Muse Wonder 跻身前列，任务成本上涨

Meta 的两款新模型 Muse Wonder 和 Muse Wonder Full，缩小了与领先 frontier model 的差距。

提升最明显的是 Agent 编程和自主解决问题的能力。

两个版本每次 API 调用的成本，都接近前代 Muse Spark 1.3 的三倍。

Meta 发布了 frontier model Muse Wonder 的两个版本，两者都跻身当前最优秀的 AI 模型之列。

Muse Wonder Full 在 Artificial Analysis Intelligence Index v4.3 上拿到 56 分，Muse Wonder 则拿到 52 分。前代 Muse Spark 1.3 的得分为 48 分，这意味着它们相较于此前处于中游水平的模型，实现了显著跃升。

提升最明显的是 Agent 能力评测，这类测试衡量的是 AI 模型独立处理复杂任务的能力。在 Terminal-Bench 4.0 上，成绩从 33% 提升到了 57%。在总共十项 benchmark 中，Muse Wonder Full 有六项进入前三。这对 Meta 来说是一个亮眼的成绩：在开放的 Llama 模型经历了一段表现疲弱的时期后，Meta 似乎已经恢复了竞争力。

Muse Wonder Full 在 Artificial Analysis Intelligence Index 上拿到 56 分，跻身顶尖 frontier model 之列。| 图片：Artificial Analysis

Meta 重点介绍了两项新功能。“Active Memory”让模型能够记住跨对话的关键信息，并在需要时调用。“Active Focus”则指模型能够坚持处理困难任务、尝试其他方法，并在情况不明确时追问。这两项能力都是 Meta 所描绘的个人 AI Agent 的核心：这个 Agent 可以访问日历、消息和文档。

两款模型都支持一百万 token 的 context window，并接受文本、图像、视频和音频输入。Muse Wonder 可通过 Meta 的 API 和 Muse Code 使用，而 Muse Wonder Full 目前仅面向 Muse Code 用户开放。Muse Wonder 也将很快接入 Muse app，首先向付费订阅用户提供。此后，Meta 计划以它为基础构建面向所有用户的专用模型。

编程能力大幅提升，事实知识仍然落后

两款模型的编程能力都有显著提升。Muse Wonder Full 在 Coding Agents Index 上拿到 68 分，与使用 Sonnet 5.5 的 Claude Code 持平。Muse Wonder 得分为 63 分，高于前代的 54 分。

事实知识仍然是短板。在 AA-Omniscience 知识测试中，Muse Wonder Full 仅拿到 30 分，Muse Wonder 为 25 分。这远低于 Claude Opus 5.5 的 46 分、GPT-6 Astra 的 43 分，以及 Gemini 4 Argon 的 42 分，表明 Wonder 系列的基础模型规模可能小于竞争对手。较低的 hallucination rate 在一定程度上弥补了这一差距。与前代相比，Muse Wonder Full 将 hallucination rate 从 33% 降到了 23%；在所有指数得分至少达到 45 分的模型中，这一数值是第二低的。只有 Gemini 4 Argon 的 hallucination rate 更低，为 15%。

Meta 在博客文章中回应了一种常见批评：Muse 模型针对 benchmark 做了调优，但在实际使用中表现不足。公司表示，对于未被纳入训练优化范围的陌生任务，Muse Wonder Full 的表现优于预期，并将其归功于更强的基础模型。

Meta 官方公布的 benchmark 结果显示，这家在线广告公司已经追上了领先的 frontier model。| 图片：Meta

据 Vals AI 称，Muse Wonder Full (Max) 首次进入 Vals AI Index 就排在第五位，超过了所有 OpenAI 模型。只有当前的 Anthropic 模型得分更高。Muse Wonder 则排在第十位。

最大的进步来自编程和数学。在用于数学证明的私有 benchmark ProofBench 上，Muse Wonder Full 解出了 100 道题中的 94 道，前代则为 58 道。这使它距离顶尖模型的成绩（99 至 100 分）仅差五到六分。在 Terminal-Bench 4 上，Muse Wonder Full 的得分翻了一倍，同时输出 token 用量减少了 30%。金融和法律任务的表现则基本停留在前代水平，最多下降了两分。

更好的性能伴随着高昂的成本

根据 Artificial Analysis 的数据，Muse Wonder 在 Intelligence Index 上每项任务的成本为 4.52 美元，接近 Muse Spark 1.3 的三倍，后者为 1.60 美元。token 定价也有所上涨：每百万输入 token 为 4 美元，每百万输出 token 为 20 美元，而前代分别为 1.25 美元和 4.25 美元。Muse Wonder 每项任务使用的输入 token 也增加了 28%，输入 token 占总成本的 76%。

这使 Muse Wonder 的成本低于 Claude Fable 5.1 的 7.63 美元和 Claude Opus 5.5 的 5.98 美元，但高于 GPT-6 Astra 的 3.26 美元、Gemini 4 Argon 的 1.99 美元，以及 GPT-6.1 Sol 的 0.72 美元。Muse Wonder Full 的 token 定价尚未公布。两款模型的输出 token 用量都比前代少了约 10%。

Meta 表示，这些模型是在自建的 Prometheus 数据中心训练的，该中心的规模达到吉瓦级。更多细节见 model card。

由人工精选、不炒作的 AI 新闻

订阅 THE DECODER，即可享受无广告阅读、每周 AI newsletter、每年六期的独家“AI Radar”前沿报告、完整的历史内容访问权限，以及评论区访问权限。