Meta发布MuseWonder与WonderFull，100万Token上下文模型在多项Agent测试中领先GPT-6Astra

2026年10月12日，Meta超级智能实验室（MSL）正式推出Muse Wonder与Muse Wonder Full两款新模型，标志着其时隔一年多后再度回归大模型前沿竞争。这是MSL成立以来首次发布被官方定义为“达到前沿水平”的旗舰产品，也是Meta在Llama 4发布遇冷、团队重组后的关键答卷。

此前，自2025年4月Llama 4因性能争议未能延续预期声势后，Meta一度被外界质疑已放弃SOTA（State-of-the-Art）路线。扎克伯格随后亲自介入，投入重金重建AI研发体系，重点招募具身智能与Agent方向人才。此次Muse系列的亮相，被视为该战略调整的阶段性成果。

两款模型均支持100万Token上下文窗口，定位明确：面向个人与专业场景的“超级智能代理”（Personal Superintelligence Agent）。核心能力覆盖长周期任务执行、端到端业务流程自动化、高精度记忆检索以及复杂软件工程开发。

在Meta内部构建的综合评估体系——Personal Superintelligence Index（个人超级智能指数）中，Wonder Full以59.1%的成绩位列第一，显著高于GPT-6 Astra（54.5%）与Claude Opus 5.5（55.2%）；普通版Wonder得分为54.3%，亦超过Claude Fable 5.1（49.9%）。该指数由七项真实世界任务构成，涵盖专业文档处理、网页操作、自动化流程编排等场景，反映模型在实际知识工作中的综合能力。

在具体能力维度上，Wonder Full展现全面优势：

自动化能力：在AutomationBench-AA（端到端业务流程自动化测试）中，Wonder Full得分为45.4%，高于Astra（41.6%）与Opus 5.5（41.2%）；
长期记忆能力：在MemoryBench测试中，普通版Wonder以85.6%略超Wonder Full（85.5%），而Astra与Opus 5.5分别为81.4%与81.5%。该测试模拟含大量干扰信息与动态更新的长对话，考察模型对关键事实的精准提取能力；
编程能力：在DeepSWE 1.1（长期软件工程能力测试）中，Wonder Full达79.0%，领先Astra（74.1%）与Opus 5.5（74.2%）；在更具挑战性的SWE-Marathon（需持续修改维护项目的超长周期任务）中，Wonder Full成功率达57.5%，大幅优于Astra（42.5%）与Opus 5.5（46.3%）。

值得注意的是，普通版Wonder在部分指标上表现甚至优于Full版本，例如记忆任务与部分编码测试，表明模型架构可能存在非线性优化空间，或Full版本在特定配置下牺牲了部分轻量级推理效率以换取更高复杂任务能力。

第三方评测机构Artificial Analysis Intelligence Index给出的综合评分为：Wonder Full 56分，GPT-6 Astra 53分，Claude Opus 5.5 58分——即Wonder Full虽未全面超越Opus 5.5，但已稳居第一梯队。另一家评测机构Vals Index中，Wonder Full以64.57分位列第五，超过榜单中所有OpenAI模型。

技术实现层面，Meta强调其两大核心机制：Active Memory（主动记忆）与Active Focus（主动专注）。前者使模型能动态识别并保留用户对话中的关键信息，后者则赋予模型在执行受阻时自主调整策略、验证错误并响应新指令的能力。开发者Charlie Holtz反馈称，其将Wonder集成至代码库后，模型首次即发现一处此前被其他Agent遗漏的安全漏洞，且CLI响应速度与语音交互体验获积极评价。

商业化路径清晰：普通版Muse Wonder已开放Meta Model API与Muse Code接入，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——与Claude Opus 5.5标准价完全一致，远低于GPT-6 Astra的10/50美元结构。Meta特别说明，长上下文使用不额外加价。

而性能更强的Wonder Full目前暂未开放独立API调用，仅通过Muse Code的Power Usage层级及新推Maximum Usage订阅计划提供服务，月费分别为50美元与200美元。此举或意在控制高算力模型的部署成本与使用门槛，同时引导用户向其生态工具链迁移。

从时间线看，Muse Spark 1.3（前代主力）至Wonder系列发布仅间隔六周，Artificial Analysis数据显示其智能指数从48分跃升至56分，十项测试全部超越前代，其中六项进入前三、两项登顶。这一迭代速度远超行业平均节奏，反映出Meta在模型训练与工程化落地上的加速能力。

行业观察认为，Meta此次发力并非单纯追求参数规模或通用能力排名，而是聚焦“可行动的智能”——即模型能否真正完成跨步骤、跨会话、需持续记忆与自我修正的现实任务。这与当前主流厂商从“对话模型”向“Agent系统”演进的大趋势高度契合。

尽管测试数据亮眼，仍需理性看待：部分指标为Meta自建基准，运行配置存在差异；第三方评测中Claude Opus 5.5在综合得分上仍略占优；且真实场景下的稳定性、安全边界与多模态协同能力尚未充分披露。

但不可否认，Muse Wonder系列的发布，终结了Meta在顶级模型竞赛中的“空窗期”，使其重新站回全球大模型第一阵营。后续若能持续保持高频迭代节奏，并推动Agent能力在WhatsApp、Instagram等核心产品中的深度整合，Meta有望将技术优势转化为生态护城河。