Meta 新前沿模型 Muse Wonder Full 进入 AI 第一梯队

Meta 发布了其前沿模型 Muse Wonder 的两个版本，两者均跻身当前最佳 AI 模型之列。

Muse Wonder Full 在 Artificial Analysis Intelligence Index v4.3 中得分 56，而 Muse Wonder 得分 52。其前身 Muse Spark 1.3 为 48 分，这意味着相比此前的中端模型有了显著跃升。

最大的提升体现在智能体评估中，即衡量 AI 模型独立处理复杂任务能力的测试。在 Terminal-Bench 4.0 上，性能从 33% 跃升至 57%。Muse Wonder Full 在十项基准测试中的六项位列前三，对 Meta 而言是个强劲成绩——在开源 Llama 模型经历一段疲软期后，该公司似乎已恢复状态。

Meta 重点介绍了两项新功能。"Active Memory" 让模型能够在对话之间记住关键信息，并在需要时调用。"Active Focus" 是模型坚持处理困难任务、尝试替代方法以及在情况不明确时提出后续问题的能力。这两项都是 Meta 打造个人 AI 智能体（可访问日历、消息和文档）的 宣传核心。

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。Muse Wonder 很快也将驱动 Muse 应用，首先面向付费订阅用户。Meta 计划逐步基于它为所有用户打造专用模型。

编程能力大幅跃升，但事实知识落后

两款模型在编程方面均有大幅提升。Muse Wonder Full 在 Coding Agents Index 上得分 68，与 Claude Code 搭配 Sonnet 5.5 持平。Muse Wonder 得分 63，高于其前身的 54 分。

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。这远落后于 Claude Opus 5.5（46）、GPT-6 Astra（43）和 Gemini 4 Argon（42），暗示 Wonder 系列的基础模型规模小于竞争对手。较低的幻觉率有助于弥补这一差距。与前身相比，Muse Wonder Full 将幻觉率从 33% 降至 23%，在所有得分至少 45 指数分的模型中第二低。只有 Gemini 4 Argon（15%） 的幻觉频率更低。

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 在未纳入训练优化的陌生任务上表现超出预期，并将其归功于更强大的基础模型。

据 Vals AI 称，在 Vals AI Index 上，Muse Wonder Full（Max）首次亮相即排名第五，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。

最大的改进来自编程和数学。在 ProofBench（一个私有的数学证明基准测试）上，Muse Wonder Full 解决了 100 道题中的 94 道，而其前代模型为 58 道。这使其仅落后顶级模型（99 到 100）五到六个百分点。在 Terminal-Bench 4 上，Muse Wonder Full 的得分提高了一倍，同时使用的输出 token 减少了 30%。在金融和法律任务上的性能保持在前代水平，最多下降两个百分点。

性能提升的代价十分高昂

根据 Artificial Analysis 的数据，Muse Wonder 在 Intelligence Index 上的每项任务成本为 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，而前代模型分别为 1.25 美元和 4.25 美元。Muse Wonder 每项任务使用的输入 token 也增加了 28%，而这部分占总成本的 76%。

这使得 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。不过，这两款模型使用的输出 token 都比前代模型少约 10%。

Meta 表示，这些模型是在其内部的 Prometheus 数据中心以吉瓦级规模训练的。更多细节请参阅模型卡。

没有炒作的 AI 新闻 – 由人工精选

订阅 THE DECODER，享受无广告阅读、每周 AI 时事通讯、我们每年六期的独家 "AI Radar" 前沿报告、完整档案访问权限以及评论区的访问权限。