美东时间10月12日，Meta发布Muse Wonder与Muse Wonder Full两款智能体模型，内部代号正是被外界念叨了一年多的「西瓜」，这也是Meta超级智能实验室成立一年多后交出的首批前沿模型。 成绩的一端，第三方机构Artificial Analysis的测试显示Wonder Full较上一代脱胎换骨，在多项智能体和专业评测中跻身前三甲，扎克伯格随即表态Meta已经抵达AI技术的最前沿。 另一端是口碑迅速降温：开发者实测反馈分化，标准版表现偏弱，上线初期还出现额度统计故障，热榜上给这款模型的概括只有六个字——「跑分高口碑差」。 跑分高是真的，但「高」有特定口径；口碑差也是真的，差的点恰好都在分数量不到的地方。微博凤凰网科技网易科技
跑分是真的，但「第一梯队」不等于「第一」
第三方标尺下的完整位置是：Artificial Analysis给Wonder 52分、Wonder Full 56分，同一口径下Claude Opus 5.5为58分、GPT-6 Astra为53分，Wonder Full只位列第二。 真正刷出存在感的是长任务编程：SWE-Marathon上Wonder Full拿到57.5%，远超Opus的46.3%与Astra的42.5%。 而六周前，上一代模型在同一个指数上还只有48分，跳涨本身确实罕见。老虎证券新智元微博
Meta的宣传口径里还有更抓眼的一组数字：幻觉率23%，远低于对手同期的51%和59%；3D游戏开发实测3分42秒，而Opus 5.5要接近十二分钟。 首席AI官Alexandr Wang的定性是「真正的前沿模型」，编程、金融与法律任务可与ChatGPT、Claude匹敌。 把这些放在一起，准确的结论是：总分站上第一梯队但并未登顶，强项集中在官方重点挑选的编程与长任务场景。Meta自己的原话也是「至少在部分基准测试上」能掰手腕。新智元老虎证券凤凰网科技
这颗「西瓜」也确实熟了太久。7月的内部全员会议上，它就被宣称在主流基准上追平了当时的旗舰GPT-5.5。 8月曝光的内部文件，则把发布档期钉在了10月。 等待越久，用户对「憋大招」的期待就越具体，而跑分数字与这种期待之间，隔着一道没人保证兑现的缝隙。爱范儿环球市场播报
口碑崩掉的三笔账，都不在跑分里
第一笔账是体验。发布当天流传最广的一句评价来自一条短视频标题：Wonder Full跑分媲美Opus 5.5，实测口碑却一言难尽。 媒体给出的实测综述同样矛盾：多项编程评测亮眼、部分指标超越对手版本，但开发者反馈分化，普通用户最先接触到的标准版表现偏弱。 面对Meta能否重返前沿的追问，Wang的回应是希望用户亲自试用并作出判断。 这个「请自证」的姿态本身就说明，体验层还没能完全接住分数。微博网易科技渡势行
第二笔账是姿态。Wonder Full不公开权重、不开放独立API，只面向Muse Code订阅用户和付费企业，正式告别Llama的开源路线，唯一保留开放权重的是小模型Muse Glimmer。 转向其实从上一代已经开始，Meta的前沿主力早已不在Llama开源序列里。 真正扎眼的是与扎克伯格自己言行的对撞：9月的访谈里他还在讲开源才是真正的安全，承诺每周免费送给每个用户一亿token。老虎证券信号与噪声子夜梦廊
而十月落地的账单是另一回事：Wonder API每百万token输入4美元、输出20美元。 要在Muse里用上Wonder驱动的智能体，需要订阅每月20美元或100美元的付费服务，Meta保留的免费层对应的是更低的用量档。 一边是「免费帮你省钱」，一边是闭源加阶梯订阅，开发者社区读出的是熟悉的背刺味道，连免费档与付费档的边界，都要靠上线后才吵明白。新智元渡势行
第三笔账是旧债。Meta此前推出的部分模型未能获得开发者社区的广泛认可。 扎克伯格自己也承认Llama 4走了弯路、整个AI实验室推倒重组，「西瓜」正是那次表态里预告的大新闻。 信用底子薄的时候，「跑分高」三个字自然先被打了折扣。渡势行子夜梦廊
普通用户的感受更直白，评论区里也不乏这种实在话：没看懂这西瓜模型到底有啥用。 这声疑问不算冤枉：「西瓜」主打的主动记忆，靠的是跨越数周甚至数月记住用户偏好，这类价值本来就要用上一段时间才尝得出味道。 而一场对话里的体验落差，却立刻就能被打分。微博零重力瓦力
落差的根源：跑分量不出「敢不敢用」
跑分与口碑的错位并非刷榜造假，而是两者量的对象不同。「西瓜」赌的是替人办事的个人智能体，重点提升跨对话记忆、长时间执行任务和编程能力。 这类长流程任务的可靠性，恰恰是几十分钟一轮的基准测试量不全的东西。不同模型在不同任务上各有所长，基准的设计与评估方式本身就会左右结果，测试成绩未必等于真实体验。 这也是Wang给「西瓜」选的路：对手死磕编程智能体，Meta要把个人智能体真正做响——差异化是主张，不是成绩。凤凰网科技渡势行老虎证券
当AI真的开始代发邮件、代管日程，用户考量的就不再是聪明几分，而是能否在授权范围内可靠执行，Meta自己也没回避这一点，把权限、隐私、第三方平台限制一并列进了待解难题。 对Meta而言，这是广告之外第一次把AI订阅正式写进商业模型，资本市场的即时反馈不差，发布当天股价盘中一度涨4.7%。 但长期以广告为生的公司要靠「替你办事」挣订阅费，20美元乃至100美元能否换来持续付费，才是这套逻辑的唯一检验标准。 接下来值得盯的信号足够具体：独立评测和开发者采用率会不会追上官方口径，Muse Glimmer的开放权重与承诺中的专用模型能不能把门槛降下来，以及额度计费这类低级故障还会不会重演。 跑分说明Meta重新坐上了牌桌，口碑提醒所有人：从「能打」到「敢用」，中间还隔着权限、稳定性和续费率。网易科技老虎证券渡势行
