MetaMuseWonder发布，主动记忆与专注能力成新焦点，综合跑分跻身第一梯队

2026年10月12日，Meta正式推出新一代大语言模型Muse Wonder系列，包括Muse Wonder与Muse Wonder Full两款模型。这是继Muse Spark之后，Meta在AI大模型赛道上的又一次关键升级，也是其过去14个月重建AI技术栈的阶段性成果。Meta明确将该系列定位为“目前公司能力最强的模型”，目标直指个人与专业级AI Agent场景。

与此前强调逻辑推理的路线不同，Muse Wonder的核心突破在于将两项能力——主动记忆（Active Memory）与主动专注（Active Focus）——直接嵌入基础模型架构。前者要求模型跨多轮对话持续识别、存储并调用用户的关键偏好与历史信息；后者则赋予Agent在复杂任务中自主调整策略、绕过障碍、请求澄清及确认关键动作的能力。这两项能力共同指向一个更现实的AI落地方向：能长期陪伴用户、持续完成目标的“个人超级智能”。

为验证上述能力，Meta自研了MemoryBench与FocusBench两套内部评估体系。其中，MemoryBench模拟长达6.4万至10万Token的多轮对话，测试模型在干扰信息与信息更新冲突下的记忆准确性。结果显示，Muse Wonder（max）得分为85.6%，Muse Wonder Full（max）为85.5%，显著高于GPT-6 Astra（81.4%）、Claude Opus 5.5（81.5%）与Claude Fable 5.1（79.0%）。

在长程执行能力方面，Muse Wonder Full在DeepSWE 1.1软件工程测试中取得79.0分，超过Claude Opus 5.5（74.2分）与GPT-6 Astra（74.1分）。该测试涵盖91个代码仓库、5种编程语言的113项真实任务，对模型的持续规划与纠错能力提出极高要求。

第三方评测机构Artificial Analysis同步发布的Intelligence Index v4.3显示，Muse Wonder Full综合得分为56分，标准版为52分，相比六周前Muse Spark 1.3的48分实现明显跃升。作为参照，Claude Opus 5.5为58分，Claude Sonnet 5.5为56分，GPT-6 Astra与Claude Fable 5.1均为53分。这意味着Meta在综合能力上已实质性重返前沿第一梯队。

值得注意的是，Muse Wonder系列在推理阶段支持最高100万Token上下文，输入模态覆盖文本、图像、视频与音频，输出当前仍以文本为主。其训练依托千兆瓦级Prometheus数据中心完成，内部代号为“Watermelon”（西瓜），采用独立的大规模预训练流程，并结合强化学习进一步优化目标导向行为。

产品落地层面，Muse Wonder已通过Meta Model API与Muse Code平台开放调用。标准版定价为每百万输入Token 4美元、缓存输入0.2美元、输出20美元；Wonder Full暂不提供独立API接口，仅包含在Muse Code的Power Usage（50美元/月）与Maximum Usage（200美元/月）订阅方案中。未来，该模型将逐步集成至Muse产品线，优先向订阅用户开放Artifact生成与高复杂度任务处理能力。

从开发节奏看，Muse项目由Alexandr Wang领衔，团队规模不足200人，原型开发仅耗时1–2周，从原型到正式发布历时7个月。为确保产品成熟度，团队制定了一张超100项能力的发布清单，设定逐项门槛，直至出现首个“全部变绿”的Checkpoint才推向市场。Wang在播客中表示，个人Agent可能是“终极消费产品”，而Meta的最大优势在于每日触达约35亿用户，并拥有Instagram、WhatsApp与Facebook积累的强关系链与高频消费场景。

然而，挑战依然存在。首先，模型成本显著上升：第三方测算显示，标准版Muse Wonder单任务平均成本达4.52美元，较上代1.60美元上涨183%，高于GPT-6 Astra约39%。其次，部分开发者实测指出，其在3D程序生成等特定场景表现不及Claude Opus 5.5，Meta首席AI官亦承认未针对该类任务专项训练，暴露泛化能力局限。此外，两款模型均未公开权重，标志着Meta彻底告别Llama系列的开源路线，转向封闭式商业部署。

商业化路径尚待验证。尽管Muse用户增长迅速，被称作“ChatGPT以来增长最快的AI产品”，但留存率与付费转化仍面临压力。近期Amazon已封禁Muse相关访问，外部生态整合受阻。扎克伯格曾透露，Meta为AI基础设施投入高达1300亿至1450亿美元资本开支，单座1GW算力集群建设成本500–600亿美元，年度运营支出约150亿美元——如此重注能否换来可持续回报，仍需时间检验。

总体而言，Muse Wonder的发布确证Meta在技术能力上已重回第一梯队，尤其在记忆建模与长程任务执行等Agent关键维度形成差异化优势。但其封闭策略、高成本结构与生态适配难题，也意味着真正的竞争胜负尚未落定。接下来的关键节点，将是Muse产品能否在真实用户场景中展现出不可替代的价值闭环。