Llama 4 崩盘十四个月后，Meta 重新坐回了前沿模型的牌桌。
10 月 12 日，Meta 一口气发布 Muse Wonder 和 Muse Wonder Full 两款前沿模型，扎克伯格亲自发帖站台。官方页面的说法很直白，迄今最强模型，为个人和专业智能体任务带来业界顶尖的表现。
第三方机构 Artificial Analysis 当晚给出分数。标准版 Muse Wonder 52 分，Full 版 56 分。上一代 Muse Spark 1.3 只有 48 分，两次发布只隔了六周。
图1、AA 官网智能指数榜单截图，Wonder 家族三款进入前八
发布不到一天，玩家的反馈就涌了进来。有人用它纯代码生成《龙珠》动画，有人拿它和 Claude Opus 5.5 同题对决 3A 割草机模拟器，还有人烧掉十四美元后吐槽事倍功半。
这 4 美元的模型，到底处在什么位置？
十四个月，Meta 把地基重新砌了一遍图2、Meta 官方研究博客的重建与训练段落
Meta 在官方研究博客里写明了来路。十四个月前，公司对人工智能业务进行从零开始的彻底重建，从重建技术体系一路走到推动前沿。两款新模型在吉瓦级的 Prometheus 数据中心完成训练，覆盖预训练与强化学习。
这个时间线值得停下来看一眼。2025 年 Llama 4 表现不及预期，Meta 随后以约 143 亿美元入股 Scale AI，把联合创始人 Alexandr Wang 请来当首席 AI 官，组建超级智能实验室。今年 4 月，他们只交出了轻量模型 Muse Spark。
9 月初 Muse 智能体上线，十天冲上美国 App Store 免费榜榜首，超过了 ChatGPT。再到今天，前沿模型终于落地。
Alexandr Wang 把这件事称为困难模式的创业。通常创业者可以先用少量投入验证想法，做前沿模型却相反，得在看到结果之前，先决定投多少算力，招多强的团队。他给过一笔粗略的账，一个吉瓦级算力集群，前期建设约 500 到 600 亿美元，运营一年约 150 亿美元。
两张王牌，一个记住你，一个接着干图3、Meta 官方新闻页要点与可用性说明
官方把这次的能力升级压在两件事上。Active Memory，跨对话记住对用户重要的信息，任务需要时主动调出相关细节。Active Focus，任务变难时换一条路走，从错误里恢复，重要动作之前先找用户确认。
听起来不刺激，可这恰恰是智能体干活的两大堵点。记不住，就每天从头自我介绍。做不完，一遇障碍就停下来问人。
扎克伯格在 Cheeky Pint 访谈里讲了个细节。他三岁的女儿喜欢烘焙，一周里他用尚未全面开放的 Muse 语音模式讨论食谱，周六再由 Muse 通过 Instacart 备食材。有一次订单金额没达到配送要求，Muse 知道代号西瓜的新模型即将发布，主动提议往订单里加一个西瓜，还问他要不要。他在发布直播里吃的，就是这个西瓜。
另一个用法更硬核。扎克伯格在健身房装了摄像头，让模型看综合格斗训练画面，回合间歇给反馈。间歇只有一分钟，有一次 Muse 的反馈占了约 30 秒，他嫌太慢，要求再快一些。为了分析训练视频，智能体会自己在后台写视频处理程序，他不用看代码。
榜单战报，56 分坐进第二梯队图4、AA 官方账号发布的智能指数图表
Artificial Analysis 的智能指数榜单一共十项评测。Muse Wonder Full 拿到 56 分，与 Claude Sonnet 5.5 同档，仅次于 58 分的 Claude Opus 5.5。标准版 52 分，排在 53 分那一档的 Claude Fable 5.1 和 GPT-6 Astra 后面，与 Gemini 4 以及 GPT-6.1 Sol 同档。
图5、扎克伯格帖中附带的官方基准对比表
Meta 自己公布的对比表更激进。14 个基准里，Full 版有 8 项超过 Claude Opus 5.5。
长周期编程 SWE-Marathon，Full 拿 57.5 分，Opus 5.5 只有 46.3 分，GPT-6 Astra 42.5 分。DeepSWE 1.1，Full 79.0 分，Opus 5.5 74.2 分。
记忆测试 MemoryBench，两款 Wonder 分别拿到 85.5 和 85.6 分，高于 Opus 5.5 的 81.5 分。
图6、Meta 官方研究博客公布的完整评测表
官方研究博客放出了完整版。同一套评测把两款 Wonder 和 Claude Fable 5.1，GPT-6 Astra，Claude Opus 5.5 放进一张表，一共 14 行，从个人与知识工作铺到编程和通用能力。
多出来的几行里，有赢也有输。GDP.pdf 上 Full 33.2 分，高过 Opus 5.5 的 30.6 分。OSWorld 电脑操作上，Full 78.4 分，输给 Opus 5.5 的 81.8 分。
图7、官方博客列出的五张亮点基准图
官方还把这五张图单独拎出来。个人超级智能指数，Full 59.1 分，高过 Opus 5.5 的 55.2 分。端到端业务流程 AutomationBench-AA，Full 45.4 分，Opus 5.5 是 41.2 分。
图8、官方博客的法律与金融基准图
专业领域另有两组。Harvey 法律智能体基准要求模型阅读源文件，按细致指令产出法律文书，Full 拿到 13.1 分，Opus 5.5 只有 4.2 分。Vals 金融智能体基准上，Full 59.1 分排第一，Opus 5.5 是 58.6 分。
需要说明的是，这些基准里有两行是 Meta 的内部测试，包括个人超级智能指数。真正独立的第三方成绩，目前只有 Artificial Analysis 一家。
在 Artificial Analysis 的编程智能体榜上，Muse Code 搭配 Wonder Full 拿到 68 分，与 Claude Code 搭配 Sonnet 5.5 并列第一，超过了 Claude Code 搭配 Opus 5.5 的组合。注意这里测的是模型加编程工具的配合，不是模型单打独斗。
标准版今天起通过 Meta Model API 和 Muse Code 提供给开发者。它的上下文窗口是 1,048,576 个 token，输出速度 85.4 token 每秒。每百万 token 输入 4 美元，输出 20 美元，缓存输入 0.20 美元，不额外收长上下文费用。
但是，先别急着换模型这是全文最需要冷静的一节。四个问题，一个一个说。
第一个问题，56 分的 Full 版，为什么普通开发者摸不到？它只面向 Muse Code 订阅用户开放，不进 API。你能调到的标准版只有 52 分。想要 Full，每月 50 或 200 美元两档订阅起步，最高档的用量是基础档的 80 倍。
第二个问题，便宜是假象。标准版每百万 token 输入 4 美元，输出 20 美元，确实和 Claude Opus 5.5 同价。但 Artificial Analysis 按指数任务算的加权成本是每任务 4.52 美元，比 GPT-6 Astra 的 3.26 美元贵，远高于 Gemini 4 Argon 的 1.99 美元。原因是它更话痨，每任务平均输出约 5.4 万个 token，虽然比上一代少了约一成，输入消耗把总账推高了。
第三个问题，发布当天就出了岔子。Muse Code 的用量额度计算出错，Alexandr Wang 在 X 上承认有一堆 bug 要修，团队随后修复并重置了额度。有 Hacker News 用户发现，Muse Code 登录页会显示他人的个人资料。对一款主打记忆和信任的个人智能体来说，这个开局不太好看。
第四个问题，官方表格里也有输掉的行。终端任务 Terminal-Bench 4.0，Opus 5.5 拿 59.6 分，Full 只有 57.1 分。ProgramBench 差距更大，70.5 对 59.0。
健康问答 HealthBench Pro，Opus 5.5 65.6 分对 Full 62.3 分。
Meta 的模型卡还写明，不加缓解措施的话，不能排除 Wonder Full 触及化学和生物滥用的高风险阈值，网络滥用与失控风险评为中等或更低，完整安全评估报告稍后发布。
图9、官方博客的安全评测组图
官方博客还放了一组安全评测。未授权代码执行的攻击成功率，Full 是 10.5%，GPT-6 Astra 是 19.7%。私人信息处理违规率，Full 2.2%，几个模型里最低。生物滥用拒答率上，Full 与 Claude Fable 5.1 并列 99.7%。
第一波上手，有人惊艳，有人翻车图10、Max Blade 发布的同题对比视频
最有传播力的实测来自 Max Blade。他给 Muse Wonder Full 和 Claude Opus 5.5 出了同一道题，做一个 3A 级别，能一边喝啤酒一边抽雪茄的割草机模拟器。对比视频里，Opus 版的草地与树木纤毫毕现，Muse 版更接近低多边形原型，有网友调侃，一个是 3A，一个是 Roblox。
他标注的 API 等效成本是 Muse 4.11 美元，Opus 99.43 美元。但他同时吐槽，Muse 胃口太大，跑完任务吃光了自己 50 美元套餐的额度，被迫升级到 200 美元档。
也不是没有亮点。用户 Chetaslua 展示了一段《龙珠》角色动画，画面完全由代码生成，他对响应速度点了赞，配音来自 ElevenLabs，音乐来自 Suno。开发者 bubbleboi 用 Wonder 生成 RISC-V 处理器核设计，正用 OpenROAD 处理，还计划流片。提前获得测试机会的 Citrini 在 X 上说，Wonder 在能力与执行效率之间取得了不错的平衡，金融任务的表现令人意外。
Hacker News 上的评价更挑剔。一位叫 jjcm 的测试者做了图片转 HTML 的测试，结论是同题远逊 Opus 5.5，他怀疑其视觉模型还没成熟，这一版被重度优化在文本上。开发者 Claire Vo 的体验是分裂的，智能体任务突出，编程有竞争力，写邮件不错，前端设计，写作和创意任务不够理想，她还抱怨了 Muse Code 的使用体验。
大佬们的表态倒是整齐。据 TechCrunch 报道，Shopify CEO Tobi Lütke 在 X 上评价这款模型非常强，并直言 Meta 回来了。开发者 Theo 的判断更狠，Meta 现在是前沿实验室了，OpenAI 掉到了第三，谷歌有点危险。这条推文拿到 3192 个赞。
十四个月前，Meta 还在重建地基。六周前，它的模型只有 48 分。今天，56 分的 Full 版已经能和 Claude Sonnet 5.5 并排，只是这一版，摸不到 API。
行业里已经有人把话挑明。Andrew Curran 在 X 上写道，踩刹车没戏了，只要有一家美国实验室不配合，其余就只能加速或者被甩开。这条推文拿到 3289 个赞。扎克伯格在接受 FT 采访时同样拒绝了给 AI 踩刹车的主张，并透露下一阶段的模型已在研发，之后的进展会更快。
牌桌上的规矩正在变。从前是谁有前沿模型，现在是谁能把前沿能力递到开发者手里。同一个发布日，Full 版锁进订阅，标准版放进 API，两种分发逻辑，摆明了是两门生意。
西瓜熟了，Meta 回了牌桌。只是下一茬西瓜熟的时候，你的下一行代码，会跑在谁的身上？