周一，Meta的超级智能实验室发布了Muse Wonder和Muse Wonder Full两款最新最先进的模型，这是该公司首次尝试开发前沿模型。
与旨在成为低延迟轻量级模型的 Muse Spark 不同，Wonder 模型规模更大，据称能力更强，在基准测试中得分更高，并在编码等复杂任务中表现更佳。
根据Meta的测试（在模型卡片中展示），Wonder和Wonder Full在基准测试中的得分与Fable 5.1和GPT-6 Astra相当。
Meta 关于这些模型的博客文章写道：“它们共同标志着我们扩展阶梯上的下一步，以及迈向个人超级智能的重大飞跃。”
这种规模也反映在定价上：通过 Meta Model API 访问，Wonder 的输入令牌价格为每百万个 4 美元，输出令牌价格为每百万个 20 美元，使其成本大致相当于 GPT-6 Sol 或 Opus 5.5。
值得注意的是，Wonder Full 仅对 Muse Code 订阅用户开放，不会通过 API 提供服务。这两个模型也将用于驱动 Muse agent。
秉承 Meta 开发能够长期执行任务的个人助理的兴趣，该公司特别强调新模型保留和综合用户提供信息的能力，Meta 将这一特性称为“主动记忆”。
为了提升记忆能力，Meta强调了MemoryBench基准测试，该测试旨在挑战持续学习和记忆构建框架；根据该公司的测试，Muse Wonder在MemoryBench上的得分高于Fable、Opus或Astra。
研究科学家 Kavya Kopparapu 在发布配套视频中表示：“我们投入了巨大的努力，确保您的模型能够在数天、数周、数月乃至更长时间内记住对您重要的内容。”
自 Scale AI 创始人 Alexandr Wang 于去年 8 月重组 Meta 的 AI 工作以来，这些新模型是首次发布的前沿模型。此后，Meta 发布了其轻量级 Muse Spark 模型和 Muse agent ，但一直避免发布 OpenAI 和 Anthropic 所知名的那种最先进模型。
根据帖子内容，这些模型是在今年早些时候上线的俄亥俄州中部Prometheus数据中心进行训练的。