Meta launches Muse Wonder, benchmark chart compares it with Gemini 4 Argon and GPT-6 Astra

fox hsiao @pirrerOriginally posted 2026.10.13

Open original on X

Meta 10 月 12 日發表新一代 AI 模型 Muse Wonder，以及最高階的 Muse Wonder Full。獨立評測機構 Artificial Analysis 同一天公布，兩個模型在它的智慧指數、最高推理設定下分別拿到 52 分和 56 分，上一代 Muse Spark 1.3 是 48 分，從 Spark 1.3 到這次發表只隔 6 週。Meta 的 AI 負責人 Alexandr Wang（汪滔，@alexandr_wang）貼了一段 7 秒的動畫，把 Muse 系列畫成一道階梯，4 月的第一代估計約 31 分，之後 3 次改版是 34、40、48 分，再到這次的 52 和 56 分。 這個指數把 10 項測驗合成一個分數，測的是寫程式、處理文件、科學推理這類工作。在 Meta 的圖上，Wonder Full 排在 53 分的 GPT-6 Astra 和 Gemini 4 Argon 前面，再往前只有 58 分的 Claude Opus 5.5。Artificial Analysis（@ArtificialAnlys） 自己貼的那張圖，52 分以上的模型多一根長條，是同樣 56 分的 Claude Sonnet 5.5。Meta 圖上的 31 分旁邊有一個註腳，寫明這是 Artificial Analysis 回報的估計值。 拿到 56 分的 Wonder Full 目前沒有開放 API，開發者沒辦法把它串到自己的產品裡。Meta 的開發者文件寫著，Wonder Full 只在自家寫程式工具 Muse Code 裡提供，而且限 Power Usage 和 Maximum Usage 兩種訂閱方案，把一般版的推理強度調到最高，也不會變成 Full。Wonder Full 也還沒有按 token 計費的價格。 開發者買得到的是 52 分的 Muse Wonder，API 每 100 萬個 token（模型計費用的文字單位）輸入 4 美元、輸出 20 美元，上一代是 1.25 美元和 4.25 美元。Artificial Analysis 算過，用最高推理設定跑完這套指數的測驗，Muse Wonder 平均每一題要花 4.52 美元，是 Muse Spark 1.3 的 2.8 倍。這個定價和 Claude Opus 5.5 相同，每題成本比 Claude Opus 5.5 的 5.98 美元低，比 GPT-6 Astra 的 3.26 美元和 Gemini 4 Argon 的 1.99 美元高。 Artificial Analysis 說，進步最多的集中在讓模型自己動手完成任務的測驗，像是在終端機寫程式的 Terminal-Bench 4.0，Wonder Full 從上一代的 33% 升到 57%。知識這一塊還是相對弱，AA-Omniscience 這項測驗答對加分、答錯扣分，Wonder Full 拿 30 分，Claude Opus 5.5 是 46 分。不過在沒有完全答對的題目裡，Wonder Full 直接答錯的比例，從上一代的 33% 降到 23%，在智慧指數 45 分以上的模型中第二低，只高於 Gemini 4 Argon 的 15%。 發表當天就有人懷疑新模型是專門為榜單練出來的，Meta 的發表文章其實已經先寫到這種質疑，並拿另一批訓練後期沒有特別針對的題目回應，說 Wonder Full 在這些題目上的表現，比照 Muse Spark 1.3 的趨勢推估的還要好。 Meta 過去的 Llama 模型是公開讓外界下載的，使用時要遵守授權條款。這一次官方帳號回覆網友，Muse Spark 的開放權重很快會釋出，Muse Wonder 則是太大、多數人用不了，另外還有安全上的顧慮。 Meta 在這次的發表文章裡寫到，從頭重整 AI 研發工作是 14 個月前開始的。更早的去年 6 月，Meta 花 143 億美元入股 Scale AI，找共同創辦人汪滔來主持新成立的超級智慧實驗室。