Muse Wonder肘击Astra，Meta杀回模型前沿

在相隔超过一年之后，Meta 终于再次推出了能与 OpenAI、Anthropic 正面抗衡的大型模型。

10 月 12 日，扎克伯格宣告，Meta 超级智能实验室（MSL）正式推出 Muse Wonder 与 Muse Wonder Full。这是 MSL 成立一年多以来，第一次发布自称达到前沿水准的旗舰模型。

此前，外界看到 OpenAI、Anthropic 接连刷新模型排行榜，但 Meta 始终未推出新一代旗舰产品。我们一度以为，扎克伯格已放弃了对 SOTA 的追求。

现在看来，Meta 是在蓄力准备一次重大突破。

在编程、长周期 Agent 任务及记忆能力等测试里，Wonder Full 展现了相当亮眼的表现，部分项目甚至超越 GPT-6 Astra 和 Claude Opus 5.5。

2025 年 4 月，Meta 寄予厚望的 Llama 4 发布，但未能延续过往势头，反而陷入性能与刷榜的争议。随后，扎克伯格亲自参与，投入巨资招募人才，重建了 AI 研发团队。

如今扎克伯格终于等到了这份成绩单。那么，Meta 的新模型究竟有多强？

Meta 终于再次拥有了顶级模型

这次 Meta 推出了两款模型：Muse Wonder 与性能更强的 Muse Wonder Full。两者均支持 100 万 Token 上下文窗口，专注于编程、长期 Agent 任务及专业知识工作。

根据 Meta 公布的官方 Benchmark，Wonder Full 在多个项目上已具备与 OpenAI、Anthropic 旗舰模型正面竞争的能力。

最值得关注的是一个名为 Personal Superintelligence Index（个人超级智能指数）的指标。

这是 Meta 内部制定的综合指标，由七项个人事务与知识工作相关测试组成，涵盖专业工作、自动化流程、网页操作等场景。

在这项测试中，Wonder Full 以 59.1% 的成绩位居第一，Claude Opus 5.5 和 GPT-6 Astra 分别为 55.2% 和 54.5%，普通版 Wonder 则取得 54.3%，也超过了 Fable 5.1。

Meta 还专门展示了模型的自动化与记忆能力。

在衡量端到端业务流程自动化能力的 AutomationBench-AA 中，Wonder Full 取得 45.4% 的成绩，高于 Astra 的 41.6% 和 Opus 5.5 的 41.2%。

而在测试长期对话记忆能力的 MemoryBench 中，普通版 Wonder 甚至以 85.6% 的成绩略微超过了 Wonder Full 的 85.5%，Opus 5.5 和 Astra 则分别为 81.5% 和 81.4%。这个测试由 Meta 内部开发，主要考察模型能否从包含大量干扰和信息更新的长对话中准确找回关键内容。

从个人与专业任务，到流程自动化，再到长对话中的信息提取，这三项测试已相当清晰地体现了 Meta 对 Agent 能力的重视。

另外，Meta 也没有因为将目光投向个人 Agent，就放弃与 OpenAI、Anthropic 争夺 Coding 能力。

在测试长期软件工程能力的 DeepSWE 1.1 中，Wonder Full 取得 79.0% 的成绩，超过 GPT-6 Astra 的 74.1% 和 Claude Opus 5.5 的 74.2%；而在任务周期更长、需要模型持续修改和维护软件项目的 SWE-Marathon 中，Wonder Full 的成功率达到 57.5%，GPT-6 Astra 为 42.5%，Claude Opus 5.5 为 46.3%。

在 Meta 重点展示的五项测试中，Wonder Full 全部领先于两家竞争对手的旗舰模型。甚至普通版 Wonder，在编程和记忆测试中也颇具竞争力。

当然，这还不能证明 Meta 已全面超越 OpenAI 和 Anthropic。上述成绩包含 Meta 内部制定的评估指标，不同测试采用的运行配置也有所差异，不能简单等同于真实使用体验。

另外，在第三方综合评估 Artificial Analysis Intelligence Index 中，Wonder Full 拿到 56 分，领先 GPT-6 Astra 的 53 分，但仍低于 Claude Opus 5.5 的 58 分。

成绩之外，定价也值得关注。

目前，普通版 Muse Wonder 已通过 Meta Model API 和 Muse Code 开放。API 输入价格为每百万 Token 4 美元，输出 20 美元，缓存输入 0.2 美元。

作为对比，Claude Opus 5.5 的标准 API 价格恰好也是 4 美元输入、20 美元输出；GPT-6 Astra 则为 10 美元输入、50 美元输出。

考虑到三者在部分测试中已非常接近，Wonder 的定价具有一定竞争力。

并且，Meta 还表示 Wonder 不会因为使用较长的上下文而额外加价。

不过这次跑分更强的 Wonder Full，暂时还不能通过 API 单独购买。

它目前仅向 Muse Code 的 Power Usage 和新推出的 Maximum Usage 订阅用户开放，前者每月 50 美元，后者每月 200 美元。新套餐的用量额度是基础 Everyday Usage 套餐的 80 倍。

至于 Muse（Meta 的个人 Agent 产品），目前还没有同步升级到 Wonder。

Meta 表示，Wonder 即将逐步接入 Muse，率先向订阅用户开放，未来还会进一步推出面向大众的专门版本。Wonder Full 则尚未公布进入 Muse 的具体安排。

因此，虽然旗舰模型已发布，但对于大多数用户来说，这次更新暂时还停留在开发者产品和即将上线的功能预告中。

瞄准消费级 Agent 市场

除了展示跑分，Meta 还在官方技术博客中花费了不少篇幅讨论模型的泛化能力。

其中专门提到了两个说法：Benchmaxxing 和 Big model smell。前者可以理解为“刷榜式优化”，指模型过度针对热门 Benchmark 进行训练；后者则是一种比较玄学的说法，直译过来就是“大模型味儿”。

Meta 认为，两款模型即使跑分相近，实际处理陌生任务的能力也可能相差很大。有些模型掌握的能力超出了热门 Benchmark 的覆盖范围，用户却能在实际使用中感受到。

为了验证这一点，Meta 专门比较了 Muse Spark 1.3 和 Wonder Full。

研究人员将两类任务放在一起：一类是后训练过程中重点优化过的任务，另一类则是没有被专门针对性优化的陌生任务，并观察不同推理强度下两款模型的表现。

结果发现，在重点优化任务取得相近成绩的情况下，Wonder Full 在陌生任务上的表现更好，超出了根据 Spark 1.3 测试趋势作出的预测。

Meta 认为，这是因为 Wonder 建立在更大、更强的基础模型之上。基础模型能力越强，后训练带来的提升，就越有可能迁移到没有专门训练过的任务中。

比起那些数字，Meta 展示的一系列官方案例，或许更能说明 Wonder 的研发方向。

例如，让 Wonder 安排一次周六跑步。

Wonder 可以根据用户的个人偏好和实际情况，在浏览器和多个应用之间操作，制定一份跑步计划。

又比如，让 Wonder 安排婚礼座位。

用户提出一系列复杂要求，包括宾客之间的关系、座位分配的限制等，Wonder 则根据这些条件生成了一份定制的婚礼座位表。

Meta 还展示了 Wonder 如何读取用户 Instagram 账号中的真实照片，设计个性化纪念品，并进一步完成订购。

当然，Wonder 也能干点更专业的事情。比如根据用户提供的图片直接生成一个可以游玩的 3D 厨房游戏；又或者处理保险理赔、理解租赁合同、分析个人财务等等。

为了做好这些任务，Meta 还特别强调了 Wonder 的两项能力：Active Memory（主动记忆）和 Active Focus（主动专注）。

前者让模型能够跨对话保留重要信息，并在需要时主动调取相关内容；后者则让模型在遇到困难时尝试其他方法、处理障碍，持续推进任务，必要时向用户询问或确认。

对于消费级个人 Agent 来说，用户可能交代的任务五花八门，涉及的工具、目标和限制条件更是千差万别。开发者不可能提前预料所有情况，更不可能为生活中的每一种任务专门训练模型。

相比在几个固定任务上拿到最高分，Meta 显然更希望 Wonder 能够处理足够广泛、甚至事先没有预料到的问题。

就在 Wonder 发布前一天，Meta 首席 AI 官 Alexandr Wang 在接受 David Senra 采访时，谈到了 Meta 为什么选择押注消费级个人 Agent。

他回忆，今年初 Claude 在编程领域遥遥领先，行业一度认为 Coding Agent 就是 AI 最重要的产品形态，几乎所有人都想冲进这个市场，与 Anthropic 竞争。

但 Meta 选择了另一条路。

Alexandr Wang 认为，Meta 的天然优势就在消费市场。它拥有 Instagram、WhatsApp 和 Facebook 等产品，旗下应用每天触达约 35 亿用户。因此，Meta 选择把消费级个人 Agent 作为重点发展方向。

不过，选择消费级 Agent，并不意味着 Meta 要放弃 Coding 能力。恰恰相反，Wonder 这次最漂亮的几项成绩，就来自编程测试。

毕竟，未来的个人 Agent 同样可能需要替用户搭建网站、编写小工具、处理数据，甚至临时制作一款应用。这些事情对模型的编程和工具使用能力，都有不低的要求。

何况 Meta 也没有理由放弃专业开发者市场，通过 Muse Code 和 Model API，Wonder 同样可以成为其他 Agent 产品的底层模型。

可以认为，Meta 在产品层面选择差异化竞争，但在底层模型上，它仍然想要尽可能全面的前沿能力。

而 Wonder，就是 Meta 为这条路线交出的最新答卷。

在 Meta 的规划中，Muse 负责把个人 Agent 送到普通用户手中，Wonder 则将为它提供更强的模型能力。

Llama4 之后

按照 Meta 自己的说法，这场 AI 业务重建历时 14 个月。

不过，要把故事讲清楚，还得先把时间再往前拨一点。

25 年 4 月，Meta 推出了 Llama 4 Scout 和 Maverick，并预告了参数规模更大的 Behemoth，希望延续 Llama 系列在开放权重模型领域的领先地位。

可惜结果并不理想。Llama 4 的实际表现没能达到外界预期，Maverick 还因为提交给 LMArena 的测试版本与公开版本不同，引发了刷榜争议。

Meta 内部同样对此感到失望。

在前一天的采访里，Alexandr Wang 回忆起 Llama 4 发布后的那段时间。他说，自己和扎克伯格早在 2021 年或 2022 年就已经认识，但此前并不经常联系。

直到 Llama 4 失利后，扎克伯格突然发来消息，问他有没有时间打个电话。

一开始，扎克伯格只是向他征求建议：Meta 的 AI 到底出了什么问题，接下来应该怎么做？

两人最初只是讨论战略，后来逐渐谈到了合作。从扎克伯格第一次联系他，到 Meta 正式宣布交易，整个过程只用了五六周。

2025 年 6 月，Meta 宣布向 Scale AI 投资 143 亿美元，取得 49% 的股权，同时将当时只有 28 岁的创始人 Alexandr Wang 招入麾下。

随后，Meta 成立超级智能实验室 MSL，由 Wang 担任首席 AI 官，前 GitHub CEO Nat Friedman 等人也加入管理团队。

紧接着，一场轰轰烈烈的挖人大战开始了。

Meta 从 OpenAI、Google DeepMind 等竞争对手那里招揽研究人才，甚至由扎克伯格亲自出面联系。据报道，部分顶尖研究员收到的薪酬报价高达数亿美元。

有了钱和人，新实验室却没有立刻运转顺利。

2025 年 8 月，据 The Information 报道，Meta 准备在半年内第四次调整 AI 组织架构，将 MSL 拆分成负责前沿模型、产品、基础设施和基础研究的不同团队。

到了 10 月，Alexandr Wang 又宣布裁减 AI 部门约 600 个岗位，新成立的前沿模型团队 TBD Lab 则没有受到影响。

他解释，缩小团队规模可以减少沟通成本，加快决策，让每个人承担更多责任。

同年 11 月，Meta 首席 AI 科学家、FAIR 创始人 Yann LeCun 也宣布从 Meta 离职，准备创办自己的 AI 公司。

在 MSL 里，Alexandr Wang 开始按照自己的想法搭建新的研发体系。

他在最新采访中说，相比过去经营 Scale AI 时事必躬亲的方式，自己在 Meta 的工作更像一名教练：找到最优秀的人才，给他们资源和自主权，让他们完成研究。

他尤其强调小团队、扁平化管理，以及尽可能减少官僚流程。

2026 年 4 月，MSL 终于交出了第一份正式成果：Muse Spark。

这款模型内部代号 Avocado（牛油果）。Meta 称，新团队此前花了大约 9 个月，重新搭建从预训练、后训练到基础设施的整套技术体系。

但 Spark 并没有直接挑战当时最强的旗舰模型，它被刻意设计得更小、更快，主要用来验证新的训练方法和 Scaling 规律，为后续更大的模型打基础。

后续登场的 Wonder，则进一步扩大了训练规模。

Wonder 系列的内部代号叫 Watermelon（西瓜）。据 Business Insider 报道，Alexandr Wang 今年 7 月曾向员工表示，Watermelon 使用的训练计算量比 Avocado 高出一个数量级，并声称新模型在部分内部测试中已经追上 GPT-5.5。

Meta 还在内部推动工程师使用自家的 Coding Agent，收集真实开发任务中的代码修改和纠错反馈，用于改进模型。

现在，Watermelon 终于以 Muse Wonder 的名字正式登场。

Meta 在技术博客中披露，Wonder 系列使用其吉瓦级 Prometheus 数据中心训练，并在预训练和强化学习两方面进行了进一步扩展。

回头来看，过去的一年多里，Meta 改变的远不止模型。

从组织架构、核心团队，到训练体系和产品方向，扎克伯格几乎把 Meta 的 AI 业务重新搭建了一遍。

模型的开放策略也发生了变化。Llama 时代，Meta 曾经依靠开放权重模型吸引全球开发者。如今，Meta 最强的旗舰模型开始优先通过自家产品、订阅与 API 提供服务。

虽然 Meta 仍在继续发布部分开放权重模型，但最强模型已经不再默认向所有人开放。

不过，模型追上来是一回事，能否凭借 Muse 和模型在消费级 Agent 市场站稳脚跟，又是另一回事。

据《华尔街日报》10 月 12 日报道，Muse 累计下载量已经接近 900 万，但增长正在放缓，用户留存也明显落后于 ChatGPT。

扎克伯格花了 14 个月，让 Meta 重新拥有了足以与 OpenAI、Anthropic 较量的模型。

接下来他还得证明，这款模型能让 Muse 重新焕发活力。

本文来自微信公众号“字母AI”，作者：袁心玥，36氪经授权发布。