Meta 发布新一代旗舰Muse Wonder：支持主动记忆、长任务执行、个人智能体能力，Wonder Full仅限订阅用户

Meta超级智能实验室发布全新前沿模型家族：Muse Wonder 与 Muse Wonder Full，这也是Meta推出的第一款顶级前沿大模型。此前Meta已经发布轻量模型Muse Spark，主打低延迟推理；本次Wonder系列定位更高阶，基准成绩更强，在编程等复杂任务上表现更好，官方自测性能可对标Fable 5.1、GPT-6 Astra。

整套模型在Meta俄亥俄州中部Prometheus数据中心完成训练，该数据中心于今年早些时候正式投产。本次发布也是Alexandr Wang去年8月接管Meta AI业务重组之后，Meta首次发布旗舰级前沿模型。新模型将作为Muse智能体的底层基座。

版本区分与定价

Wonder的API成本大致和GPT-6 Sol、Claude Opus 5.5处于同一区间。后续Muse产品内的相关体验也会逐步切换至Muse Wonder驱动，优先面向订阅用户开放，同时支撑artifact生成与复杂流程任务。Meta还计划基于Wonder继续开发专项模型，向全体Muse用户落地。

四大核心能力

主动记忆

这是本次发布最核心亮点。模型可以跨对话留存、综合用户信息，长期记住用户关键信息。Meta使用MemoryBench评测该项能力，官方测试中Muse Wonder得分超过Fable、Opus、Astra，目标支持长达数月级别的记忆留存，适配个人智能体场景。

主动专注

面向长周期复杂任务，模型能够持续朝着目标推进，尝试多种方案、处理障碍，必要时主动向用户确认信息。相关能力通过FocusBench、SWE-Marathon（长期软件工程任务）评估，适配多步骤持续执行的智能体工作流。

领域专业能力

覆盖法律、金融、健康等专业场景，可解析租约、财务资料、健康信息，在Harvey法律代理基准LAB等专业评测中验证文档处理与指令执行能力。

前沿编程能力

结合记忆与专注能力，处理从小型应用到大型软件项目的开发工作，在长期迭代、多轮调试类软件工程任务上做专项优化。

泛化能力

Muse Wonder与Wonder Full常规基准分数接近，但Wonder Full处理陌生、未见过任务的泛化能力更强。测试数据显示，在分布外任务上，Wonder Full的性能优于Muse Spark 1.3的预期趋势，更强的基座模型让后训练带来的能力增益，能够更好迁移到训练时未见过的任务，这一点对多变的个人智能体场景至关重要。

安全对齐

Meta针对个人智能体场景强化安全对齐。模型会谨慎处理消息、日历、私人文档等敏感信息；针对CBRN生化放射核、网络滥用场景提供更强防护。同时遵循Meta超级智能扩展框架，保留防御性场景下的网络能力访问。完整安全评估报告将后续放出。

要点小结

1. Meta发布Muse Wonder、Muse Wonder Full，是其重组AI团队后首款前沿旗舰模型，对标GPT-6 Astra、Fable 5.1。
2. 版本权限区分明显：Wonder开放API，Wonder Full仅Muse Code订阅用户可用，不对外提供API。
3. 核心亮点为主动记忆+主动专注，专为个人/专业智能体长任务设计，MemoryBench官方测试成绩优于竞品。
4. 在Prometheus千兆瓦级数据中心训练，兼顾法律、金融、编程能力；同时针对私人数据、高危场景做安全对齐。