Meta 深夜甩出双弹，直接踩着 GPT-6 和 Opus 抢回牌桌

2026年10月14日

深夜，Meta 一口气发布了 Muse Wonder 和 Muse Wonder Full 两款模型，官方口径直接定为「Meta 迄今为止最强模型」。这次它没有含糊，按官方定义，这是全面迈向「个人超级智能」的一次推进。而真正让圈子里的人都抬头看的，是这次它终于能在基准上跟 Claude、GPT 正面硬刚了，不是那种「接近了、追平了」的客气说法。

在 Artificial Analysis 的智能指数上，Muse Wonder Full 拿到 56 分，跟 Sonnet 5.5 并驾，压过了 GPT-6 Astra；普通版 Wonder 也拿了 52 分，全面反超上一代 Muse Spark 1.3。更关键的是长任务编程，Meta 直接把 Opus 和 Astra 都踩下去了——而且不用上 Full，普通版 Wonder 就够了。

六周涨 8 分，十项全赢前代

按 Artificial Analysis 的统计，Muse Spark 1.3 和这两款新模型之间只隔了六周。智能指数从 48 冲到 56，涨了整整 8 分。十项测试全部超过 Spark 1.3，六项冲进前三，两项拿到第一。科学推理 CritPt 和专业文档 GDP.pdf 里，Full 都拿到 33%，冲到 AA 当次榜单第一；知识工作 GDPval-AA v2.1 拿到 1857 Elo，排第二。

让我最感兴趣的是跑分之外那类「真干活」的测试。Terminal-Bench 4.0 要求 AI 自己读文件、敲命令、处理报错——这类任务最能暴露模型是不是只会嘴上说。Spark 只能完成 33% 的任务，Full 做到了 57%，一口气提高 24 个百分点。另一家评测机构 Vals 的综合榜里，Full 以 64.57 分冲到第五，超过榜上所有 OpenAI 模型。

编程上的反超更直接。SWE-Marathon 上 Full 拿到 57.5%，Opus 5.5 是 46.3%，Astra 是 42.5%，领先幅度 11.2 和 15 个百分点；普通版 Wonder 也有 53.1%，照样超过这两款旗舰。AA 的编程 Agent 榜上，Muse Code 搭载 Full 拿到 68 分，追平 Claude Code 搭载 Sonnet 的成绩，超过搭载 Opus 的 66 分。上一代搭配 Spark 1.3 只有 54 分，换上 Full 直接涨了 14 分。

最让我留意的是数学那块：ProofBench 里 Full 做对 94 道证明题，比前代多 36 道，同榜 Opus 是 100、Astra 是 99。题做得更多，输出 token 反而从 450 万降到 270 万，少了四成——做应用时平均步骤从 120 步减到 62 步。这说明它的「思考」更省了，不是靠狂写 token 堆出来的。

少编答案，是这次最明显的改观

专业工作上，法律任务 Harvey LAB-AA 里 Full 拿 13.1 分，Opus 是 4.2 分，前者是后者的 3.1 倍。金融任务 59.1 分，也超过 Opus 的 58.6 和 Astra 的 53.5。14 项测试里 Full 有 8 项超过 Opus 5.5、11 项超过 GPT-6 Astra。

这里有个细节值得单独说：AA 的 6000 道知识题里，统计的是「没答对的题里仍然给出错误答案」的比例，Full 的幻觉率是 23%，Astra 是 51%，Opus 是 59%。也就是说，它更少硬答，答不上来就少编。但代价也有——知识指数只有 30，低于 Astra 的 43 和 Opus 的 46。这不是无敌，是取舍。

跑分之外也有开发者上了手。Conductor 的开发者 Charlie Holtz 把 Wonder 用进自己的代码库，结果 Muse 一次就找到了一个真实安全漏洞，其他 Agent 此前都漏掉了，他还盛赞了 CLI 速度和语音模式。另一个开发者 Yair 做了同题对比，让 Wonder 和 Opus 5.5 同出第一人称 3D 游戏：Claude Code 搭载 Opus 5.5 花了 11 分 40 秒，Muse Code 搭载普通版 Wonder 只用 3 分 42 秒。

背后是吉瓦级超算，和一次 14 个月的重构

Meta 在博客里回应了 AI 圈对模型「泛化能力」的质疑，把它叫 Big Model Smell。为了让模型把复杂项目做完，训练里加入大量类型不同、耗时更长的任务——拿编程来说，模型要记住需求、修改多个文件，再经历一轮轮测试和返工。Meta 逐档增加推理时的计算量，两代模型在陌生任务上的成绩都跟着提高。当模型在后训练重点覆盖的任务上得分相近时，Full 在没有重点覆盖的任务上仍然更好。

这次发布的背景是吉瓦级超级数据中心「普罗米修斯」，Meta 为此对 AI 基础设施和研发范式做了一次彻底重构，前后 14 个月。基础规格也拉满了：100 万 Token 超大推理上下文，能吞下一整套代码库、数百页复杂合同，或几个小时的音视频记录；原生全模态输入，打通文本、高分辨率图像、超长视频和连续音频。

价格上，普通版 Wonder 已经上线 API：每百万 token 输入 4 美元、输出 20 美元、缓存输入 0.20 美元，上下文窗口 100 万 token 且长上下文不额外加价。Full 目前只在 Muse Code 订阅里开放：Power Usage 每月 50 美元、Maximum Usage 每月 200 美元，分别给到基础档 20 倍、80 倍的用量，暂未开放独立 API。个人助手 Muse 之后也会接入 Wonder，先向订阅者推出。

六周涨 8 分，十项全赢前代

少编答案，是这次最明显的改观

背后是吉瓦级超算，和一次 14 个月的重构

相关链接