Meta发布Muse Wonder模型：跑分对标顶尖竞品，但口碑与成本引发争议
2026/10/13 16:25阅读量 4
Meta正式发布代号“西瓜”的Muse Wonder系列模型（含Muse Wonder和Muse Wonder Full），旨在提升AI智能体在跨对话记忆、长程任务执行及编程方面的能力。第三方评测显示其部分基准测试成绩跻身前三，甚至略胜Opus 5.5，但早期用户反馈指出其在3D生成等直观任务上表现粗糙，且API调用成本较高导致订阅额度消耗过快。
事件概述
Meta正式发布了此前代号为“Watermelon”（西瓜）的两款新模型：Muse Wonder 和 Muse Wonder Full。这是Meta在经历2025年Llama 4失利及团队重组后，投入大量算力与人才后的最新成果。该系列模型主攻个人与专业智能体（Agent）任务，核心升级在于强化长期记忆与复杂任务的持续执行力。
核心技术与性能表现
- 技术架构升级：模型基于吉瓦级Prometheus数据中心训练，重点引入两大机制：
- Active Memory（主动记忆）：支持跨对话保留用户偏好、限制条件及个人背景信息，减少重复交代背景的麻烦。
- Active Focus（主动聚焦）：针对任务执行中断问题，模型能根据页面变化或信息缺失自动调整计划并尝试其他路径，仅在关键操作前征求用户确认。
- 基准测试成绩：
- 据Artificial Analysis测试，Wonder系列在多项智能体和专业工作评测中进入前三甲。
- 在最高推理强度下，Muse Code搭配Wonder Full的编程能力与Claude Code搭配Sonnet 5.5持平，并略优于Opus 5.5。
- Meta内部数据显示，Wonder Full在陌生任务（生题）上的迁移学习能力超出预期，归因于更强基础模型的底座优势。
市场反响与争议
尽管榜单数据亮眼，但实际用户体验呈现两极分化：
- 生成质量争议：部分用户对比测试显示，在3D游戏场景生成（如“割草机模拟器”、“火箭场景”）中，Muse Wonder的画面细节、光影效果不及Opus 5.5或Kimi K3，被评价为“粗枝大叶”。Meta AI负责人Alexandr Wang承认编程能力仍有Bug需排查，并解释演示场景并非主要训练方向。
- 成本与效率质疑：
- API定价方面，Muse Wonder输入token价格为4美元/百万，输出为20美元/百万。
- Artificial Analysis测算，Wonder在最高推理强度下的单次任务成本约为4.52美元，高于GPT-6.1 Sol（0.72美元）和Gemini 4 Argon（1.99美元）。
- 有用户反馈，运行单一复杂任务即耗尽50美元套餐额度，迫使升级至200美元档位，引发对“性价比”的不满。
商业化与安全策略
- 付费模式：Muse Wonder通过Model API开放；Muse Wonder Full仅向Muse Code订阅用户（月费50美元或200美元）提供。普通个人助理应用后续接入，主打“开箱即用”，不设模型选择器。
- 开源立场：Meta重申支持开源，已开放Muse Glimmer权重，但Wonder系列更倾向于通过订阅和API直接面向企业与客户市场变现。
- 隐私与安全：针对用户投诉的“未经授权访问消息”问题，Meta辩称部分源于旧授权遗忘，并表示正在优化授权透明度。未来将推出Muse Confidential VM方案，确保用户数据对Meta自身也加密不可见。