Meta新模型代码数学双强推

Meta 发布旗下前沿模型 Muse Wonder，并提供两个版本，两者均跻身现时最佳 AI 模型之列。 Muse Wonder Full 在 Artificial Analysis Intelligence Index v4.3 取得 56 分，Muse Wonder 则为 52 分，较前代 Muse Spark 1.3 的 48 分明显跃升，令这款原本属中阶定位的模型大幅跳级。

Muse Wonder Full 在十项基准测试中有六项进入前三，对 Meta 而言属强劲成绩; 在开放式 Llama 模型表现较弱的一段时期之后，该公司似乎已收复失地。进步最显著的是代理式评估，这类测试衡量 AI 模型自行处理复杂任务的能力。在 Terminal-Bench 4.0 上，表现由 33% 升至 57%。

新增 Active Memory 与 Active Focus

Meta 强调两项新功能。「Active Memory」让模型在对话之间记住关键信息，并在需要时回想; 「Active Focus」则是模型坚持处理困难任务、尝试替代方法，以及在意义不清时提出追问的能力。 Meta 将两者视为其个人 AI 代理构想的核心，该代理可存取日历、讯息及文件。

两款模型均支持一百万 Token 的上下文窗口，并接受文字、图像、影片及音讯输入。 Muse Wonder 可透过 Meta 的 API 及 Muse Code 使用，Muse Wonder Full 目前仅限 Muse Code 用户。 Muse Wonder 亦将开始为 Muse app 提供支持，先由付费订阅用户开始; Meta 计划日后以此建立专门模型，供所有用户使用。

代码跃进但事实知识落后

两款模型在代码方面都有大幅改善。 Muse Wonder Full 在 Coding Agents Index 取得 68 分，与 Sonnet 5.5 的 Claude Code 并列; Muse Wonder 得 63 分，高于前代的 54 分。数学方面，在专为数学证明而设的私人基准 ProofBench 上，Muse Wonder Full 在 100 题中解出 94 题，前代为 58 题，与顶级模型（99 至 100 分）只差 5 至 6 分。在 Terminal-Bench 4 上，Muse Wonder Full 分数倍增，同时少用 30% 输出 Token。金融及法律任务的表现则维持前代水平，最多下跌两分。

事实知识仍是弱项。在 AA-Omniscience 知识测试中，Muse Wonder Full 仅得 30 分，Muse Wonder 得 25 分，明显落后 Claude Opus 5.5（46）、GPT-6 Astra（43）及 Gemini 4 Argon（42），反映 Wonder 系列可能建基于较小的基础模型。偏低的幻觉率有助抵销这个差距：Muse Wonder Full 的幻觉率由前代的 33% 降至 23%，在所有指数得分至少 45 分的模型中属第二低，仅 Gemini 4 Argon（15%）的幻觉率更低。

Meta 在网站中回应外界常见批评，即 Muse 模型为基准测试而调校、在实际使用中表现不足。该公司表示，Muse Wonder Full 在未纳入训练优化的陌生任务上表现优于预期，并归功于更强的基础模型。根据 Vals AI，Muse Wonder Full（Max）在 Vals AI Index 首次登场即排第五，胜过所有 OpenAI 模型，只有现行 Anthropic 模型得分更高; Muse Wonder 排第十。

每任务成本增近三倍

效能提升伴随价格上涨。据 Artificial Analysis，Muse Wonder 在 Intelligence Index 上每个任务成本为 4.52 美元，几乎是 Muse Spark 1.3（1.60 美元）的三倍。 Token 定价同样上升，每百万输入 Token 为 4 美元、输出为 20 美元，前代分别为 1.25 美元及 4.25 美元。 Muse Wonder 每个任务多耗 28% 输入 Token，而输入 Token 占总成本 76%。

以此计算，Muse Wonder 的价格低于 Claude Fable 5.1（7.63 美元）及 Claude Opus 5.5（5.98 美元），但高于 GPT-6 Astra（3.26 美元）、Gemini 4 Argon（1.99 美元）及 GPT-6.1 Sol（0.72 美元）。 Muse Wonder Full 目前仍未公布 Token 定价。两款模型的输出 Token 均较前代少约 10%。