TechCrunch AI · 2026/10/13 01:56:56
Meta 发布首个前沿模型 Muse Wonder：对标 GPT-6 与 Claude，依托 Prometheus 数据中心实现超大规模训练
Meta 超级智能实验室推出其首款前沿大模型 Muse Wonder 及完整版 Wonder Full，旨在通过更大参数规模在编码等复杂任务上超越轻量级 Spark 系列。基准测试显示其性能可与 GPT-6 Astra 和 Fable 5.1 持平，定价策略与顶级闭源模型相当，且完整版仅向特定订阅用户开放并驱动内部 Agent。该模型依托 Meta 位于俄亥俄州的 Prometheus 数据中心完成训练，标志着其在个人超级智能路径上的关键一步。
报道全文原始报道全文
Meta 的超级智能实验室（Superintelligence Lab）于周一发布了两款全新的最先进模型：Muse Wonder 和 Muse Wonder Full，这标志着该公司首次尝试开发前沿模型。
如果说 Muse Spark 旨在成为一款能够在低延迟下运行的高性能轻量级模型，那么 Wonder 系列模型则规模更大，且据称能力更强，在基准测试中得分更高，并在编程等复杂任务上表现更佳。
根据 Meta 的测试数据（详见模型卡），Wonder 和 Wonder Full 取得的基准测试分数与 Fable 5.1 和 GPT-6 Astra 相当。
Meta 在其关于这些模型的博客文章中写道：“它们共同构成了我们扩展阶梯上的下一步，也是迈向个人超级智能的重大飞跃。”
这种规模也反映在定价上：通过 Meta Model API 访问时，Wonder 的费用为每百万输入 token 4.00 美元，每百万输出 token 20.00 美元，其成本大致相当于 GPT-6 Sol 或 Opus 5.5。
值得注意的是，Wonder Full 仅向 Muse Code 订阅用户开放，且不通过 API 提供服务。这两款模型还将用于驱动 Muse 智能体（agent）。
鉴于 Meta 致力于开发能够长期执行任务的个人助手，该公司特别强调了新模型对用户所提供信息的保留与整合能力，Meta 将这一特性称为“主动记忆”（active memory）。
为了实现更好的记忆回溯，Meta 重点介绍了 MemoryBench 基准测试，该测试旨在挑战持续学习和记忆构建框架。根据公司的测试结果，Muse Wonder 在 MemoryBench 上的得分现已高于 Fable、Opus 或 Astra。
研究科学家 Kavya Kopparapu 在随发布一同推出的视频中表示：“我们付出了巨大的努力，以确保你的模型能够记住对你而言重要的内容，无论是几天、几周、几个月还是更长时间。”
这是自 Scale AI 创始人 Alexandr Wang 于去年八月重组 Meta 的人工智能业务以来，首个前沿模型的发布。此后，Meta 发布了轻量级的 Muse Spark 模型和 Muse 智能体，但一直避免推出 OpenAI 和 Anthropic 所擅长的那种最先进模型。
据该帖子称，这些模型是在 Meta 位于俄亥俄州中部的 Prometheus 数据中心进行训练的，该数据中心已于今年早些时候投入运营。