14 个月，Meta 说自己把 AI 体系从第一性原理重做了一遍。

现在，它交出的答卷是 Muse Wonder 和 Muse Wonder Full。

Meta 给它的定位很直白：

A frontier model that leads on personal and professional agents

翻译过来就是：它要做个人和职业场景里的前沿 AI agent，并且把目标指向 个人超级智能。

但第一批用户没有只顾着鼓掌。

有人看到跑分逼近顶级模型，也有人看到视觉还原、真实开发、登录体验都露出毛边。

这场发布会有点像一场豪赌：Meta 想把 AI 从聊天框，推进到你的日程、代码和私人文档里。

前沿模型来了，价格也不再客气

素材显示，Muse Wonder 已通过 Meta Model API 和 Muse Code 开放。

Muse Wonder Full 则面向 Muse Code 订阅者。

接下来，Muse Wonder 会进入 Muse 体验，并优先推给订阅者，也会用于生成 artifact 和更复杂的流程。

Meta 还提到，模型训练发生在吉瓦级 Prometheus 数据中心。

这句话的潜台词很简单：算力、工程、产品，一起压上桌。

有意思的是，价格也没有走交个朋友路线。

评论区给出的定价页信息显示，Muse Wonder 输入价格为 4 美元，缓存输入 0.20 美元，输出 20 美元。

有人把它和 Sol、Opus 放在同一价位带比较，认为 Meta 这次不再靠低价换用户。

更微妙的是，评论区有人指出，营销页上部分 Muse Wonder 成绩，实际对应的是 Muse Wonder Full。

而公开定价对应的，是 Muse Wonder。

这就让发布会有了一层现实滤镜：跑分可以看满配，付费要看具体版本。

真正难的地方，是让 AI 记住你并咬住目标

这次最核心的两个词，是 Active Memory 和 Active Focus。

Active Memory 负责记住重要上下文，跨对话携带信息，并在当前任务需要时主动调取细节。

说白了，AI 不能每次见面都像失忆。

Active Focus 则强调持续干活。

遇到复杂目标，它会尝试别的路径，处理阻塞，必要时追问，并在关键动作前确认。

Meta 用 FocusBench 和 SWE-Marathon 来评估这种持续执行能力。

个人觉得，这部分比跑分更接近 agent 的命门。

聊天模型可以靠聪明讨喜，办事模型必须靠耐心和记忆。

Meta 还把模型推向法律、金融、健康等场景，例如 Harvey 的法律 agent 基准，以及 Vals Finance Agent V2。

这些测试都在说明一件事：Muse Wonder 想处理的，已经从问题延伸到工作流。

跑分很猛，评论区却开始拆盲盒

官方给出的成绩确实亮眼。

在 Personal Superintelligence Index、MemoryBench、SWE-Marathon、DeepSWE 等图表里，Muse Wonder 系列都被放在领先位置。

Meta 也谈到社区常说的两个词：benchmaxxing 和 big model smell。

前者指模型可能为了跑分过度优化，后者指大模型有一种难以被基准完全覆盖的广泛能力。

为了量化这种差异，Meta 比较了训练目标任务和陌生任务上的表现。

按照素材说法，Muse Wonder Full 在分布外任务上的表现，高于 Muse Spark 1.3 的趋势。

原因是底座更强，后训练收益能更好迁移到不熟悉任务。

但评论区很快给出了另一面。

有人做 Image to HTML 测试，认为 Muse Wonder 明显不如 Opus 5.5，甚至更接近 Sonnet 或 Haiku。

也有人拿真实开发任务试水，包括 React 前端打磨、复杂 Node 后端审查、Rust 服务端小改动。

结论是：智能感能感觉到，但品味和判断还差一截，甚至会卡在审查评论里打转。

老实讲，这种反馈很扎眼。

一边是官方基准里的全面领先，一边是开发者手里的具体工作。

跑分可以证明上限，日常任务才决定下限。

而 agent 真正要卖的，恰恰是下限。

越像私人助理，越不能只在模型层逞强

Meta 说，个人 agent 会代表用户行动，可能接触消息、日历、私人文档。

因此模型需要对隐私信息保持克制，并抵抗恶意指令。

官方还提到针对 CBRN 和网络滥用的安全措施，同时保留防御性网络能力。

这部分听起来很正确。

但评论区的一条登录反馈，把气氛拉回了现实。

有用户称，自己在 Muse Code 登录时看到陌生账号，随后账号设置难以访问，还收到非本人发起的登录码请求。

如果这条反馈属实，它比任何跑分都更影响信任。

毕竟，用户不会先把个人超级智能当成口号。

他们会先问：我的账号安全吗？我的文档会被怎么用？AI 替我点确认之前，会不会先问我一句？

Meta 真正想赌的，是 Agent 时代的入口

Muse Wonder 的野心很清楚。

Meta 希望把更强模型先带给订阅者和开发者，再逐步进入 Muse，最终生成面向更多人的专用模型。

它还提到，希望让更多人追求梦想，构建自己想要的世界。

但评论区也留下两根刺。

一根是价格：这次直接站上高端区间。

另一根是承诺：有人提醒，Muse Spark 发布时承诺的开放权重，还没等到。

所以，Muse Wonder 的发布像一张复杂的成绩单。

它有前沿跑分，有记忆和专注，有安全叙事，也有价格、体验和信任问题。

当 AI 开始记住你、替你跑任务，你会先交出日程、代码，还是先按住钱包？

【锐评】：Meta 想把 AI 变成贴身员工，但先别急着谈超级智能，账户、体验和定价都得过关。

参考链接：
https://research.meta.ai/blog/muse-wonder