Muse Wonder 与 Muse Wonder Full：相比 Meta 以往模型的智能水平实现实质性飞跃
查看模型页面Meta 已发布 Muse Wonder 和 Muse Wonder Full，在最大推理力度下于 Artificial Analysis Intelligence Index v4.3 中分别取得 52 和 56 的成绩——相比得分为 48 的 Muse Spark 1.3（max）均有实质性提升，且发布间隔仅 6 周
Muse Wonder 可供 Meta 第一方 API 的用户使用，而 Muse Wonder Full 目前仅供 Muse Code 用户使用。Meta 指出，每款模型均面向个人和专业的智能体用途设计
要点：
➤ 两款模型的整体 Intelligence Index 得分均实现实质性飞跃。 Muse Wonder Full（max）在全部十项 Intelligence Index 评估中均优于 Muse Spark 1.3（max），提升 8 分至 56 分。提升最大的是智能体评估：Terminal-Bench 4.0（+24 分，33% 至 57%）、GDPval-AA v2.1（+176 Elo，1681 至 1857）以及 AA-Briefcase（+148 Elo，1581 至 1729）。Muse Wonder（max）提升 4 个 Intelligence Index 分数至 52，与 Muse Spark 1.3（max）相比在 Terminal-Bench 4.0（33% 至 52%）和 AutomationBench-AA（58% 至 68%）方面有显著改进
➤ Muse Wonder Full（max）在十项 Intelligence Index 评估中的六项位列前三，在智能体知识工作和科学推理方面尤为出色。 在智能体知识工作方面，它在 GDP.pdf（33%）上以微弱优势居首，在 GDPval-AA v2.1 上排名 #2（1857 Elo），在 AA-Briefcase（1729 Elo）和 AutomationBench-AA（71%）上均排名 #3。在科学推理方面，它以 33% 位居 CritPt 榜首，并以 63% 在 SciCode 上排名 #3。这延续了 Muse Spark 1.3（max）的相对优势，后者在这两个领域同样表现出特别的能力
➤ 两款模型使用的输出 token 均少于 Muse Spark 1.3（max）。 Muse Wonder（max）和 Muse Wonder Full（max）每项 Intelligence Index 任务各使用约 54k 输出 token，比 Muse Spark 1.3（max，60k）降低约 10%。这一用量低于智能水平相近的模型 Gemini 4 Argon（high，62k）和 Claude Fable 5.1（max w/ fallback，78k），但高于 GPT-6.1 Sol（max，38k）和 GPT-6 Astra（max，27k）。Muse Wonder Full（max）每项 Intelligence Index 任务的输入 token 用量比 Muse Wonder（max）少 16%（6.44M 对 7.69M），意味着它既更智能也更节省 token
➤ Muse Wonder（max）的每任务成本高于大多数智能水平相近的模型。 尽管输出 token 使用高效，但高昂的 API 定价（每百万输入 token 4 美元，每百万输出 token 20 美元）以及较高的输入 token 用量（每任务 7.69M）使 Muse Wonder（max）的成本达到每项 Intelligence Index 任务 4.52 美元。这低于 Claude Fable 5.1（max w/ fallback，7.63 美元）、Claude Opus 5.5（max w/ fallback，5.98 美元）和 Claude Sonnet 5.5（max w/ fallback，5.46 美元），但高于 GPT-6 Astra（max，3.26 美元）、Gemini 4 Argon（high，1.99 美元）、GPT-6.1 Sol（max，0.72 美元）以及其前代模型 Muse Spark 1.3（max，1.60 美元）。Muse Wonder Full 不按 token 计价，因此没有每任务成本数据
➤ 两款模型在 Coding Agent 性能上均有显著提升。 Muse Wonder Full 在 Muse Code 中以最大力度在 Artificial Analysis Coding Agents Index 上取得 68 分，与搭配 Sonnet 5.5 的 Claude Code（max，68）和 Opus 5.5（max，66）并列。Muse Wonder（max）得分为 63。相比之下，Muse Code 搭配 Muse Spark 1.3（max）的得分为 54，这是一个实质性提升
两款新模型的其他细节：
➤ 上下文窗口： 各为 1M token，与 Muse Spark 1.3 相同
➤ 定价： Muse Wonder 为每 1M token 输入 4 美元 / 缓存输入 0.20 美元 / 输出 20 美元。Muse Wonder Full 不按 token 计价
➤ 输入模态： 文本、图像、视频和音频
➤ 输出模态： 文本
➤ 可用性： Muse Wonder 在发布时即可在 Meta 第一方 API 和 Muse Code 上使用，而 Muse Wonder Full 仅供 Muse Code 用户使用
Muse Wonder Full（max）在十项 Artificial Analysis Intelligence Index v4.3 评估中的六项位列前三：
➤ CritPt（33%）和 GDP.pdf（33%）排名 #1
➤ GDPval-AA v2.1（1857 Elo）排名 #2
➤ AA-Briefcase（1729 Elo）、AutomationBench-AA（71%）和 SciCode（63%）排名 #3
CritPt和GDP.pdf上的领先优势很小，最接近的竞争对手得分为31-32%。在GDPval-AA v2.1上，其结果落在Claude Opus 5.5（max w/ fallback，1866）和Claude Sonnet 5.5（max w/ fallback，1838）的置信区间之内
相比Muse Spark 1.3（max），其提升最大的是Terminal-Bench 4.0：从33%提升到57%，与Gemini 4 Argon（high）持平
Muse Wonder（max）每项Artificial Analysis Intelligence Index任务成本为4.52美元，是Muse Spark 1.3（max，1.60美元）的2.8倍，这源于更高的每token价格和更高的输入token用量
➤ Token定价： 每1M输入token为4美元，缓存为0.20美元，输出为20美元，高于Muse Spark 1.3的1.25美元 / 0.15美元 / 4.25美元。这与Claude Opus 5.5持平，是Claude Sonnet 5.5、Gemini 4 Argon和GPT-6.1 Sol（2美元/10美元）各自的两倍，比GPT-6 Astra和Claude Fable 5.1（10美元/50美元）低60%
➤ 输入： 每任务7.69M输入token，比Muse Spark 1.3（max，6.03M）多28%，是Gemini 4 Argon（high）、GPT-6.1 Sol（max）和GPT-6 Astra（max）的2-7倍。输入占其每任务成本的3.43美元（76%），由1.92美元缓存写入、1.44美元缓存命中和0.07美元未缓存输入构成
➤ 输出： 每任务约54k输出token（1.08美元），比Muse Spark 1.3（max，60k）少10%
知识仍是这两个模型的相对弱项，但其极低的幻觉率缓解了这一问题。 在AA-Omniscience上，Muse Wonder Full (max)得分为30，Muse Wonder (max)得分为25，与Muse Spark 1.3 (max)持平，低于Claude Opus 5.5（46）、GPT-6 Astra（43）、Gemini 4 Argon（42）和Claude Sonnet 5.5（32）
Muse Wonder Full (max)的5分提升来自其幻觉率的降低（从33%降至23%），这使其跻身受测模型中幻觉率最低的行列：在智能指数（Intelligence Index）得分达到45或以上的模型中，它的幻觉率第二低，仅次于Gemini 4 Argon（high，15%）。Muse Wonder (max)以27%位居第三
Muse Wonder Full (max)和Muse Wonder (max)在Artificial Analysis智能指数（Intelligence Index）上的完整结果：
请在以下位置将Muse Wonder Full (max)和Muse Wonder (max)与其他领先模型进行比较： https://artificialanalysis.ai/models/muse-wonder-full 和 https://artificialanalysis.ai/models/muse-wonder