2026 年 10 月 12 日，Meta 正式推出 Muse Wonder 與 Muse Wonder Full，宣告這家社群巨頭首次進入前緣模型競賽。此發布距離 Meta 於 2025 年 8 月重組 AI 團隊、聘請 Alexandr Wang 領導超級智能實驗室約 14 個月，是在其輕量模型 Muse Spark 基礎上的重大升級。
模型定位：從輕量代理到前緣能力
Muse Spark 系列專注於低延遲的輕量代理任務，而 Muse Wonder 則瞄準更複雜的應用場景——從法律文件分析、財務規劃到完整的軟體開發項目。Meta 將這一系列描述為「個人超級智能的重要一步」，並強調兩個關鍵創新：
- Active Memory（主動記憶）：模型能夠跨對話保持用戶重要上下文，並在任務需要時主動召回相關細節。Meta 在自行開發的 MemoryBench 基準上報告，Muse Wonder 的得分高於 Claude Opus 5.5、GPT-6 Astra 及 Fable 5.1
- Active Focus（主動專注）：當任務遇到阻礙時，模型能嘗試替代方法、從錯誤中恢復，並持續推進目標。過程中會適時請求澄清，並在執行重要步驟前徵得用戶確認
訓練基礎設施：Prometheus 資料中心
Muse Wonder 系列在 Meta 位於俄亥俄州的 Prometheus 資料中心 完成訓練，該設施號稱全球最高容量的 AI 資料中心之一。Meta 表示，模型在預訓練與強化學習兩個階段都進行了可預測的規模化擴展，以實現「從基礎到前沿的系統性進步」。
API 定價與存取策略
Muse Wonder 與 Muse Wonder Full 採取差異化存取策略：
| 模型 | 存取途徑 | 定價 |
|---|---|---|
| Muse Wonder | Meta Model API、Muse Code | $4/百萬輸入 tokens、$20/百萬輸出 tokens |
| Muse Wonder Full | Muse Code 訂閱者專用（不經 API） | $50/月 或 $200/月 |
API 定價將 Muse Wonder 置於與 GPT-6 Sol 及 Claude Opus 5.5 相同的價格區間。Muse Wonder Full 則僅限於 Muse Code 開發者平台，不提供 API 存取——這是一項值得注意的決策，意味著最強版本僅服務於 Meta 自家開發者生態。
此外，對於一般用戶，Muse 應用程式將提供 Muse Wonder 驅動的體驗，但需付費訂閱（每月 $20 或 $100）。
表現與基準
Meta 公布的數據顯示，Muse Wonder 與 Muse Wonder Full 在以下領域達到前緣水準：
- 程式碼能力：支援從小型應用程式到複雜軟體項目的全譜系開發，在 SWE-Marathon 等長期程式碼項目基準上表現突出
- 領域專業知識：在法律、金融、健康等專業領域經受評估，包括 Harvey 的法律代理人基準（LAB）
- 通用能力：Meta 特別強調模型在「分布外任務」上的泛化表現，認為更強的基礎模型使後訓練階段的收益更有效地轉移到陌生任務上
根據 TechCrunch 報導，Muse Wonder 與 Wonder Full 在 Meta 內部測試中達到與 Fable 5.1 及 GPT-6 Astra 可比的基準得分。
安全框架
作為 Meta 首款前緣模型，Muse Wonder 配備了該公司至今最強的安全防護措施：
- CBRN 防護：針對化學、生物、輻射與核子濫用風險的強化防護
- 網路安全：保留前緣級網路防禦能力的同時，防止惡意使用
- Meta 超級智能擴展框架：模型依照該框架的標準進行訓練、評估與發布
Meta 表示，更詳細的安全評估報告將在後續發布。
產業意義
Muse Wonder 的發布標誌數個重要信號：
- Meta 正式進入前緣競賽：在 OpenAI、Anthropic、Google 之外，Meta 首次以前緣模型挑戰者身份出現，與其開源策略不同，Muse Wonder 為專有模型
- 代理記憶成為競爭焦點：Active Memory 的強調反映了業界對 AI 代理長期記憶能力的高度重視——這是實現「個人超級智能」的核心技術障礙
- 付費策略的試金石：Meta 首次將頂尖模型置於付費牆後，測試用戶為 AI 代理付費的意願，為其擺脫廣告收入的多元化策略鋪路
- 基礎設施投資的變現：Prometheus 資料中心的數十億美元投入，終於產出具市場競爭力的前緣模型
然而 Muse Wonder 目前仍僅限 API 與 Muse Code 生態存取，且權重不對外公開——這與 Meta 過去強調開源的 Llama 系列路線截然不同，也引發了對其 AI 策略轉向的討論。
本文信息來源：Meta Research Blog、Meta Newsroom、TechCrunch、CNBC、Bloomberg、New York Times。