发布日期：2026-10-13 | 话题分类：AI 模型竞争格局 | 时效性：高（基于 2026 年 10 月 12 日发布数据）

Meta 于 2026 年 10 月 12 日发布旗下两款旗舰大模型 Muse Wonder 和 Muse Wonder Full，两者均搭载 Active Memory 与 Active Focus 机制，支持 100 万 token 超长上下文窗口，是 Meta 迄今综合能力最高的模型；Artificial Analysis 智能指数显示，Muse Wonder Full 拿到 56 分与 Claude Sonnet 5.5 并列，在长任务软件开发基准 SWE-Marathon 上以 57.5% 的完成率领先 Claude Opus 5.5（46.3%）和 GPT-6 Astra（42.5%）超过 11 个百分点，法律专项测试 Harvey LAB-AA 中 Full 得分是 Opus 5.5 的 3.1 倍，幻觉率仅 23%，远低于 Astra 的 51%；普通版 Wonder 的 API 已全面开放，定价为输入每百万 token 4 美元、输出 20 美元，Full 目前通过 Muse Code 订阅（每月 50 或 200 美元）开放，Meta 由此重新站上前沿模型第一梯队。

Muse Wonder 是什么

Muse Wonder 是 Meta 于 2026 年 10 月发布的旗舰级大语言模型，分为标准版 Wonder 和高配版 Wonder Full 两档。两款模型均支持 100 万 token 超长上下文窗口，原生处理文本、高分辨率图像、超长视频和连续音频的多模态输入，并搭载 Active Memory（主动记忆）和 Active Focus（主动专注）两项核心机制。

Active Memory 使模型能够在长会话中自动保留用户的关键偏好和上下文信息；Active Focus 赋予模型在遇到障碍时主动换策略、出错后自我检查、收到新要求后实时调整计划的能力。两者结合，正是 Muse Wonder 在长任务编程和专业工作场景中反超同级竞品的主要原因。

从训练背景看，Muse Wonder 诞生于 Meta 投入吉瓦级算力的 Prometheus 超级数据中心，历经 14 个月基础设施重构，通过大量长周期、多文件的真实编程任务强化训练，使模型不再是"只会答题的 AI"，而是能持续推进一个完整软件项目的执行者。

核心能力与跑分成绩

以下数据均来自 Artificial Analysis（AA）和 Vals AI 的第三方测评，发布时间为 2026 年 10 月 12 日。

综合智能指数

在 AA 智能指数排行中，Muse Wonder Full 拿到 56 分，与 Claude Sonnet 5.5 并驾齐驱；Muse Wonder 拿到 52 分。相比六周前的上代 Muse Spark 1.3（48 分），Full 一口气涨了 8 分。十项细分测试中，Full 全部超越前代，其中六项冲入 AA 当次榜前三，两项拿下第一。

长任务编程：SWE-Marathon

SWE-Marathon 要求模型持续完成软件项目——读需求、改多个文件、跑测试、出错后自己找原因再改，是目前模拟真实开发任务最接近实战的基准之一。

模型

SWE-Marathon 完成率

Muse Wonder Full

57.5%

Muse Wonder

53.1%

Claude Opus 5.5

46.3%

GPT-6 Astra

42.5%

代码仓库修复：DeepSWE v1.1

DeepSWE v1.1 包含 113 项任务，覆盖 91 个代码仓库和五种编程语言，Full 拿到 79.0%，Wonder 拿到 78.8%，Opus 5.5 和 Astra 分别为 74.2%、74.1%。

编程 Agent 榜（Coding Agents Index）

Muse Code 搭载 Full 拿到 68 分，追平 Claude Code 搭载 Sonnet 5.5 的成绩，超过搭载 Opus 的 66 分；搭载普通版 Wonder 也拿到 63 分。上代 Muse Code 搭配 Spark 1.3 仅 54 分，此次直接涨了 14 分。

终端操作：Terminal-Bench 4.0

Terminal-Bench 要求 AI 自己读文件、敲命令、处理报错。上代 Spark 只能完成 33% 的任务，Full 做到 57%，提升 24 个百分点。

专业工作：Vals Index 和 Harvey LAB-AA

Vals AI 综合榜（覆盖金融、编程、法律、税务）中，Wonder Full 以 64.57 分排到第五，超过榜上所有 OpenAI 模型。

法律专项 Harvey LAB-AA：Full 拿到 13.1 分，Opus 5.5 为 4.2 分，Full 是 Opus 的 3.1 倍。金融专项：Full 59.1，Opus 58.6，Astra 53.5。

幻觉率

AA 6000 道知识题测试中，Full 的幻觉率为 23%，Astra 为 51%，Opus 5.5 为 59%。Full 更倾向于"不确定就不答"，但知识指数（30 分）低于 Astra（43）和 Opus（46），这一取舍在高置信度要求场景下是优势。

效率提升

在 Vals AI 的 ProofBench 数学证明测试中，Full 做对 94 道（Opus 5.5 为 100，Astra 为 99），但输出 token 从 450 万降至 270 万，减少 40%；解题步骤从平均 120 步缩减到 62 步，以更少推理达到接近的准确率。

价格与可用性

Muse Wonder 普通版已在 Meta Model API 和 Muse Code 上线，API 按用量计费：

  • 输入：每百万 token 4 美元

  • 输出：每百万 token 20 美元

  • 缓存输入：每百万 token 0.20 美元

  • 上下文窗口：100 万 token，长上下文不额外加价

Muse Wonder Full 目前仅在 Muse Code 订阅中开放，暂未提供独立 API：

  • Power Usage：每月 50 美元，提供基础档 20 倍用量

  • Maximum Usage：每月 200 美元，提供基础档 80 倍用量

Muse 个人助手也将接入 Wonder，官方计划优先向订阅用户推出。

对开发者意味着什么

Muse Wonder 的发布重新划定了前沿模型的能力下限。长任务编程、终端操作和专业工作是开发者日常使用 AI 的核心场景，而这三项恰好是 Muse Wonder 相对 Astra 和 Opus 优势最明显的地方。

从竞争格局看，六周内从 48 分涨到 56 分意味着 Meta 的迭代速度正在加快。开发者在选型时面临的挑战已经不是"哪款模型更好"，而是"怎么在不同任务上快速切换最适合的模型，同时控制 API 调用成本"。

七牛云 AI 大模型广场（qiniu.com/ai/models）提供多款主流大模型的统一接入，开发者通过单一 API Key 即可调用平台内全部模型，并在同屏对比模式下直观评估不同模型在同一任务下的输出质量，减少盲目试错带来的额外成本。

常见问题

Muse Wonder 和 Muse Wonder Full 的核心区别是什么？

Full 在长任务编程（SWE-Marathon 57.5% vs 53.1%）、法律专业工作（Harvey LAB-AA 3.1 倍差距）和数学推理上有明显优势，并能以更少 token 完成同等任务。普通版 Wonder 在代码仓库修复（DeepSWE 78.8%）和编程 Agent 测试（63 分）上也已全面超越 GPT-6 Astra，是性价比更高的选择。Full 目前仅通过 Muse Code 订阅开放，尚无独立 API。

Muse Wonder 的 100 万 token 上下文在实际开发中有什么意义？

100 万 token 大约可以装下一个中型代码库的全部文件，或数百页的技术文档。结合 Active Memory 机制，模型在整个对话中可以持续追踪需求变更，而不会随会话增长而"遗忘"早期的约束条件，这是它在 SWE-Marathon 类基准中超过竞品的结构性优势。

Muse Wonder Full 的 API 什么时候开放？

Meta 官方尚未公布独立 API 的时间表，目前 Full 仅通过 Muse Code 订阅（每月 50 美元或 200 美元）可用。普通版 Wonder 的 API 已全面开放，定价为输入每百万 token 4 美元、输出 20 美元。

幻觉率 23% 是否意味着 Full 的知识覆盖不如竞品？

幻觉率统计的是"答错的题里仍然给出错误答案"的比例，Full 的 23% 远低于 Astra（51%）和 Opus（59%），说明 Full 在不确定时倾向于拒答而非瞎答。但知识指数 30 分低于 Astra（43）和 Opus（46），意味着 Full 覆盖的知识广度还有差距。对高置信度要求的场景（如合规审查、法律分析），Full 的低幻觉率是优势；对广度知识问答场景，Opus 和 Astra 仍有优势。

Muse Wonder 支持哪些输入模态？

原生支持文本、高分辨率图像、超长视频和连续音频四种输入形式，100 万 token 上下文窗口下不额外加收长上下文费用。

参考资料