Artificial Analysis (@ArtificialAnlys) · 2026/10/13 01:25:55
Meta 发布 Muse Wonder 系列模型：智能指数跃升至 56，代理任务性能显著突破
Meta 推出 Muse Wonder 与 Muse Wonder Full 两款新模型，在 Artificial Analysis 智能指数 v4.3 中分别取得 52 和 56 分，较前代 Muse Spark 1.3 有实质性提升。其中 Muse Wonder Full 在 Terminal-Bench、GDPval-AA 等代理（Agent）核心评测基准上实现大幅分数增长，标志着其在自主任务执行能力上的关键突破。
报道全文原始报道全文
Artificial Analysis (@ArtificialAnlys) · 2026-10-12 17
Meta 发布了 Muse Wonder 和 Muse Wonder Full，在最大推理努力（max reasoning effort）设置下，其 Artificial Analysis Intelligence Index v4.3 得分分别为 52 和 56。相较于 Muse Spark 1.3 (max) 的 48 分，两者均实现了显著提升，且发布间隔仅 6 周。
Muse Wonder 已面向 Meta 第一方 API 用户开放，而 Muse Wonder Full 目前仅向 Muse Code 用户提供。Meta 指出，这两款模型均专为个人及专业智能体（agent）使用场景设计。
祝贺 @AIatMeta、@finkd 和 @alexandr_wang 完成此次发布！
核心要点：
➤ 两款模型的总体 Intelligence Index 得分均出现显著跃升。Muse Wonder Full (max) 在全部十项 Intelligence Index 评估中均优于 Muse Spark 1.3 (max)，得分提升 8 点至 56。其中，智能体（agentic）类评估的提升幅度最大：Terminal-Bench 4.0（+24 分，从 33% 提升至 57%）、GDPval-AA v2.1（+176 Elo，从 1681 提升至 1857）以及 AA-Briefcase（+148 Elo，从 1581 提升至 1729）。Muse Wonder (max) 的 Intelligence Index 得分提升 4 点至 52，相较于 Muse Spark 1.3 (max)，其在 Terminal-Bench 4.0（从 33% 提升至 52%）和 AutomationBench-AA（从 58% 提升至 68%）上表现尤为突出。
➤ Muse Wonder Full (max) 在十项 Intelligence Index 评估中的六项位列前三，尤其在智能体知识工作和科学推理方面表现强劲。在智能体知识工作领域，它在 GDP.pdf 上以微弱优势领先（33%），在 GDPval-AA v2.1 上排名第二（1857 Elo），并在 AA-Briefcase（1729 Elo）和 AutomationBench-AA（71%）上均排名第三。在科学推理方面，它以 33% 的成绩登顶 CritPt 排行榜，并在 SciCode 上以 63% 的成绩排名第三。这延续了 Muse Spark 1.3 (max) 在这两个领域的相对优势，后者此前也展现出卓越的能力。
➤ 两款模型的输出 token 数量均少于 Muse Spark 1.3 (max)。Muse Wonder (max) 和 Muse Wonder Full (max) 每项 Intelligence Index 任务的平均输出 token 数约为 54k，较 Muse Spark 1.3 (max) 的 60k 减少约 10%。这一用量低于同等智能水平的 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)。此外，Muse Wonder Full (max) 每项 Intelligence Index 任务的输入 token 数比 Muse Wonder (max) 少 16%（6.44M vs 7.69M），这意味着它既更智能，又更具 token 效率。
➤ Muse Wonder（max）的单任务成本高于大多数同等智能水平的模型。尽管其输出 token 使用效率较高，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 消耗量（每任务 769 万 token），使得 Muse Wonder（max）在“智能指数”任务上的成本达到 4.52 美元。这一成本低于 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）及其前代产品 Muse Spark 1.3（max，1.60 美元）。目前尚未公布 Muse Wonder Full 的按 token 计费价格，因此现阶段无法估算其单任务成本
➤ 两款模型在编码代理（Coding Agent）性能上均有显著提升。Muse Wonder Full 在 Muse Code 中以最大努力程度运行，在 Artificial Analysis Coding Agents Index 中得分 68，与搭配 Sonnet 5.5（max，68 分）和 Opus 5.5（max，66 分）的 Claude Code 表现相当。Muse Wonder（max）得分为 63。相比使用 Muse Spark 1.3（max）的 Muse Code（得分 54），这些成绩代表了实质性的提升
这两款新模型的其他细节如下：
➤ 上下文窗口：均为 100 万 token，与 Muse Spark 1.3 保持一致 ➤ 定价：Muse Wonder 的价格为每百万 token 输入 4 美元 / 缓存输入 0.20 美元 / 输出 20 美元。Muse Wonder Full 的按 token 计费价格尚未公布 ➤ 输入模态：文本、图像、视频和音频 ➤ 输出模态：文本 ➤ 可用性：发布时，Muse Wonder 可通过 Meta 的第一方 API 和 Muse Code 获取，而 Muse Wonder Full 仅向 Muse Code 用户开放
