Meta 已发布 Muse Wonder 和 Muse Wonder Full, 这是其迄今为止最强大的模型。Muse Wonder 是 Meta 打造的前沿模型，面向个人和专业 AI 智能体。两款模型都针对长时间运行的智能体工作：编程、法律和金融任务，以及计算机操作。Muse Wonder 现已在 Meta Model API 与 Muse Code。Muse Wonder Full 仅限付费的 Muse Code 计划使用。
简而言之
- 尺寸： 1M token 上下文、文本、图像、视频和音频输入，输出文本。
- 运行于： 仅限 Meta 的云服务，通过 API 或 Muse Code CLI（macOS、Linux、Windows）。
- 性能： Muse Wonder Full 在 Meta 的基准测试表中14行里领先6行。它在若干项上落后于 Claude Opus 5.5。
- 最佳： Muse Wonder 在 MemoryBench 上得分 85.6，是所列全部 5 个模型中的最高成绩。
- 最差： Muse Wonder 在 ProgramBench 上得分为 50.0，而 Claude Opus 5.5 为 70.5。
什么是 Muse Wonder？
Muse Wonder 紧随其后 Muse Spark 在Meta的扩展阶梯上。Meta团队表示，它是 在其Prometheus数据中心接受训练，在预训练和强化学习方面均有提升。Meta 将其在陌生任务上更好的表现归功于更大的基础模型。
两项命名的行为定义了此次发布：
- 活动内存: 跨对话携带用户上下文，并取回任务所需的详细信息。
- 主动聚焦： 在困难任务上持续工作，尝试多种替代方案，并在重要操作前先行确认。
对于开发者，Muse Wonder 能够规划长任务并委派给子代理。它还能操作浏览器以及桌面和移动应用。
Muse Wonder 在基准测试中的表现如何？
以下所有分数均来自 Meta 发布的表格 ，均为最大推理努力（max reasoning effort）下的结果。其中若干行使用第三方来源，例如 Artificial Analysis、Vals AI 和 Datacurve。
| 基准测试 | Muse Wonder Full | Muse Wonder | Claude Fable 5.1 | GPT-6 Astra | Claude Opus 5.5 |
|---|---|---|---|---|---|
| Personal Superintelligence Index（内部） | 59.1 | 54.3 | 49.9 | 54.5 | 55.2 |
| Harvey LAB-AA | 13.1 | 10.0 | 6.4 | 8.6 | 4.2 |
| Vals Finance Agent V2 | 59.1 | 56.6 | 58.9 | 53.5 | 58.6 |
| AutomationBench-AA | 45.4 | 39.1 | 32.1 | 41.6 | 41.2 |
| OSWorld V2.1（部分） | 78.4 | 72.6 | 80.7 | 75.8 | 81.8 |
| MemoryBench（内部） | 85.5 | 85.6 | 79.0 | 81.4 | 81.5 |
| Terminal-Bench 4.0-AA | 57.1 | 52.0 | 52.0 | 59.1 | 59.6 |
| DeepSWE 1.1 | 79.0 | 78.8 | 67.4 | 74.1 | 74.2 |
| SWE-Marathon | 57.5 (xhigh) | 53.1 | 45.6 | 42.5 | 46.3 |
| ProgramBench | 59.0 | 50.0 | 55.5 | 52.5 | 70.5 |
| AA Intelligence Index v4.3 | 56 | 52 | 53 | 53 | 58 |
注：PSI、MemoryBench 和 FocusBench 是 Meta 的内部评估。该 模型卡 称竞争对手的运行属于尽力而为，可能未经过调优。竞争对手的 SWE-Marathon 结果使用了 Codex 和 Claude Code，因此这不是同一测试框架下的比较。
Muse Wonder 对比 Claude Opus 5.5、Claude Fable 5.1 和 GPT-6 Astra
| 特性 | Muse Wonder | Muse Wonder Full | Claude Opus 5.5 | Claude Fable 5.1 | GPT-6 Astra |
|---|---|---|---|---|---|
| 开发者 | Meta | Meta | Anthropic | Anthropic | OpenAI |
| 参数量 | 未披露 | 未披露 | 未披露 | 未披露 | 未披露 |
| 上下文 | 1M | 1M | 1M | 1M | 1.05M |
| 输入模态 | 文本、图像、视频、音频 | 文本、图像、视频、音频 | 文本、图像 | 文本、图像 | 文本、图像 |
| 开放权重 | 否 | 否 | 否 | 否 | 否 |
| API 价格（输入 / 输出，每 1M） | $4 / $20 | 仅限订阅 | $4 / $20 | $10 / $50 | $10 / $50 |
| 访问方式 | Model API、Muse Code | Muse Code Power（50美元）或 Maximum（200美元） | Claude API | Claude API | OpenAI API |
| DeepSWE 1.1 | 78.8 | 79.0 | 74.2 | 67.4 | 74.1 |
如何使用 Muse Wonder：新用户分步指南
第 1 步：打开 dev.meta.ai。 点击 Start building 以登录。Muse Code 的安装命令位于同一页面上。
第 2 步：选择你的模型。 Muse Wonder 每百万 token 输入价格为4美元，缓存价格为0.20美元，输出价格为20美元。Muse Wonder Full 需要 Muse Code 套餐：Power 每月50美元或 Maximum 每月200美元。
第 3 步：使用你的 Meta 账户登录。 确认你的姓名，接受 Model API 条款，然后点击 Get started.
第 4 步：添加账单信息，然后创建一个 API 密钥。 新账户会看到“无支付方式”横幅，并且 创建 API 密钥 保持禁用状态。在下方添加一张卡片。 账单，然后打开 API 密钥 并选择 创建 API 密钥. 将其导出为 MODEL_API_KEY，根据 快速入门.
步骤 5. 在 Playground 中进行测试。 打开 聊天，选择 muse-wonder-1.0，并设置温度、max tokens和推理力度。
第6步. 复制可运行的代码。 点击 获取代码 用于 curl 或 Python 代码片段。它调用 Responses 端点，地址为 https://api.meta.ai/v1/responses.
该 API 与 OpenAI 兼容，因此 OpenAI SDK 可以使用新的 base URL：
复制代码import os
from openai import OpenAI
client = OpenAI(base_url="https://api.meta.ai/v1", api_key=os.environ["MODEL_API_KEY"])
resp = client.responses.create(model="muse-wonder-1.0", input="List 3 risks in this lease clause: ...")
print(resp.output_text)
第 7 步：或者在终端中使用 Muse Code。 在 Mac 上，使用以下命令安装： curl -fsSL https://dev.meta.ai/install.sh | bash。在 Windows 上，使用 irm https://dev.meta.ai/install.ps1 | iex。运行 muse 在您的项目文件夹中，信任该工作区，然后登录。默认模型为 muse-spark-1.2。切换到 /models，或者启动时使用 muse --model muse-wonder-1.0.
要点总结
- Muse Wonder 以每百万 token 4美元/20美元的价格发布，上下文长度为1M。
- Muse Wonder Full 领先 DeepSWE（79.0）和 SWE-Marathon（57.5）。
- Claude Opus 5.5 仍然在 ProgramBench、OSWorld 和 Terminal-Bench 上保持领先。
- Wonder Full 仅限 Muse Code，每月 50 美元起。
- 目前还没有参数、开放权重或完整的安全报告。
请查看 研究博客, 模型卡 以及 开发者文档。所有功劳归于该项目的研究者。此外，欢迎在 Twitter 上关注我们，也别忘了加入我们的 150k+ML SubReddit 并订阅 我们的新闻通讯。等等！你用 Telegram 吗？ 现在你也可以在 Telegram 上加入我们了。
文章 Meta 推出 Muse Wonder 和 Muse Wonder Full：基准测试、定价及使用方法 首发于 MarkTechPost.