Meta 本周发布 Muse Wonder 和 Muse Wonder Full 两款新模型，CEO 扎克伯格对《金融时报》称其已达到 AI 前沿水平。Meta 自测基准显示，这两款模型在编码和记忆等关键领域超过 OpenAI 的 GPT-6 与 Anthropic 的 Claude Fable 5.1，Artificial Analysis 称其相较 Meta 此前模型有实质性的智能跃升，Vals 则发现 Wonder 在网络安全任务上排名第一。新模型将用于驱动 Muse 助手的后续升级，Meta 计划通过订阅变现，能力更强的版本定价为每月 20 美元或 100 美元。
匹配字段标题、摘要、正文
Meta 正在 Meta Model API 平台上线 Muse Wonder 和 Muse Wonder Full 两款模型。Muse Wonder 主打真实场景编码，面向长时间运行的任务，能规划工作、并行调用工具、把部分任务交给子智能体并从错误中恢复；Muse Wonder Full 是 Meta 能力最强的模型，以最大推理量运行，面向最难、耗时最长的工作，仅向 Muse Code 订阅用户开放，不在 API 上提供。
匹配字段标题、摘要、正文
Meta 发布 Muse Wonder 与 Muse Wonder Full 两款前沿模型，面向个人与专业智能体任务。Muse Wonder Full 在 Artificial Analysis 指数上排名第二，落后 Claude Opus 5.5 两分，并在 DeepSWE 上以 79 分达到 SOTA。Muse Wonder 已在 Meta Model API 和 Muse Code 上线，Muse Wonder Full 面向 Muse Code 订阅用户开放，Muse Wonder 后续还将接入 Meta 的个人智能体产品 Muse。
匹配字段标题、摘要、正文
OpenRouter 宣布 Meta 的 Muse Wonder 已在 OpenRouter 上线。据其介绍，这是 Meta 目前能力最强的模型，面向个人与专业场景的复杂智能体任务，具备前沿编码性能和高级计算机使用能力，可处理长周期工作以应对开发者高难度任务。
匹配字段标题、摘要、正文
Meta 发布 Muse Wonder 系列前沿模型，定位面向个人与专业场景的 Agent 旗舰模型，而非通用聊天模型。该系列围绕领域专业知识、主动记忆、主动专注和前沿编程四大能力构建，并配套 FocusBench 与 SWE-Marathon 两个自建基准。Meta 还以 Muse Spark 1.3 与 Muse Wonder Full 的 ID 与 OOD 表现对比，论证基座越强、后训练提升越能迁移到陌生任务。
匹配字段标题、摘要、正文
Meta 发布面向个人与专业智能体工作的前沿模型家族 Muse Wonder。Yuchen Jin 引用的评测数据显示，Muse Wonder Full 在 Artificial Analysis Intelligence Index 上仅落后 Opus 5.5 两分，DeepSWE v1.1 得分 79.0%，高于 Astra 的 74.1% 和 Opus 的 74.2%，并在 SWE-Marathon 上超过 Astra 和 Opus 5.5。他同时呼吁 Meta 将 Muse Wonder 开源。
匹配字段标题、摘要、正文
Meta 发布 Muse Wonder 系列前沿模型，官方称其面向个人与专业智能体任务达到 SOTA 水平。其最高版本在 14 项公开基准中的 8 项超过 Claude Opus 5.5，并在长时程编码、法律工作和业务自动化上领先 GPT-6 Astra 与 Claude Fable 5.1。差距最大的是超长工程测试 SWE-Marathon，Full 得分 57.5，Opus 5.5 为 46.3；长时程编码测试 DeepSWE 1.1 为 79.0 对 74.2，Meta 称由独立第三方运行；Harvey 法律智能体基准上 Full 得 13.1，超过 Opus 5.5 的 4.2 三倍以上。
匹配字段标题、摘要、正文
Meta 发布新前沿模型 Muse Wonder，官方称其在个人智能体和专业智能体任务上达到 SOTA。Rohan Paul 指出，Muse Wonder 在多项基准上均超过 Opus 5.5 和 GPT-6 Astra，差距最大的是 SWE-Marathon，该基准要求 AI 智能体在 2 到 10 小时内独立完成整个软件项目（如 C 编译器或 Slack 克隆），且所有隐藏检查通过才算完成；Muse Wonder full 在该项得分为 57.5，Opus 5.5 为 46.3。
匹配字段标题、摘要、正文
Meta 发布 Muse Wonder 和 Muse Wonder Full，在 Artificial Analysis Intelligence Index v4.3 最高推理强度下分别得分 52 和 56，高于 6 周前发布的 Muse Spark 1.3（max）的 48。Muse Wonder Full（max）在十项评测中全面超过 Muse Spark 1.3（max），智能体类提升最明显，Terminal-Bench 4.0 从 33% 升至 57%，GDPval-AA v2.1 从 1681 升至 1857 Elo。两款模型每次评测任务约消耗 54k 输出 token，比 Muse Spark 1.3（max）的 60k 低约 10%；Muse Wonder 已在 Meta 一方 API 和 Muse Code 上线，Muse Wonder Full 仅面向 Muse Code 用户。
匹配字段标题、摘要、正文
Meta 发布 Muse Wonder 和 Muse Wonder Full 两款面向个人与专业智能体的 AI 模型，具备长期记忆、多步任务执行和编码能力，并在公司 gigawatt 级 Prometheus 数据中心完成训练。模型结合 Active Memory 与 Active Focus 两项能力，前者跨对话保留并检索相关信息，后者支持长时间朝目标推进、尝试替代方案并适应新信息。Meta 称其在个人与专业智能体、记忆和编码基准上取得 SOTA，评测涵盖 AutomationBench-AA、MemoryBench、SWE-Marathon 和 DeepSWE，并测试了法律、金融与健康等专业任务。
匹配字段标题、摘要、正文
Meta 发布前沿模型 Muse Wonder，包含 Muse Wonder Full 和 Muse Wonder 两个版本。Muse Wonder Full 在 Artificial Analysis Intelligence Index v4.3 上得 56 分，Muse Wonder 得 52 分，前代 Muse Spark 1.3 为 48 分。智能体评测提升明显，Terminal-Bench 4.0 从 33% 升至 57%；Muse Wonder Full 在 Coding Agents Index 得 68 分，与 Claude Code 的 Sonnet 5.5 持平。事实知识仍是弱项，AA-Omniscience 仅 30 分，但幻觉率从前代的 33% 降至 23%。成本上升明显，Muse Wonder 每任务 4.52 美元，接近前代 1.60 美元的三倍，输入 token 价格涨至每百万 4 美元。
匹配字段标题、摘要、正文
Meta Superintelligence Labs 发布第二代模型家族 Muse Wonder（代号 Watermelon），距实验室成立约 14 个月。Artificial Analysis 的 Intelligence Index v4.3 中 Wonder Full（max）得 56、Wonder（max）得 52，高于 Muse Spark 1.3 的 48，Opus 5.5 以 58 领先；提升最大的是智能体能力，Terminal-Bench 4.0 从 33% 升至 57%。规格为 1M 上下文，输入支持文本、图像、视频和音频，输出仅文本，定价为每百万 token 输入 4 美元、缓存输入 0.20 美元、输出 20 美元。
匹配字段标题、摘要、正文
Meta 的 Superintelligence Lab 发布 Muse Wonder 和 Muse Wonder Full 两款模型，这是该公司首次推出前沿模型。两款模型规模大于此前的轻量模型 Muse Spark，Meta 称其在编码等复杂任务上基准成绩与 Fable 5.1、GPT-6 Astra 相当，并通过 Meta Model API 提供，定价为每百万输入 token 4 美元、每百万输出 token 20 美元。Meta 还强调模型保留和整合用户信息的“active memory”能力，称 Muse Wonder 在 MemoryBench 上的得分高于 Fable、Opus 和 Astra。
匹配字段标题、摘要、正文
Meta Superintelligence Labs 发布 Muse Wonder（代号 Watermelon）和 Muse Wonder Full 两款模型，其中完整版在 Artificial Analysis 智能排名中位列第二，仅次于 Anthropic 的 Opus 5.5。报道称 Meta 由此进入此前由 OpenAI 和 Anthropic 主导的前沿模型竞争，其优势还包括数据中心、数十亿用户以及智能体应用 Muse。文中还提到 Andrej Karpathy 关于 AI 能力认知分层的观点、微软 Maia 300 芯片，以及一份使用 Muse Wonder 完成工作坊议程与预算的教程。
匹配字段标题、摘要、正文
Meta 发布 Muse Wonder 和 Muse Wonder Full 两款新模型，称后者具备前沿能力，将通过 API 和 Muse Code 提供，并用于其平台功能与 Muse 个人智能体。Meta 称最大版本在 Artificial Analysis Intelligence Index 上超过 Claude Fable 5.1、仅次于 Claude Opus 5.5，并在法律文档处理和软件开发等专项基准上超过 GPT-6 Astra。新模型还引入 Active Memory 和 Active Focus 两项功能，用于让智能体锁定既定目标、避免混乱。
匹配字段标题、摘要、正文
Meta 发布两款新 AI 模型，称其能力可对标 OpenAI 和 Anthropic 的领先模型，包括 GPT-6 Astra、Claude Opus 5.5 和 Claude Fable 5.1，依据是多项行业基准的内部测试结果。这两款模型是 Meta 重组后的 Superintelligence Labs 继 Muse Spark 和 AI 智能体 Muse 之后的新品，目前尚不清楚它们与 Google Gemini 4 Argon 的对比情况。Meta 正持续扩充 AI 产品线，此前已推出图像模型 Muse Image。
匹配字段标题、摘要、正文
Meta 宣布推出全新闭源模型系列 Muse Wonder，包括 Muse Wonder 和 Muse Wonder Full，称其为公司目前能力最强的模型，在个人与专业智能体任务中达到业界领先水平。该系列强调编程能力、专业领域知识、跨对话记忆和持续执行复杂任务，将主动记忆与主动专注结合，可在不同对话间保留用户背景信息并持续投入复杂目标。即日起通过 Meta Model API 和 Muse Code 提供 Muse Wonder，Muse Wonder Full 向 Muse Code 订阅用户开放，Muse Wonder 后续将支持 Muse 应用并先向订阅用户推出。
匹配字段标题、摘要、正文
Meta 发布 Muse Wonder 系列，包含 Muse Wonder 和 Muse Wonder Full 两款模型，称其为目前能力最强的模型，在个人与专业智能体任务上达到 SOTA，覆盖法律、金融、健康等专业领域以及前沿编码能力。两款模型具备 Active Memory，可跨对话保留关键信息并调取与当前任务相关的细节；还具备 Active Focus，在任务变难时继续尝试其他方法、从错误中恢复，并在执行重要操作前先确认。Meta 表示该系列按 Meta Superintelligence Scaling Framework 的标准训练、评估和发布，完整安全评估报告将随后公布。
匹配字段标题、摘要、正文
Meta Superintelligence Labs 发布第二代模型家族 Muse Wonder 与 Muse Wonder Full，前者定位快速前沿模型，后者为完整版本，Meta 称其面向个人与专业智能体工作。Artificial Analysis 的 Intelligence Index v4.3 中 Wonder Full 得 56 分、Wonder 得 52 分，高于 Muse Spark 1.3 的 48 分，Opus 5.5 以 58 分领先。规格为 1M 上下文，输入支持文本、图像、视频和音频，输出仅文本，定价为每百万 token 输入 4 美元、缓存输入 0.20 美元、输出 20 美元。
匹配字段标题、摘要、正文
Meta 发布 Muse Wonder 和 Muse Wonder Full，在 Artificial Analysis Intelligence Index v4.3 最高推理强度下分别得分 52 和 56，高于 Muse Spark 1.3（max）的 48，发布间隔仅 6 周。Muse Wonder Full（max）在十项评测中全面超过 Muse Spark 1.3（max），智能体类提升最大，Terminal-Bench 4.0 从 33% 升至 57%，GDPval-AA v2.1 从 1681 Elo 升至 1857。Muse Wonder 已在 Meta 一方 API 和 Muse Code 上线，Muse Wonder Full 仅面向 Muse Code 用户，两者上下文窗口均为 1M tokens。
匹配字段标题、摘要、正文