# 小扎发布神秘「西瓜」模型，跑分媲美 Opus 5\.5，口碑却一言难尽 - 作者：莫崇宇 - 发布时间：2026-10-13 16:25 - 分类：公司 - 原文：https://www.ifanr.com/1683963 ![](https://s3.ifanr.com/wp-content/uploads/2026/10/143.jpg) 去年，扎克伯格「千金买马骨」，挥舞支票满世界招揽 AI 人才，部分薪酬方案高达上亿美元，手笔之大，堪比 NBA 球队砸顶薪抢巨星。如今，高价招揽人才、重组团队和扩建算力的投入，终于有了一份更接近预期的成绩单。 就在刚刚，Meta 发布 Muse Wonder 和 Muse Wonder Full。两款模型此前代号为 Watermelon，主攻个人与专业智能体任务，重点提升跨对话记忆、长时间执行任务和编程能力。 扎克伯格在接受采访时表示，Meta 已经抵达 AI 技术的最前沿。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1791879685277-1.jpg) 按照 Meta 公布的评测，Muse Wonder Full 新模型至少在部分基准测试上，已能与 GPT-6.1 Astra 和 Claude Fable 5.1 掰手腕。第三方机构 Artificial Analysis 的测试也显示，Wonder 系列较上一代脱胎换骨，在多项智能体和专业工作评测中跻身前三甲。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1791879687403-2.jpg) 花大价钱攒起来的队伍，让 Meta 重新有了跟领先模型叫板的底气，也让 Meta Muse 的 Personal Agent 之路能走得更顺畅些。 ### 更强的记忆和执行力，能否让 AI 善始善终 Meta 此次发布，延续了一年多来对 AI 业务的重整。 2025 年 4 月，Llama 4 马失前蹄，扎克伯格随即加大人才和算力投入，招揽 Scale AI 创始人 Alexandr Wang，重组研究团队。今年 4 月，重组后的团队推出 Muse Spark，但与竞争对手相比仍差着一口气。 按照 Meta 的说法，过去 14 个月里，团队推倒重来，从底层重建技术体系，并持续扩大预训练和强化学习的规模。此次 Wonder 系列在吉瓦级 Prometheus 数据中心完成训练，成为这轮豪赌交出的最新筹码。 扎克伯格想回答的问题也很简单：AI 已经能解奥数级的数学题，却未必接得住一通客服电话；一个理想的个人助理，得有应付柴米油盐的常识和执行力。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1791879689544-3.jpg) Muse Wonder 围绕两个方向动刀，分别是 Active Memory 和 Active Focus。 Active Memory 负责跨对话保留重要信息，并在新任务需要时主动找回相关内容。用户此前提过的偏好、限制和个人情况，可以成为后续任务的参考，减少每次对话都重新交代背景的麻烦。 Wang 向 Axios 表示，个人智能体需要让重要信息在数天、数周乃至数月的交流中延续下来。 ![](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1791879693541-4.jpg) ![](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1791879696038-5.jpg) ![](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1791879698691-6.jpg) ![](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1791879701371-7.jpg) ![](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1791879705193-8.jpg) 向左滑动查看更多内容 Active Focus 则针对任务执行到一半停下来的问题。现实中的操作会遇到页面变化、信息缺失或预订失败，模型需要尝试其他方法，根据新信息调整计划，并持续推进任务。Meta 表示，模型仍会在必要时询问用户，并在重要操作前征求确认。 扎克伯格在最新访谈中将这一思路概括为「模型就是产品」，能力和性格等产品特征都得进训练过程。Wang 补充，智能体何时主动、如何与用户交流，也属于需要专门设计的产品行为。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1791879710397-9.jpg) 图｜https://cheekypint.substack.com/p/muse-wonder-zuckerberg-and-wangs Wang 向 CNBC 举了预订餐厅的例子。智能体查询空位时可能遭遇各种障碍，训练的目标之一，就是让它尝试其他路径，减少一遇到问题便停下来向用户求助的情况。 编程是检验这些能力的试金石。 一个持续开发的软件项目，要求模型做到心中有数：记住需求、读懂已有代码、改动多个文件、反复测试修正。Meta 表示，两款模型都接受过多种长时间任务的训练，以提高持续作战的能力。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1791879713708-10.gif) 官方展示还包括「看图做菜」，根据图片生成可玩的 3D 厨房游戏，以及结合个人偏好、调动浏览器和多个应用安排跑步计划。 面向专业工作，Meta 列出了法律、金融和健康相关评测，其中 Harvey 的 Legal Agent Benchmark 要求模型依据原始材料和详细指令生成法律工作成果。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1791879724488-11.jpg) Artificial Analysis 的评测显示，Wonder 系列综合能力明显提升，Full 版十项测试有六项杀入前三。在最高推理强度下，Muse Code 搭配 Wonder Full 的编程智能体成绩与 Claude Code 搭配 Sonnet 5.5 平分秋色，还略胜搭配 Opus 5.5 一筹。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1791879726112-12.jpg) 社交平台上的早期体验，则是有人欢喜有人愁。 用户 Chetaslua 展示了一段包含《龙珠》角色的动画，称画面完全由代码生成，并对 Muse 的响应速度竖起大拇指。他同时注明，配音来自 ElevenLabs，音乐由 Suno 制作。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1791879728003-13.jpg) ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1791879729146-14.gif) 另一位用户 Max Blade 则给 Muse Wonder Full 和 Opus 5.5 出了同一道题：制作一款可以边喝啤酒、边抽雪茄的「3A 级割草机模拟器」。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1791879745631-15.gif) 从他发布的对比画面看，Opus 版本的草地、树木和光影纤毫毕现，Muse 版本的场景与人物手部则明显粗枝大叶。他认为，Muse 在此类 3D 游戏任务上仍欠火候。 用户 Bhavy 分享的火箭场景对比也有类似反馈。他表示，Muse Wonder 的效果不如 Kimi K3，自己记录的花费却达到 14.3 美元，而 Kimi 约为 6.9 美元，堪称事倍功半。从配图看，Muse 的场景更偏卡通，Kimi 版本则展示了更多火箭结构与烟雾细节。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1791879770615-16.jpg) Meta AI 负责人 Alexandr Wang 在社交平台回应用户时也承认，新模型的编程能力还不如 Opus 5.5，团队正在排查多个 bug。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1791879772487-17.jpg) 对于部分用户不满意的 3D 游戏演示效果，Wang 解释，团队没有专门针对这类演示进行训练，希望用户把模型用到真刀真枪的编程工作中。他表示，团队依据 Muse 用户的实际需求选择训练方向，同时承认可以在演示场景上多下功夫。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1791879773654-18.jpg) Meta 在官方博客中还试图回答另一个问题：模型的进步能否举一反三，迁移到训练时没有重点覆盖的任务。 团队比较了 Muse Spark 1.3 与 Muse Wonder Full 在「熟题」和「生题」上的表现。按照 Meta 的解释，随着推理计算量加码，两款模型都在进步，但 Wonder Full 在陌生任务上的表现，仍高出按 Spark 趋势推演的预期一截。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1791879774673-19.jpg) Meta 将其归因于底子厚：更大、更强的基础模型，让后训练的红利能够触类旁通。 对于需要处理不同目标、工具和限制的个人智能体，这种迁移力尤其重要。不过，这部分结论出自 Meta 的「自家答卷」，具体能覆盖哪些真实场景，还得让子弹再飞一会儿。 ### 榜单之外，Meta 还要说服用户长期掏腰包 模型能力升级的同时，Meta 也在趁热打铁推动收费。 发布时，Muse Wonder 已通过 Meta Model API 和 Muse Code 开放，能力更强的 Wonder Full 则仅向 Muse Code 订阅用户提供。根据 CNBC 报道，Muse Code 的相关订阅档位为每月 50 美元和 200 美元。 普通用户使用的 Muse 个人助理应用，将在后续接入 Wonder，并优先向订阅用户开放。 Muse 没有模型选择器，也没有推理强度选项。Wang 认为，普通用户不该为了用 AI 而啃技术说明书，付费升级后也不必手动挑模型，讲究一个开箱即用。 在 API 方面，Muse Wonder 价格为每百万输入 token 4 美元、每百万缓存输入 token 0.20 美元，以及每百万输出 token 20 美元。两款模型均支持 100 万 token 上下文，可接收文本、图像、视频和音频输入，输出形式为文本。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1791879776149-20.jpg) 而按照 Artificial Analysis 的 Intelligence Index 测试，Muse Wonder 在最高推理强度下，每项任务成本约为 4.52 美元，低于同次比较中的 Claude Fable 5.1、Opus 5.5 和 Sonnet 5.5，却高于 GPT-6 Astra 的 3.26 美元、Gemini 4 Argon 的 1.99 美元，以及 GPT-6.1 Sol 的 0.72 美元。 Artificial Analysis 指出，Wonder 虽然比上一代省输出 token，但较高的输入消耗与 API 定价仍然推高了总账。用户最终要算的，还包括完成同一项工作要烧多少 token，以及中途要返工几次。 订阅额度的消耗也引来了一些用户的不满。 在前述割草机模拟器测试中，Max Blade 为 Muse Wonder Full 和 Opus 5.5 标注的「API 等效成本」分别为 4.11 美元和 99.43 美元，但他称，Muse 胃口太大，已耗尽自己 50 美元套餐的可用额度，迫使他升级到 200 美元套餐才跑完任务。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1791879779160-21.jpg) 当然，作为开源模型的老大哥，此次发布也让 Meta 的「开源人设」再次受到审视。Wang 表述 Meta 初心不改，仍然支持开源，并提到此前已开放 Muse Glimmer 的权重，以及将 Muse 智能体部署到硬件上的相关技术。 相比此前以开放换朋友圈的路线，Wonder 让 Meta 更直接地下场，在订阅、API 和企业客户市场贴身肉搏。CNBC 指出，Meta 正尝试在核心广告业务之外，再开一条财路。 但智能体能否长成摇钱树，还取决于模型之外的变量。 最近，一些用户在社交平台投诉 Muse 未经授权访问个人消息，Meta 对此则提出异议，称部分情况可能是用户在较早的对话中授过权，转头忘了；团队正在跟踪这些问题，并帮助用户弄清授权是如何生效的。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/10/lark2pad-1791879781181-22.jpg) 双方各执一词，但 Personal Agent 的产品设计必须面对一个现实：用户可能在很久之前点过头，模型却会在后续任务中拿旧账当令箭，授权范围和有效时间因此需要一目了然。 Meta 表示，Wonder 系列加强了抵御恶意指令、处理私人信息，以及防范网络和生物领域滥用的能力，后续还将发布更完整的安全报告。 扎克伯格则提到尚未推出的 Muse Confidential VM，称该方案计划让用户数据和与智能体的对话对 Meta 自身也密不透风。 有趣的是，在接受《金融时报》采访时，扎克伯格拒绝了给 AI 发展「踩刹车」的主张，认为各家实验室应通过技术措施和负责任的开发来保障安全。他还透露，Meta 已在研发下一阶段的模型，并预计之后的进展会更快。 持续提升的模型能力，最终还是要支撑起扎克伯格设想中的 Personal Agent，让 AI 能够处理个人日常事务。用最前沿的技术订餐、安排行程、处理邮件，听起来有些大材小用，但这些任务都要面对不断变化的信息和各不相同的个人要求。 Muse Wonder 选择的方向，也让模型进步有了更具体的衡量方式。AI 的能力可以由最难的题目来检验，个人智能体的价值，则要由那些每天重复、又总得有人操心的小事来证明。