Meta 发布 Muse Wonder 系列前沿模型，Muse Wonder Full 进入第一梯队

Meta 发布了两款前沿模型 Muse Wonder，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，而 Muse Wonder 为 52。其前代 Muse Spark 1.3 为 48 分，这意味着从一款中端模型实现了显著跃升。

最大的提升体现在智能体评测中，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跻身前三，这对 Meta 来说是个强劲成绩，此前其开放的 Llama 系列经历了一段低迷期，如今似乎已经恢复。

Meta 重点介绍了两项新功能。“Active Memory”让模型能够跨对话记住关键信息，并在需要时调用。“Active Focus”指模型坚持处理困难任务、尝试替代方案、在情况不明时追问的能力。二者都是 Meta 所宣传的 个人 AI 智能体的核心，这类智能体可访问日历、消息和文档。

两款模型均支持一百万 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 计划基于它为其所有用户构建专门的模型。

编程能力大幅跃升，但事实知识仍然落后

两款模型在编程方面都显示出巨大进步。Muse Wonder Full 在 Coding Agents Index 上得分 68，与 Sonnet 5.5 的 Claude Code 并列。Muse Wonder 得分 63，高于前代的 54。

事实知识仍是弱项。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 系列所基于的基础模型比竞争对手更小。较低的幻觉率有助于弥补这一差距。与上代相比，Muse Wonder Full 将幻觉率从 33% 降至 23%，在指数得分至少 45 分的所有模型中位列第二低。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 模型是为基准测试调优的，但在实际使用中表现不佳。该公司表示，Muse Wonder Full 在未纳入训练优化的陌生任务上表现超出预期，并将此归功于更强大的基础模型。

根据 Vals AI 的说法，在 Vals AI Index 上，Muse Wonder Full（Max）首次登榜即位列第五，并击败所有 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 至 100）五到六分。在 Terminal-Bench 4 上，Muse Wonder Full 在输出 token 减少 30% 的情况下将得分翻倍。在金融和法律任务上的表现与前代持平，最多下降两分。

更强的性能伴随着高昂的价格

根据 Artificial Analysis 的数据，Muse Wonder 在 Intelligence Index 上每项任务运行成本为 4.52 美元，几乎是 Muse Spark 1.3（1.60 美元）的三倍。Token 价格也有所上涨，输入 token 为每百万 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，而这些占总支出的 76%。

这使 Muse Wonder 的价格低于 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。两款模型的输出 token 均比其前代减少约 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。

没有炒作的人工智能新闻——由人类精心策划

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