Meta 刚刚发布 Muse Wonder 和 Muse Wonder Full，官方定位"我们目前最好的模型"，专门针对长时间运行的多步骤 agent 任务。性能对比表里，Muse Wonder Full 在多个专业基准上压过了 Claude Opus 5.5：法律代理、金融分析、健康查询、终端操作，纸面数据全线领先。
看起来很美。
然后网友 Max Blade 做了个测试。
他用同一个提示词，让两款模型各自生成一个"AAA 级割草机模拟器"，还要能边喝啤酒边抽雪茄。结果做成了对比视频：
差距一目了然。Opus 5.5 这边，驾驶舱、草坪、远处的建筑都完整呈现，画面接近一个能玩的游戏。Muse Wonder Full 那边，像低模测试场景，纹理简陋，质感差了一截。有网友的评价很到位："感觉一边是 AAA/独立游戏，一边是 Roblox 版本。Muse 在 3D 任务上离前沿还差得远。"
成本差距同样夸张。Muse 的 API 等价成本是 4.11 美元，Opus 是 99.43 美元，差了大约 24 倍。单看这个数字，Muse 似乎很划算。
但有个细节值得注意。这次测试烧掉了推主 50 美元套餐里相当于 4.11 美元的 API 额度，导致他不得不升级到 200 美元套餐才跑完全程。Muse 看起来便宜，真要跑复杂任务，套餐消耗可能比预想快得多。
Muse Code 在代码场景的产品体验也不尽人意。有网友在 Muse Code 里试了之后立刻退订：CLI-only，没有 VSCode 插件，连大段文本粘贴都处理不了。原话是"比 Codex 还差，Claude Opus 5.5 仍然是王者"。
Muse Wonder 的基准分数看起来碾压 Opus 5.5，但真实任务跑下来，体验完全不是一回事。3D 生成不行，代码也不行，那它到底在什么场景下是 SOTA？
话又说回来，这个模型专为个人代理来打造，而针对此的评测还不够，具体好不好还是需要产品来说话，在上次播客采访（具体浏览视频号前期内容）后，扎克伯格叫来了Alexandr Wang再次谈他们的模型产品观和组织升级的理解，可以听一听。
关注公众号回复“进群”入群讨论