2026 年 10 月 12 日，Meta 发布 Muse Wonder 系列，包含 Muse Wonder 与 Muse Wonder Full 两个型号，官方称这是 Meta 的第一个前沿模型（frontier model），在个人与专业智能体任务上达到当前最优水平。两个模型已在 Meta Model API 与 Muse Code 上线，Muse Wonder 的 API 价格为每百万输入 token 4 美元、每百万输出 token 20 美元，推理上下文长度 100 万 token；Muse Wonder Full 只面向 Muse Code 订阅用户开放。
从 Muse Spark 到 Wonder：Meta 的扩展阶梯
Meta 在博客中回顾，14 个月前公司开始对 AI 体系做「从第一性原理重建」的全面改造，而今天的发布是此前 Muse Spark 所确立的「可预测、严格的扩展方法」在预训练与强化学习上的延续。两个模型在 Meta 自有的吉瓦级 Prometheus 数据中心训练，该数据中心位于俄亥俄州中部，于今年初上线。
与主打轻量、低延迟的 Muse Spark 不同，Wonder 系列模型更大、更强。Meta 表示，Muse Wonder 将陆续为 Muse 应用（Muse app）提供能力，先向订阅用户开放，并用于生成长文档产物（artifact）以及「需要更多智能」的流程；未来还会基于 Muse Wonder 训练面向大众的专用模型。代号方面，据 CNBC 报道，该模型内部代号为 Watermelon。
基准：智能体与编码领先，个别项目仍落后
Meta 给出的评测统一使用最高推理档（max reasoning），对比对象为 Claude Fable 5.1、GPT-6 Astra 与 Claude Opus 5.5。核心结果如下（均为 max 推理档）：
| 基准 | Muse Wonder Full | Muse Wonder | Fable 5.1 | GPT-6 Astra | Opus 5.5 |
|---|---|---|---|---|---|
| Personal Superintelligence Index | 59.1 | 54.3 | 49.9 | 54.5 | 55.2 |
| Harvey LAB-AA（法律） | 13.1 | 10.0 | 6.4 | 8.6 | 4.2 |
| Vals Finance Agent V2（金融） | 59.1 | 56.6 | 58.9 | 53.5 | 58.6 |
| HealthBench Pro（健康） | 62.3 | 60.5 | 62.1 | 65.3 | 65.6 |
| AutomationBench-AA（业务流程） | 45.4 | 39.1 | 32.1 | 41.6 | 41.2 |
| MemoryBench（记忆） | 85.5 | 85.6 | 79.0 | 81.4 | 81.5 |
| Terminal-Bench 4.0-AA | 57.1 | 52.0 | 52.0 | 59.1 | 59.6 |
| DeepSWE 1.1 | 79.0 | 78.8 | 67.4 | 74.1 | 74.2 |
| SWE-Marathon | 57.5 | 53.1 | 45.6 | 42.5 | 46.3 |
| ProgramBench | 59.0 | 50.0 | 55.5 | 52.5 | 70.5 |
| AA Intelligence Index v4.3 | 56 | 52 | 53 | 53 | 58 |
几个值得注意的点：Personal Superintelligence Index（PSI）上 Muse Wonder Full 以 59.1 领先所有对比模型；法律（Harvey LAB-AA 13.1）、金融（Vals Finance Agent V2 59.1）与端到端业务流程（AutomationBench-AA 45.4）同样领先。但在健康问答（HealthBench Pro）、终端编码（Terminal-Bench 4.0-AA）、从零编程（ProgramBench）与 Artificial Analysis 综合指数上，Opus 5.5 或 GPT-6 Astra 仍排在前面——其中 ProgramBench 上 Opus 5.5 高出 11.5 分。模型卡还注明，SWE-Marathon 一行里 GPT-6 Astra 与 Fable 5.1 分别使用 Codex 与 Claude Code 的排行榜结果，并非同一 harness 下的受控对比。
Active Memory 与 Active Focus：两个核心卖点
Meta 把这次发布的重点放在两个自定义概念上。Active Memory 指模型跨对话携带关于用户的重要上下文，并在需要时主动检索相关细节；官方内部评测 MemoryBench 在 6.4 万到 10 万 token 的长多轮对话中考察细节召回，Muse Wonder 与 Full 分别拿到 85.6% 与 85.5%，高于 Opus 5.5（81.5%）、GPT-6 Astra（81.4%）与 Fable 5.1（79.0%）。
Active Focus 描述模型面对困难目标时的持续投入：尝试替代方案、绕过阻碍、适应新信息，必要时向用户澄清并在执行重要操作前确认。Meta 用 FocusBench（个人智能体任务，考察跨多轮交互处理现实阻碍的能力）和 SWE-Marathon（超长周期软件工程项目）来衡量它，Muse Wonder Full 分别为 54.2% 与 57.5%，均为对比模型中最高。Meta 研究科学家 Kavya Kopparapu 在发布视频中说：「我们在确保模型能记住对你重要的事情上投入了巨大努力，可能是几天、几周、几个月甚至更久。」（引自 TechCrunch）
Alexandr Wang 在接受 CNBC 采访时解释了训练方向：「做真实世界任务时总会遇到路障和各种挫折。我们特意训练模型去尝试其他方法，而不是卡住，同时随时回头与用户确认。」
泛化能力：更大的基座让后训练收益更可迁移
针对「刷榜（benchmaxxing）」与「大模型气质（big model smell）」这对矛盾说法，Meta 做了一次量化分析：横轴是后训练重点优化任务（in-distribution）的综合得分，纵轴是后训练未针对优化的任务（out-of-distribution）的平均得分，每个点对应不同的推理预算。结果显示，两条曲线都随测试时计算扩展而上升，但 Muse Wonder Full 相对于其分布内得分，在分布外任务上的表现高出 Muse Spark 1.3 趋势线的预测。Meta 的解释是：更大更强的基座模型让后训练收益更容易迁移到没见过的任务——这对需要处理各种目标、工具与约束组合的个人智能体尤其重要。
演示环节覆盖了法律租约与财务、健康信息解读、基于个人偏好生成跑步计划、按 Instagram 真实照片定制周边、处理复杂匹配规则的婚礼座位表，以及从可编辑图片生成可玩的 3D 厨房游戏等场景。
安全：未缓解状态下的化生风险不排除触达高风险阈值
Meta 表示，个人智能体会代表用户行动，可能接触消息、日历与私人文档，因此模型必须在隐私信息处理与抗滥用两个维度上都做到位。按《Meta 超级智能扩展框架》（Meta Superintelligence Scaling Framework）的评估，在不加缓解措施的情况下，Meta 不排除模型在化学与生物（CBRN）领域触达高风险阈值，因此部署时加入了安全后训练与系统级分类器；网络（Cybersecurity）与失控（Loss of Control）两个领域在未缓解状态下即为「中等或更低」，加上缓解措施后所有领域均为「中等或更低」，这支撑了部署决策。
模型卡给出的部分数字：CyberGym 88.4%、ExploitBench 58.9%；对抗越狱的攻击成功率在 CyberBench 单轮/多轮均为 0.8%；BioTIER 英文与多语言拒绝覆盖率 98.7%、对抗改写 98.2%；MASK（受压时保持诚实）87.3%，Agentic Misalignment 为 0%。Meta 称 Muse Wonder 是其迄今对齐程度最高、针对 CBRN 与网络滥用护栏最强的模型，同时按框架保留防御用途的网络能力，完整安全评估报告「很快」发布。模型卡也列出已知限制：视觉与空间推理（尤其是 3D 任务）仍是短板，不供 18 岁以下用户使用。
可用性与定价
- Meta Model API：Muse Wonder 已开放，4 美元/百万输入、20 美元/百万输出，TechCrunch 称价格大致相当于 GPT-6 Sol 或 Opus 5.5 的水平
- Muse Code：两个模型均已启用，Muse Wonder Full 仅对订阅用户开放；据 CNBC，订阅档位为每月 50 美元或 200 美元
- Muse 应用：将由 Muse Wonder 驱动并先向订阅用户推出，应用订阅为每月 20 美元或 100 美元
- 据 Yahoo Finance 报道，Muse Wonder 也已上线 OpenRouter，上下文窗口 100 万 token，支持多模态输入、工具调用与浏览器/桌面操作
这也是 Alexandr Wang 主导 Meta AI 重组之后的第一个前沿模型发布：此前 Meta 只推出轻量的 Muse Spark 系列与 Muse agent，前沿档位一直空缺。
核心总结
- 定位：Muse Wonder 与 Muse Wonder Full 是 Meta 首个前沿模型，在 Prometheus 吉瓦级数据中心训练，推理上下文 100 万 token，输入支持文本、图像、视频与音频
- 成绩：PSI 59.1、Harvey LAB-AA 13.1、DeepSWE 1.1 79.0、SWE-Marathon 57.5 多项领先；Terminal-Bench 4.0、ProgramBench、AA 综合指数仍落后 Opus 5.5 或 GPT-6 Astra
- 卖点：Active Memory（MemoryBench 85.6%）与 Active Focus（FocusBench 54.2%）针对长程个人与专业智能体，更强基座带来更好的分布外泛化
- 安全：化生领域未缓解状态不排除高风险，靠安全后训练与系统级分类器降至中等或更低；完整安全报告待发布
- 获取方式：API 每百万输入 4 美元、输出 20 美元；Muse Wonder Full 仅限 Muse Code 订阅；Muse 应用随后跟进
原文：Muse Wonder: A Frontier Model For Personal & Professional AI Agents（Meta AI Research，2026-10-12）
