美东时间10月12日（北京时间10月13日中午），Meta超级智能实验室发布Muse Wonder与满血版Muse Wonder Full，内部代号「西瓜」，是扎克伯格重组AI团队后交出的第一份旗舰答卷。在独立评测机构Artificial Analysis的综合智能指数里，Claude Opus 5.5拿下58分，「西瓜」Full版得56分，直接挂API的普通版只有52分，与半价档位的Claude Sonnet 5.5打平。这本该是一个值得开香槟的时刻，但发布后48小时内，X、Hacker News、Reddit和微博评论区里的吐槽声量盖过了喝彩。跑分高与口碑翻的分裂不是错觉：打分最高的版本没有向开发者开放，用户下嘴的场景官方从没为它训练过，而这个系列此前的「跑分前科」，让用户比模型更早失去了耐心。微博小红书
跑分是真的，但分数和卖点分了两本账
这颗西瓜在纸面上确实熟了。Artificial Analysis指数中，Wonder Full的56分与Claude Sonnet 5.5持平、超过GPT-6 Astra，标准版Wonder得52分。Meta的最高成绩在短短6周内拉升8分，直接跻身全球顶级梯队。但把官方口径和第三方统计分开看，成色并不均匀：按Fello AI统计，Meta自家公布的14项对比里「西瓜」只有5项赢过Opus 5.5，强项是主动记忆，弱项是从零写程序。微博小红书小红书
更关键的错位在售卖口径：开发者能买到的API只有普通版，每百万token输入4美元、输出20美元，和Opus 5.5同价。而最能打分的Full版根本不开放API，只能通过Muse Code订阅使用。伏笔早在7月就埋下了：内部全员大会上，Alexandr Wang声称代号「Watermelon」的模型性能已追平GPT-5.5，但从未披露引用了哪些基准测试。小红书微博小红书
吐槽实录：用户自己下嘴的瓜
吐槽真正起量，是在用户把「西瓜」拉进自己的测试场之后。上线第一天，X上全在用3D demo游戏测它的编程能力，结果表现甚至不如Kimi，Alexandr Wang也下场回应了吐槽，承认团队没有专门针对这类任务训练模型。有开发者测试图片转HTML，发现Wonder生成的页面远不如Opus 5.5，甚至接近Sonnet或Haiku水平。小红书小红书
第二波投诉落在成本上：有用户吐槽推理慢、Token消耗大，Muse Code订阅额度不够用。更扎心的是信誉问题：最响的好评来自Meta顾问组成员，付费用户却反馈沙盒跑不起来。微博评论区的留言说得更直白，有人吐槽：musespark的分数就各种严重虚高，让很多测试显得像笑话。小红书小红书微博
这份警惕有来路。9月下旬，刚登顶的Muse智能体就被曝内部测试里部分复杂电话任务还是要人上。Meta此前推出的部分模型本就未能获得开发者社区的广泛认可，「西瓜」是带着信用赤字上场的新产品。小红书微博
西瓜不全是酸的
正面反馈同样存在：Shopify CEO Tobi Lütke直接喊「Meta is back」，说这模型他几乎找不到做不了的题，也有开发者实测后评价修真实bug、省token那一套挺香。商业层面，Meta把新模型押在「替你办事」的个人智能体上：要在Muse应用中使用，需要每月20美元或100美元两档订阅。小红书微博
Alexandr Wang对外表示「这些是真正的前沿模型」，对Meta能否重返前沿的质疑，他的回应是希望用户亲自试用并作出判断。微博
判「瓜」还没结束：吐槽指向普通版，Full版未经独立检验
差评需要划一条边界：它们大多来自发布首日、普通版Wonder的早期实测，不能直接代表锁在订阅里的Full版，独立评测数据也仍在补齐。接下来值得盯的是两件事：Full版何时开放API让大家随便测，以及20美元、100美元两档订阅能否经受住留存与付费转化的检验。小红书微博
一位实测用户的说法可以作结：榜单成绩可以买来关注，真实生产力还得靠用户检验。小红书
