了Wonder“主动记忆”（Active Memory）与“主动专注”（Active Focus）特性，使其能跨对话保留上下文并在受阻时自主尝试新路径。

演示案例显示，模型不仅能联动多个应用制定跑步规划、根据复杂宾客关系排布婚礼座席，还能提取Instagram照片设计实体纪念品并下单，甚至直接通过图片生成可互动的3D厨房场景。

Meta首席AI官Alexandr Wang此前在访谈中提到，与行业普遍集中于编程Agent不同，Meta拥有日活达35亿的社交应用生态，押注消费级个人Agent具备天然场景优势。但个人Agent同样需要构建临时应用与处理复杂数据，强悍的底层代码能力依然是核心基石。