大数跨境
首页
>
刚刚，小扎发布神秘「西瓜」模型，跑分媲美 Opus 5.5，口碑却一言难尽
>

刚刚，小扎发布神秘「西瓜」模型，跑分媲美 Opus 5.5，口碑却一言难尽

刚刚，小扎发布神秘「西瓜」模型，跑分媲美 Opus 5.5，口碑却一言难尽 APPSO
2026-10-13
5
导读：「西瓜」熟了

Meta发布Muse Wonder系列模型：重金招揽AI人才初见成效

去年，扎克伯格以高达上亿美元的薪酬方案在全球范围内招揽AI人才，其手笔堪比NBA球星转会。如今，这支高价组建的团队正式交出答卷。
Meta正式发布新模型Muse Wonder系列（内部代号“西瓜”），包含Muse Wonder和Muse Wonder Full两个版本。该系列主攻个人与专业智能体任务，重点提升了跨对话记忆、长时间任务执行及编程能力。扎克伯格表示，Meta已抵达AI技术的最前沿。
根据Meta公布的评测数据，Muse Wonder Full在部分基准测试中已具备与GPT-6 Astra和Claude Fable 5.1竞争的实力。第三方机构Artificial Analysis的测试也显示，Wonder Full较上一代实现质的飞跃，在多项智能体和专业工作评测中跻身前三。
高额投入让Meta重新获得了与头部模型叫板的底气，也为Meta Muse Personal Agent的发展铺平了道路。

强化记忆与执行力：打造善始善终的个人智能体

Muse Wonder系列的发布，延续了Meta一年多来对AI业务的重整策略。自2025年4月Llama 4表现不及预期后，扎克伯格加大了对人才和算力的投入，招揽Scale AI创始人Alexandr Wang并重组研究团队。经过14个月的底层技术重建，团队在吉瓦级Prometheus数据中心完成了新模型的训练。
扎克伯格指出，理想的个人助理不仅需要解决复杂数学题，更需具备处理日常事务的常识与执行力。为此，Muse Wonder引入了两大核心技术：
Active Memory（主动记忆）：负责跨对话保留重要信息。模型能记住用户此前提到的偏好、限制和个人情况，并在后续任务中主动调用，避免用户重复交代背景。Wang表示，个人智能体需确保重要信息在数天至数月的交流中保持连贯。
向左滑动查看更多内容
Active Focus（主动聚焦）：针对任务执行中断的问题。当遇到页面变化、信息缺失或操作失败时，模型能尝试其他路径，根据新信息调整计划并持续推进，而非立即向用户求助。仅在必要时或进行重要操作前，模型才会询问用户或征求确认。
扎克伯格将这一理念概括为“模型即产品”，强调能力和性格等产品特征应融入训练过程。Wang补充称，智能体的主动性及交互方式均属于专门设计的产品行为。
图｜来源参考CheekyPint
以预订餐厅为例，训练目标是让智能体在遭遇障碍时自动尝试其他路径，减少因小问题频繁打扰用户的情况。编程能力则是检验这些特性的试金石，模型需记住需求、理解现有代码、修改多文件并反复测试。此外，官方还展示了看图生成3D厨房游戏、结合偏好安排跑步计划等应用场景，以及在法律、金融等领域的专业评测表现。
Artificial Analysis评测显示，Wonder Full在十项测试中有六项进入前三。在高推理强度下，Muse Code搭配Wonder Full的编程成绩与Claude Code搭配Sonnet 5.5相当，略优于搭配Opus 5.5的表现。

早期体验褒贬不一：性能与成本备受争议
社交平台上的早期用户反馈呈现两极分化。用户Chetaslua称赞Muse生成的《龙珠》角色动画画面完全由代码构成且响应迅速；但用户Max Blade对比发现，在生成“3A级割草机模拟器”任务中，Muse Wonder Full在场景细节和人物手部处理上明显逊色于Opus 5.5。
另有用户指出，在火箭场景生成任务中，Muse Wonder效果不及Kimi K3，且花费更高。Meta AI负责人Alexandr Wang承认新模型编程能力尚不及Opus 5.5，团队正在排查Bug。他解释称，团队未针对演示类场景进行专门训练，而是聚焦于实际编程工作，但承诺未来会优化演示效果。
Meta官方博客指出，凭借更强大的基础模型，Wonder Full在陌生任务上的泛化能力超出预期。然而，这一结论主要基于内部测试，其在真实复杂场景中的表现仍有待验证。

商业化推进：API定价与安全挑战并存

随着模型升级，Meta加速推动商业化进程。Muse Wonder已通过Meta Model API和Muse Code开放，而能力更强的Wonder Full仅面向Muse Code订阅用户。普通版Muse个人助理应用将在后续接入Wonder，并优先向订阅用户开放。Wang强调，产品设计追求“开箱即用”，普通用户无需手动选择模型或调整推理强度。
API定价方面，Muse Wonder输入token价格为每百万4美元，缓存输入每百万0.20美元，输出每百万20美元，支持100万token上下文及多模态输入。尽管单项任务成本低于部分竞品，但由于输入消耗较高，总账成本仍高于GPT-6 Astra和Gemini 4 Argon等模型。
高昂的Token消耗引发用户不满。有用户反映，在完成特定任务时，Muse迅速耗尽了套餐额度，迫使其升级更高档位的服务。此外，作为曾经的开源倡导者，Meta此次采取闭源模式，虽保留了部分硬件部署技术的开放，但其商业意图日益明显，试图在广告业务之外开辟新的收入来源。
安全问题同样不容忽视。近期有用户投诉Muse未经授权访问个人消息，Meta回应称部分情况可能源于用户早期的授权遗忘，团队正致力于厘清授权机制。Meta表示，Wonder系列加强了抵御恶意指令和保护隐私的能力，并计划推出对Meta自身也保密的Muse Confidential VM方案。
扎克伯格拒绝给AI发展“踩刹车”，主张通过技术措施保障安全，并透露下一代模型研发进展将更快。最终，Muse Wonder的价值将由其处理日常琐事的能力来证明——AI不仅要解难题，更要能妥善打理用户的柴米油盐。
【声明】内容源于网络
0
0
APPSO
AI第一新媒体，「超级个体」的灵感指南。 #AIGC #智能设备 #独特应用 #Generative Al
内容 15819
粉丝 0
APPSO AI第一新媒体，「超级个体」的灵感指南。 #AIGC #智能设备 #独特应用 #Generative Al
总阅读505.1k
粉丝0
内容15.8k