Meta Muse Wonder仅差2分重返AI第一梯队
在经历了一段时间的技术追赶后，Meta终于推出了新一代旗舰AI模型系列，正式向行业头部玩家发起挑战。北京时间10月13日凌晨，Meta Superintelligence Labs正式发布Muse Wonder与Muse Wonder Full两款旗舰模型，目标对标GPT-6 Astra、Claude Opus 5.5等当前顶级AI产品。
根据第三方评测机构公布的测试数据，Muse Wonder Full在综合智能指数中拿下56分，距离当前58分的Claude Opus 5.5仅差2分，与Claude Sonnet 5.5处于同一分数档位。在长程编程、Agent任务等多项核心测试中，这款模型甚至超越了现有行业顶级AI产品。扎克伯格在社交平台上表示，这是Meta规模更大、能力更先进的一代模型，标志着公司重新回到AI技术前沿阵营。
在同期上线的播客访谈中，Meta高管披露了这款模型背后的研发投入细节。尽管核心研发团队仅约100人，但支撑模型训练的算力基础设施成本极高。扎克伯格透露，一座1GW算力集群的建设成本高达500亿至600亿美元，年度运营成本约150亿美元，而Meta去年底讨论的整体资本开支规模更是达到1000亿至2000亿美元量级。
据Meta首席AI官介绍，Muse Wonder的内部代号为Watermelon，与此前的Muse Spark系列采用独立的大规模预训练底座，而非在既有模型上叠加后训练。Spark系列内部代号为Avocado，1.0至1.3版本使用同一套预训练框架，后续迭代主要依靠持续强化学习，而Wonder则从2025年8月就开始规划，同步扩大预训练规模与强化学习投入。
此次Muse Wonder的技术升级主要聚焦三个核心方向。首先是更强的基础模型与任务泛化能力，预训练阶段不仅扩大了数据与计算规模，还重点覆盖了图像、视频、音频以及法律、金融、健康等专业领域的数据集。研发团队指出，要让模型在专业场景中具备足够知识，仅靠后续强化学习效果有限，相关能力需要从预训练阶段就开始积累。泛化实验数据显示，Wonder Full不仅在针对性训练的任务上实现提升，在未经过后训练覆盖的陌生任务中，也展现出更明显的能力增长，意味着更强的预训练底座让模型能力更易迁移到未知场景。
其次是Active Memory主动记忆功能，这与100万Token的上下文窗口概念不同：上下文窗口决定单次可处理的信息总量，而主动记忆则聚焦于模型在数天、数周甚至数月的交互中，能否记住用户偏好并在合适时机主动找回相关信息。研发团队表示，他们同时设计了记忆系统与模型能力，让模型不仅能使用外部记忆，还能理解记忆的使用场景、进行上下文压缩，并利用不同信息源完成后续任务。不过目前的测试仅基于64K至100K Token的复杂多轮对话，尚未完全验证长期真实使用场景下的表现。
第三是Active Focus主动聚焦能力，强调让Agent在长时间执行任务时，能够持续追踪目标、寻找替代方案并从错误中恢复。Meta采用监督微调建立模型的基础行为模式，再通过强化学习提升模型在实际场景中稳定展现这些行为的概率。研发团队特别强调，强化学习环境的质量至关重要，如果环境错误奖励不安全的捷径，模型可能学习到不符合预期的行为，因此需要精心设计训练任务、反馈机制与奖励方向。官方还专门设计了FocusBench，用于评估Agent在遇到障碍、环境变化或任务中断时的持续执行能力。
尽管综合性能表现亮眼，Muse Wonder在部分实际测试中暴露了短板。有开发者通过对比测试发现，在使用相同提示词生成可交互的3D游戏场景时，Claude Opus 5.5生成了相对完整的驾驶舱、草坪、建筑等游戏场景，而Muse Wonder Full的生成结果更接近低多边形原型，材质与视觉细节明显逊色，有网友调侃两者的差距如同AAA级游戏与Roblox风格作品的区别。
Meta官方也承认了这一局限，在模型卡中明确标注视觉与空间推理，特别是3D任务，仍是已知短板。研发团队解释称，团队并未专门针对3D演示游戏训练模型，后续会加强这部分能力的优化，并建议开发者更多通过真实编程任务来评价Wonder。事实上，Wonder Full在长程软件工程测试中的表现优于Opus，但3D生成能力的差距源于两者考察的能力维度不同：前者侧重理解和修改复杂工程代码，后者则涉及三维空间理解、场景设计与视觉审美。
不过也有提前体验过模型的开发者给出了积极评价，有测试者表示Wonder在能力与执行效率之间取得了不错的平衡，金融任务的表现也超出预期，尤其看好Meta在小企业Agent市场的机会。Shopify的CEO也在测试后表示，很难找到其他顶级模型无法完成而Wonder同样失败的任务。
如果说性能让Meta重新回到前沿模型阵营，那么推理成本则让这场竞争变得更加现实。目前两款模型均支持100万Token上下文窗口，可接收文本、图像、视频、音频输入，主要输出文本内容。标准版Wonder已经通过Meta Model API、Muse Code和OpenRouter提供服务，定价为每百万输入Token 4美元、缓存输入0.2美元、输出20美元，这一价格与Claude Opus 5.5持平，是GPT-6.1 Sol标准输入输出价格的两倍，较GPT-6 Astra低60%。
但按Token计费的价格并不能直接反映完成任务的实际开销。第三方测算显示，Wonder在综合智能评测中，平均每项任务消耗约769万输入Token、5.4万输出Token，涉及多轮请求和工具调用，最终任务成本达到4.52美元，而上一代Muse Spark 1.3的平均任务成本仅1.60美元，涨幅达到183%，甚至比GPT-6 Astra还高出约39%。
Muse Wonder Full主要通过Muse Code付费套餐提供，开发者可选择每月50美元Power Usage或200美元Maximum Usage等套餐。有开发者在测试中估算，Wonder Full的API等价费用约4.11美元，而Claude Opus约为99.43美元，两者相差约24倍，但这一对比并不完全准确，一方面生成效果存在差异，另一方面Full版本并无公开API价格，等价费用估算与实际订阅额度消耗不能混为一谈。此外有开发者反馈Wonder Full上线初期Muse Code额度消耗过快，Meta团队随后确认这是订阅额度计算异常，已经修复问题并重置额度，早期的异常消耗不应作为模型正常使用成本的参考。
对于面向普通消费者的Muse产品，扎克伯格表示，Wonder模型规模更大，推理服务成本更高，因此现阶段优先提供给付费用户，免费服务继续主要采用Spark系列。他希望未来能够将Wonder级别的能力压缩到Spark这样的轻量形态，为数亿消费者提供服务。
总体来看，Muse Wonder系列标志着Meta重新回到AI技术的第一梯队，但这款模型的能力并非全面领先，在部分编程、推理和计算机操作任务中仍有不足。同时高昂的算力与推理成本，也为Meta后续的商业化落地带来了挑战。目前开发者的反馈仍属于初步样本，完整的真实任务可靠性、平均耗时和长期表现，还需要更多独立测试来验证。
