发布当晚，同一个模型挂着两种标题刷屏：一边是「Meta新模型碾压GPT-6和Opus」，一边是官方标题原样摆在那的「Meta最强模型跑分超越Opus 5.5？实测大翻车，作弊刷榜实锤了」。 北京时间10月13日凌晨，Meta超级智能实验室放出Muse Wonder和Muse WonderFull，扎克伯格说这个模型让Meta进入了“前沿”梯队，也就是和OpenAI、Anthropic、Google最强模型同一档。36氪微博
对已经在掏Claude Code或Codex月费的人来说，这堆热搜最后只剩一个问题：要不要换？先把结论放这儿——今天你能用上的，不是这场发布的主角；而主角赢的那几项，也未必是你的活儿。
一、先用上什么：今天开放的只是52分的基础版
把「谁能用、用什么」这张边界表先对清楚，不然所有对比都是空对空：
Meta Model API，今天开放：只有主打速度的基础版Muse Wonder，API每百万token的价格是：输入4美元、缓存输入0.20美元、输出20美元，上下文100万。 按第三方Artificial Analysis（下称AA）的指数，它是52分，低于Claude Fable 5.1、GPT-6 Astra和Google的Gemini 4 Argon（都是53分）。 也就是说，API用户第一批摸到的，是这场发布里唯一「没资格赢」的版本。知乎微博
拳打Opus的那个，锁在订阅里：综合56分、DeepSWE 79.0分的是Muse WonderFull。目前只开放给Meta自家编程工具Muse Code的订阅用户，不开放API。 另有报道称Muse Code为50/200美元两档订阅。36氪知乎
普通用户还要等：在个人AI智能体应用Muse中使用Muse Wonder，需要订阅每月20美元或100美元的付费服务。 官方口径是「很快」接入、先给订阅用户，免费层何时到位没给时间表——扎克伯格在X说的是「今天订阅就能用」，两边说法本身就有出入。微博
开源这条路线，这次关死了：模型卡写的是按权重安全计划保护模型权重，对开源只字未提。 还抱着「Meta=白嫖权重本地跑」预期的，可以更新认知了。
二、14项成绩拆成三个证据等级：官方的、第三方的、自己出题的
官方对比表里有对手成绩的一部分是Meta自己跑的，模型卡也承认「未必给对手调到最优设置」。 看成绩必须分层：微博
第三方（AA），可信度最高：综合智能指数Claude Opus 5.5 以 58 分排第一，Muse Wonder Full 56 分排第二。 但Coding Agents Index上，搭配Muse Code的WonderFull取得68分，与ClaudeCode使用Sonnet5.5的成绩持平，高于使用Opus5.5的66分。 10个子项里，它有6项挤进前三。微博36氪
官方对比（AA未覆盖的部分），分两头看：真正拉开差距的是长周期工程——MuseWonderFull在DeepSWE1.1长程软件工程测试中取得79.0分，超过Claude Opus5.5的74.2分和GPT-6Astra的74.1分。 DeepSWE是91个代码仓库、5种语言、113项任务，考的不是写一个函数，而是理解复杂代码库、修改现有工程并让功能和回归测试通过；SWE-Marathon超长任务57.5%对Opus的46.3%。输的地方同样具体：Terminal-Bench终端编程57.1对59.6，ProgramBench从零写完整程序59.0对70.5——11.5分的差距，不是噪声，OSWorld操作电脑、健康问答也都没赢。36氪微博
Meta自建基准（PSI、MemoryBench、FocusBench、AutomationBench），当功能介绍看：个人超级智能指数拿下59.1分，直接将ClaudeOpus5.5（55.2分）和GPT-6Astra（54.5分）斩于马下。 记忆测试Muse Wonder 85.6 分，Muse Wonder Full 85.5，Claude Opus 5.5 81.5。 MemoryBench测的也只是6.4万到10万token掺干扰和矛盾更新的多轮对话，离「跨数月真实使用」还远。跑完整业务流程的AutomationBench，45.4对对手最高的41.6，同样是官方口径。36氪微博
三层读下来，能带走的判断就一句：Muse WonderFull的真实优势集中在「长周期维护存量代码」和「卡住不死磕到底」这两条线，「全面超越Opus」这句话在综合、从零编程、视觉空间上都还不成立。
三、3D翻车和长程夺冠，为什么能同时是真的
发布当天，开发者MaxBlade用同一提示词让两款模型各生成一款「能开割草机、同时喝啤酒抽雪茄」的演示游戏：Opus生成了相对完整的驾驶舱、草坪、建筑等游戏场景，而WonderFull的版本更接近低多边形原型，材质与视觉细节明显逊色，被调侃是「AAA与Roblox的区别」。 有人在RocketLeagueBench上晒出更差的实测，刷榜质疑（Benchmaxxing）随之而起。Meta首席AI官Alexandr Wang的回应值得多看一眼：整个团队现在觉得自己很蠢，但这是事实，我们确实没有明确地在3D演示游戏上训练我们的模型，转而请大家用真实编程任务来评价它。 官方同时甩出测试时计算扩展曲线反驳刷榜：在没针对性训练过的陌生任务上，Wonder的能力随算力投入持续上爬。两边其实不矛盾——泛化确实在变好，但模型卡白纸黑字承认「视觉与空间推理，特别是3D任务，仍是已知局限」。海外实测博主Theo的结论也因此很务实：Theo愿意天天用，但价格不公布、3D很差，不值得退ClaudeCode。36氪36氪哔哩哔哩
对你的意义是对号入座，而不是站队：改存量仓库、跑跨天任务的人，榜单前一段更贴近你的日常；做前端、做游戏化Demo、吃视觉输出的人，翻车视频才是你的日常。
四、成本账：贵不是贵在小数点，是贵在你重新学一遍用缓存
AA的测算把价格信号摊开了：标准版MuseWonder的平均评测任务成本已经从上代的1.60美元上涨至4.52美元，涨幅达183%，比GPT-6Astra还高出约39%。 但单看API牌价，输入4美元、缓存读0.20美元——缓存是输入价的二十分之一。国内一家路由器服务商对几千个Claude Code用户的账单总结显示，ClaudeCode一个会话里七成以上的输入是重复发送的仓库上下文，走的是缓存读价。 也就是说，这类长上下文编程模型的账单大小，一半取决于模型牌价，另一半取决于你的框架会不会把缓存吃满：框架选得好，实际成本可以离0.20近一点；选得差，每一轮都在按4美元重付同一本仓库。36氪知乎
对订阅党还有第二层账：你现在这份Claude Code月费，本来就是长会话吃额度的大头；而WonderFull不在你任何现有订阅里，上它意味着新开一张表。Meta把最能打的版本锁进编程订阅、而不是塞进免费Muse，摆明了这次不是冲「辅助聊天」来的——这也是判断后续会不会继续「挤牙膏式开放」时，最值得记在心里的一条商业逻辑。
五、三类人怎么做，以及接下来盯哪三个信号
大存量仓库维护者、给Agent派跨天任务的人：有条件就先试，用一个小预算任务验证DeepSWE类场景再谈主力迁移；尝新成本是新订阅加不稳定评测环境，收益可能正是你排队最久的长任务瓶颈。
独立小项目、从零起稿、前端与3D视觉向的人：Opus 5.5不动，这场发布跟你关系不大——ProgramBench那11.5分和3D实测已经替你做了决定。
API党和自建编排的人：再等一轮，52分的基础版不是主角。盯三个信号：WonderFull何时开放API及其牌价、承诺「很快」发布的完整安全报告和Muse App的实际接入时间表、AA下一轮第三方编码实测是否把Muse Code环境单独跑分。
最后补一个容易刷屏被淹没的行业背景：科技巨头仍在竞相推出性能更强的前沿模型，用户却开始转向更便宜、足以满足实际需求的产品。 据The Information报道，OpenRouter上使用量前十的高性能模型里，前沿模型份额已从55%降到14%——市场整体在往「便宜够用」走。Meta在这个时点押「全力前沿」却把最强版本藏进高价订阅，这个拧巴，可能比任何一项跑分都更说明接下来半年的牌局。知乎
换工具的理由从来不该是跑分，而是任务。这次的主角很强，但它赢的那几项，得先是你缺的那几项。
