一场“龙虾”改变的豪赌：Meta的第二次翻身仗失败？

来源| Tech星球

文| 华卫

10月13日凌晨，刚凭爆火的个人AI智能体应用Muse“回到”AI牌桌不久的Meta，发布新一代旗舰模型系列Muse Wonder，包括Muse Wonder和Muse Wonder Full两个型号，再次向OpenAI和Anthropic发起挑战。目前，只有Wonder Full对付费用户开放，但据称新模型系列很快将为 Muse 中的体验提供支持。

Meta CEO马克·扎克伯格在Threads博客上写道： “Muse Wonder是朝着为每个人提供个人超级智能迈出的重要一步。”在 Meta 的个人超级智能指数中，Wonder Full 得分为 59.1 分，Claude Opus 5.5 得分为 55.2 分，GPT-6 Astra 得分为 54.5 分，Claude Fable 5.1 得分为 49.9 分。

而来自第三方评测机构 Artificial Analysis 的综合智能指数榜上（该排名基于 10 项评估的加权平均值，涵盖人工智能代理、编程、常识和科学推理），仍然将 Opus 5.5 排在第一位，Wonder Full 与 Anthropic 出品的更便宜的 Claude Sonnet 5.5 并列，得分为 56 分，距离 Opus 5.5的58分仅差2分。

一场被“龙虾”改变的豪赌

模型发布后，扎克伯格接受《金融时报》采访时谈到，AI已经能做高深数学，却还不能稳定地为所有人做好客服。Meta AI 负责人Alexandr Wang则在访谈中进一步描绘了理想中的个人智能体：应该让用户觉得身边有一整支专家团队，包括法律、财务和医疗方面的帮手。

这一愿景并非凭空而来。就在Muse Wonder发布前一天，Wang在David Senra的播客中详细披露了Muse背后的故事。他提到，Muse最早是他和Meta Superintelligence Labs另一位核心人物Nat Friedman“玩OpenClaw（龙虾）玩出来的”。

据Wang回忆，Friedman最初让OpenClaw接入家里的监控摄像头，监督自己有没有按时喝水；随后又把一套心理分析Prompt分享给Wang，让Agent综合邮件、照片等个人信息进行连续多轮心理分析。Wang试过之后大受震撼，形容“感觉自己在一次AI体验里经历了相当于三年的心理咨询”。两人由此意识到，个人Agent或许正是Meta一直在寻找的产品形态。

在介绍 Muse Wonder 的博文中，Meta 强调该模型的设计兼顾了智能体工作流程和用户安全。据悉，Muse Wonder 具备 Active Focus（主动专注）和 Active Memory（主动记忆）。Meta 表示，这两项能力对于让 AI 智能体在复杂、长时间运行的任务中保持专注至关重要。

该公司将 Active Focus 定义为“在任务变得困难时仍能朝着目标继续推进、尝试其他方法、从错误中恢复并坚持到底的能力，在需要时请求澄清，并在执行任何重要事项前先确认”。它将 Active Memory 描述为“能够跨对话保留对你重要的内容，并重新调取与当前任务相关的细节的能力”。

在MemoryBench测试中，Muse Wonder取得85.6分，高于Meta报告中的GPT-6 Astra（81.4分）和Claude Opus 5.5（81.5分）。

安全方面，Meta表示，Muse Wonder模型将“避免未经许可分享私人信息”。并且，Meta声称，这些模型还将拒绝有害请求，同时帮助组织和用户进行网络安全防御。

Citrini也在试用过Muse Wonder后给出这样的结论是：Meta确实有机会为小型企业提供优质的智能代理服务，它在功能与执行效率方面都做得非常出色，在处理财务相关任务时也表现得相当不错。

此外，在长程编程这个竞争激烈的战场上，Wonder Full同样表现亮眼。在Meta公布的SWE-Marathon测试中，Wonder Full得分57.5%，显著高于Claude Opus 5.5的46.3%和GPT-6 Astra的42.5%。在Terminal-Bench 4.0中，成绩从Muse Spark 1.3的33%提升至约57%。

Artificial Analysis的编程智能体指数也印证了其进步：Muse Code搭配Wonder Full得到68分，与Claude Code搭配Sonnet 5.5持平。

这场翻身仗，考验才刚开始

对于Muse Wonder，Meta的期待很高。

扎克伯格在社交平台X上定下一个很高的调子：“Meta Superintelligence Labs 成立至今已一年有余。Muse Spark 是我们推出的首批模型系列，而如今，Muse Wonder 则是一个规模更大、性能更先进的模型系列，引领我们迈向科技前沿。”

然而，榜单上的亮眼成绩晒出不久后，Muse Wonder就在社区中陷入舆论漩涡。

不少开发者兴冲冲地去体验了Muse Wonder Full，结果大失所望。有用户给 Wonder Full 和 Opus 5.5 出了同一道题：制作一款可以边喝啤酒、抽雪茄边驾驶割草机的3A 级模拟游戏，并上传了两者的对比视频，Wonder Full的效果稍显逊色。

还有用户用 Wonder Full 搭建火箭场景，花费达到 14.3 美元但效果看起来很一般，甚至不如花6.9 美元用Kimi K3做出来的作品。

对此，Alexandr Wang很快在X上给出回应，坦承团队确实没有专门针对3D演示游戏训练模型。“现在回头看，或许我们应该多做这样的事情。”并且，他建议开发者更多使用新模型来做实际编程工作。

同时， Wang 还坦承，新模型的编码能力不如 Opus 5.5，目前还有很多bug在调查中。

如果说技术层面的进步是Meta重回牌桌的入场券，那么商业模式的转向则揭示了更深层的战略意图。两款Muse Wonder均未开放模型权重，标准版Wonder通过Meta Model API和Muse Code开放，定价为每百万输入Token 4美元、缓存输入0.2美元、输出20美元，价格与Claude Opus 5.5持平，是GPT-6.1 Sol标准输入输出价格的两倍，较GPT-6 Astra低60%。

具体任务成本上，据Artificial Analysis测算，Wonder在综合智能评测中，平均每项任务消耗约769万输入Token、5.4万输出Token，涉及多轮请求和工具调用，最终任务成本约为4.52美元，较上一代Muse Spark 1.3的1.60美元上涨183%，比GPT-6 Astra的3.26美元高出约39%。

面对高昂的推理成本，扎克伯格在访谈中也明确表示，Wonder模型规模更大，推理服务成本更高，因此现阶段优先提供给付费用户，而免费服务继续主要采用Spark。他希望未来能够将Wonder级别的能力压缩到Spark这样的轻量形态，为数亿消费者提供服务。