北京时间 10 月 13 日凌晨,Meta 超级智能实验室(MSL)放出 Muse Wonder 和 Muse Wonder Full。Meta 自己的发布页写着:这是公司迄今能力最强的模型,十四个月前启动的那次 AI 体系重建,如今从打地基走到了冲前沿。市场先投了票——当天 Meta 股价收涨 3.38% 到 742.96 美元,市值约 1.89 万亿美元。
但这次真正的转折点不在跑分,而在卖法:Meta 第一次把旗舰模型锁进付费墙。Llama 时代那个把权重免费撒出去的角色退场了,现在最强的那一档只给订阅用户,连 API 都不提供。下面只回答四件事:它是什么、哪些说法能信、账怎么算、你该不该上。
一、这事是什么:三句话讲清
- 两个版本,两种待遇。Muse Wonder(模型 ID
muse-wonder-1.0)即日起通过 Meta Model API、Muse Code 和 OpenRouter 开放;更强的 Muse Wonder Full 只面向 Muse Code 订阅用户,不提供 API 调用。 - 规格。上下文窗口 100 万 token(OpenRouter 的公开清单里登记为 1,048,576),支持文本、图像、视频、音频与 PDF 输入。权重不公开,和 Claude、GPT 一样是闭源商业模型,不再有 Llama 那种下载路径。
- 官方主推的两项能力。Active Memory 负责跨对话携带与当前任务相关的信息,Active Focus 负责在碰壁时换路径、从错误里恢复,并在执行重要操作前先跟你确认。这两项是训练方式带来的特性,应用里没有开关可以打开或关掉。
顺带记住一个背景数字:这两款模型在 Meta 位于俄亥俄州中部、吉瓦级的 Prometheus 数据中心完成训练。扎克伯格在同期播客里给的账是,一座 1GW 算力集群前期建设要 500 亿到 600 亿美元,一年运营约 150 亿美元。这个量级的投入,决定了后面所有定价都不会便宜。
二、先分清实锤、加料和暂时没影的事
三条可以直接核对的实锤:
- 开放范围。Meta 发布页写明:Muse Wonder 即日通过 Meta Model API 与 Muse Code 开放,Muse Wonder Full 即日面向 Muse Code 订阅者,Muse Wonder 之后才会进 Muse 应用、且先给订阅用户。这里没有含糊空间。
- 价格。OpenRouter 的公开模型清单里,
meta/muse-wonder登记的输入是每百万 token 4 美元、输出 20 美元、缓存读取 0.20 美元,与 Meta 定价页和各家中文报道的口径一致。同一个档位上,Claude Opus 5.5 也是 4/20/0.20——Meta 是精确贴着 Anthropic 的旗舰价定的,比 Fable 5.1 和 GPT-6 Astra 的 10/50 便宜 60%。 - 四档订阅。Muse 个人应用每月 20 美元和 100 美元;Muse Code 分 50 美元的 Power Usage 和 200 美元的 Maximum Usage。应用本身仍可免费使用,免费层继续跑上一代 Muse Spark,不是被砍掉。
两条要打折的说法:
- 中文圈里的“全面超越 Opus 5.5”只成立于 Meta 自测。第三方 Artificial Analysis 的综合智能指数上,Full 是 56 分、标准版 52 分,而 Opus 5.5 是 58 分——差 2 分,不是反超。Meta 自建的几个基准确实赢了,但那是自己出的卷子。
- “SWE-Marathon 反超 Opus”这条口径不一致。Meta 在模型卡里自己注明:对手是走 Codex 和 Claude Code 测的,而 Wonder Full 跑在 xhigh 档。同一张表里两种跑法,赢多少都不能直接读。
还有一条是暂时没影的事:发布页说“包含更多安全评估的完整报告将很快公布”,到今天还没出现。同时官方承认,最强的那套网络滥用防护是随付费模型一起给的——这句话把免费层的风险敞口摆在了明面上。
最后一条是我们自己撞到的墙。第三方整理版给出的接入路径是:去 dev.meta.ai 注册开发者账号、控制台建 Key、把 base URL 指向 api.meta.ai/v1、兼容 OpenAI 与 Anthropic 的 SDK。我们在这台服务器上实测了一遍——dev.meta.ai 直接连接超时,api.meta.ai 被重置连接,机房 IP 访问被拒。所以这条路径只能当第三方整理版理解,正式上生产前请以官方文档原文为准,别照抄别人的配置片段。
三、价格横评:它落在哪一档
| 模型 | 输入($/百万 token) | 输出($/百万 token) | 缓存读取($/百万 token) | 备注 |
|---|---|---|---|---|
| Meta Muse Wonder | 4.00 | 20.00 | 0.20 | 10/12 上线,闭源,100 万上下文 |
| Meta Muse Spark 1.3 | 1.25 | 4.25 | 0.15 | 上一代,免费层主力 |
| Claude Opus 5.5 | 4.00 | 20.00 | 0.20 | 9/22 上线,AA 指数 58 |
| Claude Sonnet 5.5 | 2.00 | 10.00 | 0.10 | 9/28 上线,AA 指数 56 |
| Claude Haiku 5.5(≤10 万 token) | 0.10 | 0.50 | 0.01 | 10/7 上线,最小杯 |
| Claude Fable 5.1 | 10.00 | 50.00 | 0.25 | 输出单价是 Wonder 的 2.5 倍 |
| GPT-6 Astra | 10.00 | 50.00 | 1.00 | 缓存读取是 Wonder 的 5 倍 |
| GPT-6 Sol | 2.00 | 10.00 | 0.20 | 中杯 |
| GPT-6 Luna | 0.10 | 0.50 | 0.01 | 小杯 |
单价之外还有一张更该看的表。Artificial Analysis 按综合指数的任务集跑了一遍,把每个模型在自己最强档位下的花费换算成每任务加权成本:
| 模型 | 每任务成本 | 相对 Muse Wonder |
|---|---|---|
| GPT-6.1 Sol | 0.72 美元 | 便宜 84% |
| Muse Spark 1.3(上一代) | 1.60 美元 | 便宜 65% |
| Gemini 4 Argon | 1.99 美元 | 便宜 56% |
| GPT-6 Astra | 3.26 美元 | 便宜 28% |
| Muse Wonder | 4.52 美元 | —— |
| Claude Sonnet 5.5 | 5.46 美元 | 贵 21% |
| Claude Opus 5.5 | 5.98 美元 | 贵 32% |
| Claude Fable 5.1 | 7.63 美元 | 贵 69% |
这张表里最扎眼的是相邻两行的对比:Muse Wonder 比它自己替换掉的上一代贵了 182%(1.60 美元涨到 4.52 美元)。Artificial Analysis 另外量到一个细节——Wonder 和 Full 每完成一项任务平均输出约 5.4 万 token,比上一代少约 10%。也就是说 token 用得更省了,账单还是涨了近三倍,涨幅全部来自单价。
四、跑分:第三方和官方自测分开看
先把第三方的读数摆出来,这部分是可以被复现的。
| 基准(考什么) | Muse Wonder Full | Muse Wonder | Claude Opus 5.5 | GPT-6 Astra |
|---|---|---|---|---|
| AA 智能指数 v4.3(综合) | 56 | 52 | 58 | 53 |
| MemoryBench(长对话记忆) | 85.5 | 85.6 | 81.5 | 81.4 |
| SWE-Marathon(超长软件工程) | 57.5 | 53.1 | 46.3 | 42.5 |
| DeepSWE 1.1(真实软件工程) | 79.0 | 78.8 | 74.2 | 74.1 |
| Terminal-Bench 4.0(终端任务) | 57.1 | —— | 59.6 | —— |
| OSWorld V2.1(看图操作电脑) | 78.4 | 72.6 | 81.8 | —— |
| ProgramBench(短程编程) | 59.0 | —— | 70.5 | —— |
| AA-Omniscience(通用知识) | 30 | —— | 46 | 43 |
读这张表的正确姿势是按任务长短分家:
- 越长的活它越强。SWE-Marathon 和 DeepSWE 这两项都是“改上几小时、动到多个文件还要自己跑测试”的题,Wonder 两个版本都排第一;Terminal-Bench 4.0 从上一代的 33% 直接跳到约 57%。
- 短活和通用知识是它明确的坑。ProgramBench 上 Opus 5.5 是 70.5%、它只有 59.0%;AA-Omniscience 只有 30 分,而 Opus 5.5 是 46 分。这不是小差距——把 Wonder 当百科问答主力用,会明显感到它不如对手。
- 有一项短板被涨分掩盖了:它的幻觉率从上一代的 33% 降到 23%,在同档模型里排第二低,最低的是 Gemini 4 Argon 的 15%。知识分低但乱说的比例也低,官方说法是“不知道就说不知道”,这个组合对 Agent 场景其实是加分项。
- 电脑操作落在中间。OSWorld V2.1 上 Opus 5.5 的 81.8% 领先,Full 是 78.4%、标准版 72.6%。要用它代替人点网页,现在还不是最稳的一档。
官方自测那部分(Meta 个人超级智能指数 59.1、AutomationBench-AA 45.4、Harvey 法律基准 13.1 对 Opus 的 4.2、Vals Finance Agent V2 59.1)方向一致,说明 Meta 的重心确实压在个人与专业智能体上,但那是自家卷子,等第三方复现再下结论更稳。
五、怎么用起来:三条路,以及三个坑
路径一:不花钱。Muse 应用继续免费,免费层跑的是上一代 Muse Spark。想用 Wonder,要等应用内分批放开,而且先给订阅用户。这是最省钱、也最慢的一条路。
路径二:订阅。个人在日常事务上想用 Wonder,走 Muse 应用每月 20 美元或 100 美元这一档;要在编程 agent 里拿到那个 56 分的满血版 Full,只有 Muse Code 的 50 美元与 200 美元两档能选。注意这两个产品的订阅是分开计的,想在应用里干活又在编辑器里写代码,是两份钱。
路径三:API。开发者走 Meta Model API 或 OpenRouter,模型 ID 是 muse-wonder-1.0(OpenRouter 上是 meta/muse-wonder),100 万上下文,按量计费。如果要控制账单,重点不在输入价而在缓存读取的 0.20 美元:把 system prompt、工具 schema、文件前缀这些固定内容放在请求最前面并且保持稳定,命中缓存的那部分比新输入便宜 20 倍。这是长任务里占比最高的一项。
三个坑,按踩到的概率排序:
- API 里拿不到那 56 分。所有惊艳的跑分大多来自 Wonder Full,而 Full 不提供 API。API 用户拿到的是标准版 Muse Wonder,在综合指数上低 4 分(52 对 56),这一档要自己打折扣。
- 刚上线就出过额度故障。发布当天 Muse Code 的额度统计出错,Wonder 和 Full 的额度消耗异常快,首席 AI 官汪滔当天在 X 上表示已修复并重置了额度。真实计费事故,不是传闻。
- “最强防护只随付费模型提供”这句话值得多想一层。它等于承认免费层级的滥用风险更高,也给监管留了一个现成的追问角度。对个人用户来说,它反过来是个信号:如果你是靠 API 做灰产味儿的活,这条路会越来越窄。
六、争议:刷榜质疑和开发者的两种声音
上线当天,开发者实测的分歧比跑分本身更好看。
- 3D 演示翻车。一批开发者拿同一提示词做对比,发现它在 3D 小游戏这类演示上明显逊色,有人说自 Opus 4.8 以来几乎所有主流模型在这类测试上都比它好。汪滔的回应很直接:团队确实没有专门针对 3D 演示训练模型,不后悔,请大家拿它做真实编程工作。但反方也有一句站得住的话——游戏演示本身也是代码做出来的。
- 重写代码库的测试里差得明显。Every 做了一项让模型从头重写一个 AI 辅助生成项目的测试,标准版 Muse Wonder 1.0 拿到 48%,而 GPT-6.1 Sol 是 71%,两者都用 Codex CLI 和 high 档。
- 口碑按任务分化。有人把它和 Opus 5.5 排在同一档,也有人专门提醒“API 版那个标准版明显更弱”;有人用标准版生成 RISC-V 处理器核心设计并准备流片,也有人说前端设计、创意写作这类活它不理想。同一个模型,评价能差这么远,说明它是专才而不是全才。
- 平台侧的第一堵墙已经砌了。9 月下旬亚马逊在自家零售网站封禁了 Muse,理由是它绕过站点内置购物功能、疑似获取并存储客户凭证;Meta 否认未授权访问用户消息,把问题归到用户早前授权后遗忘。这件事的意义不在于谁对谁错,而在于:“像人一样用浏览器”的 Agent,和平台方的利益天然对立,亚马逊只是第一个。
七、我的判断:谁该上、谁再等等、谁别碰
该上的:
- 跑长周期智能体任务的人。跨对话记忆、长程软件工程、法律与金融文档梳理这三块,它确实是当前第一梯队,而且价格比 Opus 5.5 和 Fable 5.1 低。
- 已经在付 Muse Code 订阅的人。50 美元档直接解锁 Full,拿到的就是那个 56 分,这是全网唯一能用到满血版的口子。
- 做个人助理类产品、需要“记住用户”能力的团队。MemoryBench 85.6 对 81.5 这个差距,在真实的长对话场景里比综合指数那 2 分更有体感。
再等等的:
- 只想调 API 的人。你拿不到 Full,标准版在短程编程(ProgramBench 59 对 70.5)和通用知识(30 对 46)上明显落后,先用一个月把真实任务跑一遍再决定要不要换主力。
- 把成本当第一约束的人。它替换自家上一代之后每任务贵了 182%,而 GPT-6.1 Sol 是 0.72 美元、Gemini 4 Argon 是 1.99 美元。省钱的活没必要用最贵的刀。
- 需要电脑操作代替人点网页的场景。OSWorld 上它落后 Opus 5.5 约 3 到 9 个百分点。
别碰的:
- 想自部署、要开源权重的人。Meta 这次连权重都不放了,想要能下载能改的模型,这条线彻底断掉,去 MiMo、GLM、DeepSeek 那边找。
- 指望 20 美元档长期跑重活的人。摩根士丹利对 Muse 的成本模型给出的区间是每个用户每月 3 到 130 美元、基准情景 37 美元,而最低档订阅只要 20 美元——这个缝隙短期靠规模填,长期只有两条出路:收窄额度,或者涨价。把用量假设建立在“永远这么便宜”上,是有风险的。
Meta 用十四个月和千亿级基建,换回了一张前沿入场券,也换回了一个身份:从 AI 理想主义者变成 AI 生意人。基准是自己测的,口碑要用钱包投票。真正值得盯的不是它今天赢了几分,而是接下来三个月里,20 美元那一档的额度会不会悄悄缩水——那才是这颗西瓜甜不甜的信号。
本文由拾光札记编辑部整理,勘误请联系我们