Meta 发布 Muse Wonder：扎克伯格宣称重返前沿
2026 年 10 月 12 日，Meta 正式发布 Muse Wonder 与 Muse Wonder Full 两款前沿 AI 模型。这是 Meta 组建超级智能实验室（Superintelligence Lab）、全面重建 AI 体系以来，首次拿出对标行业顶级水平的大模型。Meta 首席执行官扎克伯格在社交平台发帖称，新模型的发布意味着 Meta 已经”到达最前线”。
为智能体而生：两大核心能力
与主打问答的通用大模型不同，Muse Wonder 系列从设计之初就围绕”智能体”（agent）场景打造——也就是那些需要规划、调用工具、从错误中恢复、并在数天甚至数周里保持上下文的长周期、多步骤任务。Meta 在发布公告中列举的典型场景包括：协助处理保险理赔、解读租赁合同、梳理个人财务，以及法律、金融、健康等专业领域的工作，外加前沿级别的代码能力。
为此，Meta 给新模型配备了两项核心机制：
- 主动记忆（Active Memory）：能够跨对话保留与用户相关的重要上下文，并在当前任务需要时调取出关键细节，避免用户在长期任务中反复重复信息。
- 主动专注（Active Focus）：在困难任务中坚持既定目标，被卡住时尝试替代方案、从错误中恢复，必要时向用户请求澄清，并在执行重要操作前先行确认。
Meta 认为，这两项能力正好击中了当前智能体最常见的失败模式：长会话中的上下文丢失，以及在任务中途偏离原始目标。在代码方面，Meta 宣称新模型具备”前沿代码能力”，能够处理跨多文件修改、反复测试与修订的长期软件工程任务，并为此设计了名为 SWE-Marathon 的内部长周期编程基准。
怎么用、多少钱
可用性上，两款模型做了区分：标准版 Muse Wonder 即日起通过 Meta Model API 面向开发者开放，同时登陆 Meta 的代码工具 Muse Code；更强的 Muse Wonder Full 则只提供给 Muse Code 的订阅用户（月费 50 美元与 200 美元两档），不走公开 API。Meta 还表示，Muse Wonder 很快将驱动其个人助手产品 Muse，订阅用户先行体验，并支持需要更高智能的产物生成等场景。
定价方面，Muse Wonder 为每百万 tokens 输入 4 美元、输出 20 美元，与 Anthropic 的 Claude Opus 5.5 处于同一水平，明显低于 OpenRouter 上 GPT-6 Astra 10 美元输入、50 美元输出的标价。据 Vercel AI Gateway 的列表信息，Muse Wonder 的上下文窗口约为 100 万 tokens。两款模型均在 Meta 位于俄亥俄州的吉瓦级 Prometheus 数据中心完成训练。
背景：Meta 的 AI 重建之路
这次发布是 Meta AI 战略转折的一个标志性节点。大约 14 个月前，Meta 开始对其 AI 体系进行彻底重组，组建超级智能实验室，把研发重心从追赶转向”冲击前沿”。今年 4 月，Meta 先推出了轻量、低延迟的 Muse Spark，定位为通往”个人超级智能”路线图的第一步；而 Muse Wonder 则是这条路线上第一个真正的前沿级成果。
值得注意的是，与早年的 Llama 系列不同，Muse Wonder 采用闭源策略：不提供公开可下载的权重，只能通过 Meta 的 API、Muse Code 和自家应用使用，Meta 也未说明未来是否会开放权重。
在安全与对齐方面，Meta 称 Muse Wonder 是其”迄今对齐最好的模型”，训练中加入了隐私信息保护和抵御恶意指令的能力——这对一个可能接触用户消息、日历和私人文档的个人智能体而言至关重要。不过，详细的安全评估报告尚未公布。就在几天前，《纽约时报》还曾报道扎克伯格在内部安全风险争议下拍板上线 Muse 助手（本站 10 月 10 日已有报道），安全问题仍是外界审视 Meta AI 的焦点。
影响与展望：第一梯队，但不是断层领先
新模型到底有多强？目前的答案取决于看谁的测试。Meta 公布的自家测试图表显示，Wonder Full 在多项智能体与代码基准上超过了 Anthropic 的 Opus 5.5 和 OpenAI 的 GPT-6 Astra，但其中两项基准是 Meta 自己设计的。第三方评测机构 Artificial Analysis 的独立指数则给出了更冷静的结论：Opus 5.5 以 58 分居首，Wonder Full 56 分紧随其后，标准版 Muse Wonder 52 分，GPT-6 Astra 53 分。
换句话说，Muse Wonder 是名副其实的第一梯队成员，距离领先者只有一步之遥，但并未形成断层优势。对市场而言，最直接的变化是：顶级大模型的可选名单从三家扩到了四家，而 Meta 给出的定价与最贵的 Opus 5.5 持平、远低于 GPT-6 Astra，价格竞争的压力给到了对手一边。
对开发者和企业用户来说，务实的建议是先小规模实测：拿自己 30 到 50 个真实任务，让 Muse Wonder 与现有模型并排跑一遍，比较任务成功率、单任务成本和响应速度，同时留意 Meta 的数据使用条款，并等待第三方评估和完整安全报告出炉后再做大规模切换的决定。随着各家前沿模型在智能体能力上持续加码，2026 年下半年的大模型竞争，显然已经从”谁更会聊天”转向了”谁更会干活”。