刚刚，Meta最强旗舰多项屠榜！智能水平仅落后Opus 5.5两分

机器之心编辑部 就在今天凌晨， Meta 正式发布了新一代旗舰模型家族 Muse Wonder ，一次推出 Muse Wonder 和 Muse Wonder Full 两款模型。 这一次，Meta 把目标直接对准了「个人超级智能」。 按照 Meta 官方的说法，这是该公司迄今能力最强的模型系列，在个人与专业级 Agent 任务、长期记忆和编程等关键评测中，取得了业界领先的成绩。 扎克伯克表示，「Meta 超级智能实验室成立刚刚一年多。从首个模型家族 Muse Spark，到如今规模更大、能力更强的 Muse Wonder，Meta 已经将模型能力推进至行业前沿。」 Meta 首席 AI 官 Alexandr Wang 声称，「这是 Meta 迄今规模最大、能力最强的模型，已经具备与业界顶级大模型正面竞争的实力。」 值得关注的是，Muse Wonder 引入了两项核心能力： Active Memory（主动记忆）和 Active Focus（主动专注） 。前者让 AI 能够跨越不同对话，记住与你有关的重要信息，并在需要时主动找出来；后者则让 AI 能够持续推进复杂任务，遇到障碍时尝试其他办法，根据新信息调整行动。 简单来说，Meta 希望新模型既能记住用户的长期需求，也能围绕目标一直干活。 Meta 还特别强调了一项能力： 泛化 。在 Meta 的测试中，相比此前的 Muse Spark 1.3，Muse Wonder Full 在未被专门用于训练优化的陌生任务上表现更好。模型能力的提升，有望延伸到更多开发者没有提前设计过的真实场景。 目前，Muse Wonder 已经通过 Meta Model API 和 Muse Code 开放使用，Muse Wonder Full 则面向 Muse Code 订阅用户推出。未来，新模型还将逐步接入 Muse 个人 AI Agent 产品。 从重建 AI 体系 到冲击模型能力前沿 14 个月前，Meta 开始从底层全面改造 Meta 的人工智能研发体系。 一年多时间，Meta 从重建 AI 技术体系一路追赶，如今终于拿出了能够与全球顶级模型正面较量的旗舰产品。 根据 Artificial Analysis 公布的智能指数， Muse Wonder Full 拿下 56 分，仅落后 Claude Opus 5.5 两分，位居图中第二，超过 GPT-6 Astra、Gemini 4 Argon 等一众旗舰模型 。 主打快速响应的 Muse Wonder 同样达到 52 分，与 GPT-6.1 Sol 持平。更值得关注的是 Meta 自身的进步。Muse Spark 最初只有 31 分，后续的 Spark 1.1、1.2、1.3 分别提高到 34 分、40 分和 48 分。如今，Muse Wonder Full 将这一数字推高至 56 分。 此前发布 Muse Spark 时，Meta 介绍了如何通过可预测、严谨的规模化扩展方法，持续提升模型能力。今天发布的 Muse Wonder 延续了这条技术路线，在预训练和强化学习两个阶段进一步扩展，最终打造出了迄今能力最强的模型。 Muse Wonder 和 Muse Wonder Full 使用 Meta 千兆瓦级 Prometheus 数据中心进行训练，汇集了 Meta 多个团队的研究成果。 它们能够处理工作和日常生活中的复杂任务，展现前沿模型的能力，也让我们距离把个人超级智能带给数十亿 Meta 产品用户的目标更近了一步。 能力全面升级 Agent、记忆、编程取得领先成绩 Muse Wonder 系列在个人与专业级 Agent、记忆和编程等关键基准测试中取得了当前领先的成绩。 完整评测结果将 Muse Wonder 和 Muse Wonder Full 与其他前沿模型进行了广泛比较。 在 Meta 内部构建的 Personal Superintelligence Index 中，Muse Wonder Full 以 59.1 分位居五款参评模型第一，超过 Claude Opus 5.5 的 55.2 分和 GPT-6 Astra 的 54.5 分。 专业 Agent 方面，Muse Wonder Full 在 Harvey 法律 Agent 评测中拿到 13.1 分，超过 Claude Opus 5.5 的 4.2 分；在企业工作流自动化评测 AutomationBench-AA 中，也以 45.4 分领先。 编程能力同样有亮点。尤其是在测试超长周期软件工程能力的 SWE-Marathon 中，Muse Wonder Full 获得 57.5 分，领先 Claude Opus 5.5 达 11.2 分。在 DeepSWE 1.1 中，它也以 79.0 分位居第一。 不过，Muse Wonder Full 尚未实现全面领先。Terminal-Bench 4.0-AA 和 ProgramBench 等编程评测中，Claude Opus 5.5 仍然占据优势；在 HealthBench Pro 健康领域测试中，Muse Wonder Full 也落后于 Claude Opus 5.5 和 GPT-6 Astra。 整体来看，Meta 此次的突破尤其体现在 Agent 执行能力和长周期任务上。相比单轮回答问题，Muse Wonder 系列开始展现出更强的持续工作能力，这也与 Meta 推动个人超级智能的方向相吻合。 这些结果展示了新模型的整体能力。接下来，我们重点介绍四个与真实任务密切相关的方向：专业领域知识、主动记忆、主动专注和前沿编程能力。 专业领域：处理法律、金融和健康任务 Muse Wonder 和 Muse Wonder Full 能够把专业知识应用到人们在工作和日常生活中遇到的实际问题。例如，理解租赁合同中的条款，分析财务信息，或者帮助用户看懂健康相关资料。 为了评估这些能力，Meta 设置了涵盖法律、金融和健康领域的测试任务。其中，Harvey 的法律 Agent 基准测试（Legal Agent Benchmark，LAB）要求模型阅读原始文件，遵循详细指令，最终完成实际法律工作所需的文档。这类评测关注模型能否理解专业材料，并按照具体要求交付成果。 Active Memory：跨越不同对话，主动找回重要信息 想让个人和专业级 Agent 真正发挥作用，可靠的记忆能力至关重要。模型需要记住重要信息，还要知道过去的哪些信息会在当前任务中派上用场。Meta 把这种能力称为 Active Memory（主动记忆）。 它能够跨越不同对话，持续保留与用户有关的重要上下文，并在执行任务时，主动检索当前需要的具体信息。例如，用户之前已经告诉 AI 自己的偏好、目标或者某项工作的背景，那么在后续相关任务中，AI 就可以重新调取这些信息，避免用户反复交代。 Active Focus：遇到困难继续尝试，持续推进任务 有了相关上下文，Agent 还需要有能力持续完成任务。 Active Focus（主动专注）描述的正是 Muse Wonder 围绕复杂目标持续工作的能力。遇到困难时，模型可以尝试不同的方法；碰到障碍时，会寻找