这颗「西瓜」翻车，翻的不是模型不能用，而是「宣传的分」和「上手的体验」对不上。当地时间10月12日，Meta 发布智能体模型 Muse Wonder 及完整版 Muse Wonder Full，内部代号 Watermelon（西瓜），这是首席 AI 官 Alexandr Wang 领导的超级智能实验室交出的第二代模型，公司口径第一次把「前沿」二字用在自家模型上，宣称部分基准超过 Claude Opus 5.5 与 GPT-6 Astra。可模型开放调用后，实测风向很快分化：跑分亮眼的「拳打Astra、脚踢Opus」属于藏在付费墙后的满血版，开发者第一时间能上手的基础版，在 Artificial Analysis 的评测里综合得分只有52分，还略低于 GPT-6 Astra 和 Gemini 4 Argon。网易科技当天的复盘则记下了另一笔：实测反馈分化、标准版偏弱之外，上线初期还出现过额度统计故障。36氪投资界网易科技
所以对普通用户来说，此刻最有用的结论是：别按自报跑分掏钱，别默认订阅后拿到的就是「演示版」，更别在没检查授权清单之前让 AI 替你下单。这三条规则，全部出自发布第一天的实测反馈和公开披露。
跑分确实猛，Meta 交出的成绩单有多华丽
按 Artificial Analysis 的成绩口径，满血版拿到56分，追平 Sonnet 5.5、压过 GPT-6 Astra，这是 Meta 成立以来第一次把自家模型送进第三方榜单的前三区间。新智元
在最能体现「替人干活」的长任务编程上，官方给出的 SWE-Marathon 成绩是 Full 版57.5%，远超 Opus 的46.3%和 Astra 的42.5%。新智元
官方报出的幻觉率只有23%，也低于 Astra 的51%和 Opus 的59%。新智元
Wang 发布后的表态相当强硬：这就是真正的前沿模型，怀疑的人可以亲自试用评判。36氪
公司这次押注的两套新机制也都围着「替人把事办完」设计：Active Focus 让模型遇阻时不跑偏、自己换路，Active Memory 让它在跨对话场景里携带关键上下文、按需检索细节。36氪
翻车翻在哪：开发者第一天就发现了什么
但模型开放 API 调用后，实测风向迅速反转，有人直言这个模型就是一坨，是个刷分刷到极致的产物。投资界
在一个衡量代码泛化能力的 Rocket League Bench 测试中，它的成绩惨不忍睹——开发者给出的原话是，自 Opus 4.8 以来，几乎所有主要模型在这个榜单上都比它强。投资界
更扎手的是推理档位的落差：同一个提示词下，它在最高推理档位和其他档位的表现差异极大，跑分上高于 Astra 和 Fable 5.1，实测却比两者都差得多。投资界
面对质疑，Wang 没有回避：整个团队现在觉得自己很蠢，但这是事实——确实没有明确在3D演示游戏上训练模型，但不后悔，请大家在实际编码工作里试试它。投资界
更能说明问题的是，Meta 官方博客自己也列出了输掉的项目：终端编程 Terminal-Bench 57.1 不敌 Opus 5.5 的59.6，从零写完整程序 ProgramBench 59.0 惨败给 Opus 的70.5，操作电脑 OSWorld 78.4 对81.8，专业文档任务 GDP.pdf 33.2 输给 Astra 的34.2。投资界
为什么「分高」不等于「好用」
落差首先出在口径上。36氪在发布当天的梳理里点得很明白：基准超越 Opus 5.5、Fable 5.1、GPT-6 Astra 的说法是 Meta 自测，尚无第三方复现。Artificial Analysis 的数字也带着前提——52分和56分都测自「最大推理量」档位，而默认档位才是普通用户日常接触的那个世界。针对「刷榜」质疑，官方博客直接甩出了一张测试时计算扩展图表作回应，声称模型在没专门练过的陌生任务上仍有跃升，但截至发稿，这套数据同样没有外部审计。36氪微博投资界
Meta 这次也确实急。《纽约时报》此前报道，Meta 在7月暂停过模型预训练，发布被推迟到了本月。而在与小扎对谈的播客里，Wang 话说得更直接：必须在知道模型到底能不能用之前，就砸下1000亿到2000亿美元。赌注越大，宣传越满，第一天的实测落差才显得格外刺眼。36氪投资界
掏钱之前，普通用户先避开这五个坑
1. 付费后用到的，未必是跑分图里那个版本。订阅侧，Muse 应用分20美元和100美元两档，更强的 Full 版只开放给 Muse Code 订阅者，对应50美元和200美元两档、分别约为基础档20倍和80倍用量。API 侧眼下能调用的只是主打速度的基础版，Full 暂不开放独立接口。普通用户端，Muse 接入新模型也还要等官方「逐步」推进——冲着演示视频里那个「吊打 Opus」的版本去订阅的人，大概率第一天拿不到同款。36氪新智元投资界
2. 智能体按 token 烧钱，长任务尤其贵。基础版 API 每百万 token 输入4美元、输出20美元，缓存输入0.20美元，100万 token 上下文不加价，单看不算离谱。Wang 也明说 API 比标准订阅更贵，只是「显著低于」OpenAI 和 Anthropic 的领先模型——注意，这是和最贵对手的相对比价。而第三方估算它完成一项测试任务的成本高达4.52美元，比 GPT-6 Astra 的3.26美元贵出一截；会自己换路、重试、派子智能体的「主动专注」，恰恰意味着 token 消耗不在你预期内。新智元36氪投资界
3. 让 AI 替你操作之前，先检查你给过哪些权限。「主动记忆」的代价，是你的偏好和上下文会跨对话长期留存。9月20日起，亚马逊开始封禁 Muse 替用户购物，警告页面写明「未经授权的AI智能体访问，违反亚马逊使用条款」。按亚马逊公开的说法，三条理由中就包括担心 Muse 接触并保存用户的登录凭证等数据，带来隐私泄露风险。36氪
Meta 否认未授权访问个人消息，称登录凭证隔离存储、模型看不到密码和支付方式、付款走 Stripe Link 一次性卡号。而对于「授权到底给了谁」这个问题，Wang 此前的解释是：用户早期授权过权限，后来可能忘了。这句话说给所有用过代理型 AI 的人都成立：开通记忆和代办功能前，先把历史授权过一遍。36氪36氪
安全社区的担忧走得更远。有安全研究员披露了一个一度未修复的零日漏洞：在 Muse 的 macOS 客户端上，本地非特权软件可以借用用户此前授予助手的广泛权限，绕过 macOS 的标准安全边界，事后 Meta 只部署了热修复，没有走正式的安全公告流程。36氪
4. 别拿当年 Llama 的预期看今天的「西瓜」。模型卡里明确写着「采取安全计划保护模型权重」，对开源只字未提——那个免费开源的小扎，这次不会把权重交给社区。而且这款智能体目前只在美加两国上线，国内普通用户眼下能做的，只是看懂新闻、避开跟风折腾。投资界36氪
5. 等第三方复现和真实账单，再决定要不要掏钱。实测目前只跑了一天：52分测的是基础版，Full 版在第三方榜单也确有追平 Sonnet 级别的发挥，官方长周期编程优势能否被外部复现，还要再等几天。真正值得盯的三个信号是：Full 版会不会下放给普通订阅、会不会有更多平台跟进亚马逊式封禁，以及用户手里 Muse 的实际 token 账单长什么样。
从 Llama 免费开源，到 Muse Wonder 按月收费，Meta 用一年半走完了从「AI理想主义者」到「AI生意人」的转身。这颗「西瓜」到底甜不甜，第一天翻的是车还是口碑，都还没有定论——而对普通用户来说，最不吃亏的策略只有一个：让第三方复现和真实账单先替你说话。36氪
