【#Meta发布MuseWonder系列新模型#】#AI三大巨头新模型对比#10月13日，就在Anthropic、OpenAI接连呼吁业界放缓前沿AI大模型开发之际，Meta宣布推出新模型，称其能力已达到业界前沿水平。

当地时间周一，Meta发布Muse Wonder以及更强的Wonder Full AI 模型。根据Meta公布的测试数据，两款模型在多项能力测试中已经达到Fable 5.1、Opus 5.5和GPT-6 Astra的相近水平，在某些智能体和知识工作的基准测试中甚至还略胜一筹。

作为背景，去年4月Llama 4大模型遭遇惨痛失利后，扎克伯格对开发团队进行大规模重组，引入当时年仅28岁的汪滔（Alexandr Wang）出任首席AI官。

直到今年4月，重组后的Meta超级智能实验室才发布首款模型Muse Spark，主打低延迟、轻量化运行。随后几个月里，Meta对Spark模型进行多次迭代，到本周Wonder模型已经进入业界前沿水平。

值得一提的是，与另外两家巨头追求的AGI（通用人工智能，即能够在大多数任务上超越人类的通用AI）不同，扎克伯格追求的是面向个人消费者的“个人超级智能”愿景。

具体来看，Meta Wonder此次重点强调的是两项能力：“主动记忆”（Active Memory）和“持续专注”（Active Focus）。前者让模型跨对话保留重要背景，并在处理新任务时主动调取相关信息；后者则强调面对复杂目标时持续推进，遇到障碍尝试其他办法，并根据新信息调整方案。

这也对应着个人AI助手的一项实际需求：用户不必每次都重新介绍自己的情况，助手也能把一项需要多轮操作的工作继续做下去。Meta展示的案例包括根据个人偏好跨应用制定跑步计划、利用个人社交媒体主页中的真实照片设计并订购定制礼品，以及按照复杂的人员匹配要求安排婚礼座次。

记忆能力的优势也体现在测试中。在Meta内部的MemoryBench评测中，Muse Wonder得分85.6，高于GPT-6 Astra的81.4和Opus 5.5的81.5。这项测试要求模型从长达6.4万至10万token的多轮对话中找回关键信息，同时应对无关内容的干扰，以及前后冲突或后来更新的信息。

编程方面，Meta强调模型能够追踪项目要求、修改代码库，并持续进行测试和修订。其公布的SWE-Marathon成绩显示，Wonder Full在这项考察超长流程软件工程任务的评测中取得57.5%的通过率，Wonder为53.1%，高于对比表中的三款竞争模型。 更强大的模型能力也对应更高的价格。

Muse Wonder通过API按用量收费，每百万token的普通输入、缓存输入和输出价格分别为4美元、0.20美元和20美元；更强的Wonder Full则通过编程工具Muse Code提供，包含在每月50美元和200美元的订阅套餐中。（财联社）