刚刚，Meta最强旗舰碾压GPT-6和Opus！一夜杀回世界前三- 大数跨境

首页

刚刚，Meta最强旗舰碾压GPT-6和Opus！一夜杀回世界前三

新智元

2026-10-13

Muse Wonder发布，Meta大模型能力全面跃升，在编程、长任务及专业领域基准测试中超越Claude Opus与GPT-6 Astra。

深夜，Meta正式发布Muse Wonder和Muse Wonder Full两款大模型。官方将其定义为Meta迄今为止最强模型，标志着向「个人超级智能」迈出关键一步。在各项基准测试中，新模型展现出与Claude Fable 5.1和GPT-6 Astra正面竞争甚至超越的实力。

在Artificial Analysis评测中，Muse Wonder Full斩获56分，稳居全球第一梯队，与Sonnet 5.5并驾齐驱，压制GPT-6 Astra；Muse Wonder标准版获得52分，全面反超上一代Muse Spark 1.3。特别是在长任务编程领域，Meta凭借Active Memory（主动记忆）和Active Focus（主动专注）两大核心技术，实现了对Opus和Astra的反超。

核心升级亮点

编程能力跃升：Muse Code搭载Full在AA编程Agent榜追平Claude Sonnet；两款Wonder在长任务测试中均超过Opus和Astra。

长程记忆与专注：Active Memory保留重要信息；Active Focus使模型在遇到障碍时能调整策略、检查错误并重新规划。

专业领域领先：在涵盖法律、金融等14项测试中，Full有8项超过Opus 5.5，11项超过GPT-6 Astra。

定价策略：普通版API输入4美元/百万token，输出20美元/百万token；Full版通过Muse Code订阅开放，月费50或200美元。

六周猛涨8分，十项测试全赢前代

性能基准大幅领跑

据Artificial Analysis统计，Muse Wonder系列距离Muse Spark 1.3发布仅六周，智能指数从48分飙升至56分。在十项测试中，新模型全部超过Spark 1.3，其中六项冲进前三，两项夺得第一。

在科学推理CritPt和专业文档GDP.pdf测试中，Full均以33%的准确率位列AA榜单第一；在GDPval-AA v2.1专业知识测试中，Full以1857 Elo得分排名第二。此外，在知识工作、业务流程自动化和科学编程三项测试中均位列第三。

Terminal-Bench 4.0测试要求AI自主读取文件、执行命令及处理报错。Spark完成率仅为33%，而Full提升至57%，增幅达24个百分点。在Vals Index综合榜中，Wonder Full以64.57分排名第五，超越榜单上所有OpenAI模型。

开发者实测显示，Muse在实际代码库中成功识别出其他Agent遗漏的安全漏洞。Conductor开发者Charlie Holtz对其设计、可视化效果及CLI速度给予高度评价，认为Meta已站至行业最前沿。在同题对比测试中，生成相同的第一人称3D游戏，Muse Code搭载普通版Wonder仅耗时3分42秒，远快于Claude Code搭载Opus 5.5的11分40秒。

长任务反超Opus，编程全面暴击Astra

编程与长程任务表现卓越

在考核长程任务的SWE-Marathon基准中，Full取得57.5%的成绩，显著高于Opus 5.5的46.3%和Astra的42.5%，领先幅度分别达到11.2和15个百分点。即使未使用Full版本，普通版Wonder也取得了53.1%的成绩，同样超越这两款旗舰模型。

SWE-Marathon要求AI持续完成软件项目：读需求、改多个文件、跑测试，出错后还要自己找原因、接着改

DeepSWE v1.1包含113项任务，涉及91个代码仓库及五种编程语言。Meta汇总数据显示，Full完成率为79.0%，Wonder为78.8%，而Opus和Astra分别为74.2%和74.1%。

在AA编程Agent榜中，Muse Code搭载Full获得68分，追平Claude Code搭载Sonnet的成绩，并超过搭载Opus的66分。相比上一代Muse Code搭配Spark 1.3的54分，提升幅度达14分；搭载普通版Wonder也可获得63分。

Artificial Analysis编程Agent测试，Muse Code与Claude Code的部分成绩

从零编程ProgramBench中，Full得分为59.0，高于Astra的52.5，但低于Opus的70.5。终端编程方面，Full得分为57.1，略低于Astra的59.1和Opus的59.6。在VulnPR-100漏洞测试中，Wonder 1.0在一小时内找出46个已知漏洞，与GPT-6持平，平均每个漏洞成本约6.19美元。

数学多做对36题，token少了四成

效率与准确性双重提升

在Vals AI的ProofBench中，Full正确解答94道数学证明题，比前代多36道，接近Opus的100道和Astra的99道。值得注意的是，解题数量增加的同时，输出token量从450万降至270万，减少约四成。应用层面得分维持在86%左右，平均步骤从120步缩减至62步。

14项有8项超过Opus，法律得分达到3.1倍

专业领域优势明显

在法律任务Harvey LAB-AA中，Full获得13.1分，是Opus 4.2分的3.1倍。金融任务中，Full获得59.1分，优于Opus的58.6分和Astra的53.5分。在专业性方面，Full的幻觉率控制在23%，远低于Astra的51%和Opus的59%，尽管其知识指数（30）略低于竞品。