美国东部时间10月12日，Meta发布了新一代人工智能模型系列Muse Wonder，包括基础版本Muse Wonder和更强版本Muse Wonder Full。Meta称，这是该公司迄今最强的模型，面向个人与专业场景的代理式任务设计，标志着其人工智能模型在与主要竞争对手的比拼中重新回到前沿位置。发布当天，Meta股价收涨，投资者对这一进展作出积极回应。
事件经过
根据Meta当天公布的信息，Muse Wonder系列包含两个版本。Muse Wonder通过Meta模型应用程序接口与Muse Code提供使用，Muse Wonder Full则面向Muse Code订阅用户提供。Meta同时表示，Muse Wonder还将很快为其个人智能助手产品Muse提供支持，并将首先面向订阅用户推出。这一安排意味着，付费订阅用户将优先获得更强的模型能力，而免费版本与付费版本将在模型性能和使用额度上形成区分。
Meta为Muse Wonder系列介绍了两项核心能力。第一项是主动记忆，模型可以在对话之间保留用户此前提供的重要信息，包括对话历史、偏好与习惯，并在后续任务中加以利用，从而减少用户在持续性任务中重复提供信息的需要。第二项是主动专注，模型可以在复杂或含糊的任务上持续推进，尝试不同方法，适应新的信息，在遇到问题时调整策略，在必要时向用户提出澄清问题，并在采取重要行动之前先向用户确认。Meta表示，这些能力旨在解决现有智能助手在处理多步骤任务时容易中断的问题。
在价格方面，Muse Wonder经Meta模型应用程序接口提供的定价为每百万输入代币约4美元、每百万输出代币约20美元。这一价格水平与市场上部分顶级模型的公开定价相近。Meta没有在发布公告中单独公布Muse Wonder Full的按量定价，其使用方式与Muse Code订阅挂钩。关于订阅价格区间，不同报道的说法并不完全一致，本文不采用未经Meta官方公告确认的订阅价格数字，一切以Meta官方公布为准。
在性能方面，Meta公布了自有对比测试结果。在长时软件工程任务测试中，Muse Wonder Full的得分为百分之五十七点五，高于其公布的竞争对手得分。在另一项编码测试中，Muse Wonder Full的得分为百分之七十九，也高于其公布的竞争对手得分。需要说明的是，这些是Meta自行公布的对比结果，测试条件与评分口径由Meta设定，读者应将其与独立第三方评估结合来看。
独立评估机构人工分析给出的结果更为接近。该机构的智能指数显示，Muse Wonder Full得分为五十六分，Muse Wonder得分为五十二分。其中，Muse Wonder Full的得分低于当时领先模型的五十八分，高于部分竞争模型的五十三分。这一结果表明，Meta的新模型已经进入第一梯队，但并未在独立评估中全面领先。Meta还表示，Muse Wonder是其迄今对齐程度最高的模型，并称模型经过训练以保护隐私信息、抵御恶意指令。不过，Meta承诺的更完整的安全评估报告尚未公布，安全方面的说法尚无法对照完整测试结果进行核对。
各方反应
Meta首席执行官马克·扎克伯格在发布前后接受英国金融时报采访时表示，公司的模型能力已经追上竞争对手，并表示将显著加快模型开发节奏，下一阶段的工作已经在推进。Meta首席人工智能官亚历山大·王表示，新模型与市场上最强的模型具有竞争力，尤其是在个人与专业场景的代理式工作中。Meta的表态显示，公司希望外界把这次发布视为其人工智能战略重新回到竞争前沿的标志。
市场方面，Meta股价在发布当天上涨。根据路透社经韩国媒体转引的报道，Meta股价当天收于七百四十二点九六美元，较前一交易日上涨百分之三点三八。另有报道称涨幅接近百分之四，不同报道的涨幅数字因统计时点与口径不同而略有差异。股价反应表明，投资者对Meta在模型能力上的进展给予了正面评价，但单日股价波动本身不能作为判断模型长期表现的依据。
行业观察人士指出，这次发布的另一个看点是商业模式的变化。Meta此前以免费、开放的人工智能策略为主，而Muse Wonder系列采用闭源、付费模式。这一转变意味着，Meta开始尝试通过高性能模型直接获得收入，而不再只把模型作为吸引用户使用免费服务的方式。模型能否留住用户，还取决于其在真实任务中的稳定性、记忆功能的透明度以及用户对隐私保护的信任程度，这些都需要更长时间的使用检验。
背景影响
这次发布距离Meta上一次重要模型发布仅一个多月。此前，Meta推出了侧重编码与代理性能的Muse Spark模型，定位相对轻量高效。而Muse Wonder系列的定位更高，训练规模更大，目标是直接参与前沿模型的竞争。报道称，此次发布之前，Meta经历了约十四个月的人工智能业务重组，包括计算基础设施的大规模投入与专业研究人员的招募。这一背景说明，Muse Wonder系列是Meta在重组之后推出的重要成果。
从行业格局看，人工智能模型的竞争已经从单轮问答转向代理式任务，即模型能否在真实环境中完成多步骤、跨应用的工作。主动记忆与主动专注正是针对这一方向设计的能力。如果模型能够可靠地记住用户偏好、持续推进任务并在关键节点请示用户，将对编程、财务分析、法律查询等专业工作产生实际帮助。但如果记忆内容不透明、任务推进过程不可见，用户反而可能对模型产生不信任。因此，产品层面的透明度与可控性，将与模型本身的得分同样重要。
对于开发者而言，定价与接入方式是实际决策因素。Muse Wonder通过应用程序接口提供使用，开发者可以按量付费调用。Muse Wonder Full则与Muse Code订阅绑定，更适合已经使用该编码工具的用户。对于普通用户而言，最直接的影响将来自个人助手Muse的升级，订阅用户将率先体验到新模型。Meta尚未公布免费用户的具体升级时间表，相关安排以Meta官方公布为准。
总体来看，Muse Wonder系列的发布表明，Meta在经历一段相对落后之后，重新回到了前沿模型的竞争中。Meta自有测试显示其在部分编码与代理任务上领先，独立评估显示其处于第一梯队但并未全面领先。模型的真实表现、安全性与商业化前景，仍需后续的独立评测、完整安全报告与实际使用情况来验证。
对于希望试用新模型的用户而言，最重要的是理解主动记忆的边界。模型记住的内容越多，用户越需要知道哪些信息被记住、如何被使用以及如何删除。Meta表示模型会保护隐私信息并抵御恶意指令，但具体的控制方式、数据保留期限与用户删除权限尚未在发布公告中完整说明。这些细节将直接影响用户是否愿意把日程、文档与私人消息交给代理式助手处理，也是后续评测应当重点关注的部分。
从开发者角度看，Muse Wonder与Muse Code的组合值得关注。编码任务往往需要跨多个文件修改、反复测试与修订，模型能否在长任务中保持进度、记住此前的修改与测试结果，是决定其是否真正可用的关键。Meta称新模型经过长任务训练，能够在开发过程中保持进展。这一说法是否成立，需要开发者在真实项目中进行检验，包括多文件重构、错误修复与需求变更等常见场景。独立评测中的编码得分可以作为参考，但不能替代真实项目的验证。
从竞争格局看，人工智能行业的竞争已经进入新的阶段。过去的竞争主要围绕模型能否给出正确的回答，现在的竞争则围绕模型能否可靠地完成任务。主动记忆与主动专注正是针对这一转变提出的能力。如果Meta能够在保持性能的同时提供透明的记忆管理与可靠的行动确认机制，其模型将有机会获得更多开发者与订阅用户的信任。反之，如果记忆功能不透明或任务执行不稳定，模型得分再高也难以转化为长期的用户留存。
权威一手来源
- Meta官方公告，经Meta人工智能账号于10月12日发布
- 路透社相关报道，经韩国经济日报转引
- 人工分析独立评估指数
- 英国金融时报对Meta首席执行官的采访，经报道转引
核验日期：2026年10月13日
免责声明
本文基于公开报道与官方公告整理，仅供信息参考，不构成投资建议或技术选型建议。模型性能、价格与服务范围以Meta官方公布为准。文中引用的第三方评估结果来自相关机构的公开评分，评分方法与适用范围以该机构的说明为准。
更多美国新闻与实用资讯，欢迎关注美国通微信公众号，微信号搜索UUUMGT添加。
评论前必须登录！
注册