Muse Wonder来了，扎克伯格复仇成功了吗？

扎克伯格想要奇迹再现 出品｜虎嗅科技组 作者｜黄天媛 编辑｜苗正卿 头图｜AI生成 扎克伯格终于等来了自己的翻身仗。 当地时间10月12日，Meta发布新一代大模型Muse Wonder和Muse Wonder Full。根据官方公布的Benchmark，性能更强的Wonder Full在多项Agent和编程测试中超越OpenAI、Anthropic的旗舰模型，第三方评测也显示，Meta已经重新跻身前沿模型第一梯队。 但就在一年半前，情况还完全不同。 外部，OpenAI、Anthropic的双强格局仿佛尘埃落定，Meta一度被认为在前沿模型竞争中掉队。内部，扎克伯格押上千亿美元级别的AI基础设施投资，花上亿美元高薪“雇佣兵”式狂挖研究员，种种决策没少遭到挖苦。 如今，Meta终于拿出了阶段性成果。 扎克伯格复仇成功了吗？模型能力追上了OpenAI和Anthropic，Meta能赢得下一场Agent战争吗？ 我们整理了昨天扎克伯格和Meta首席AI官汪滔采访中的核心观点以供阅读： 模型正在成为产品本身。 Meta内部常说“The model is the product”。Agent的差异不再只是界面，而是记忆、主动性、可靠性和交互体验。这些能力需要通过训练数据、后训练和评测塑造，产品设计正逐渐深入模型层。 过度追求跑分，等于把产品方向交给别人。 汪滔认为，如果一味围绕外部Benchmark优化，就相当于把产品决策交给制定评测的人。Meta早期追赶时重视外部排名，如今更关注针对真实用户场景设计的内部评测。 模型进步不一定依赖重新预训练。 Muse Spark从1.0到1.3沿用同一基座模型，主要通过强化学习提升能力。Meta同时推进两条路线：扩大预训练规模（逐级放大约4—5倍），以及优化强化学习方法。 Personal Agent需要更强的多模态能力。 汪滔认为，行业过度聚焦Coding，但普通用户更多通过视觉、语音和视频与世界交互。因此，Meta从预训练阶段就强化多模态能力，而非仅在后训练中补齐。 实验室的关键是人才密度和人均算力。 Meta采用小规模精英团队，集中分配算力，减少资源分散。扎克伯格强调扁平化管理，避免管理层脱离技术一线。 实验室负责人的战略判断比履历更重要。 尽管汪滔此前没有直接领导前沿模型训练的经验，扎克伯格仍看重他的战略思考、快速调整能力，以及吸引顶尖研究人员的能力。 经典跑分环节 先给出判断，这次的新模型是能长期记住用户使用习惯、跨软件完成任务的Personal Agent底座模型。 Muse Wonder和性能更强的Muse Wonder Full，都支持100万Token上下文窗口，能够理解文本、图像、音频和视频，原生输出以文本为主。相比上一代Muse Spark系列，新模型重点强化了编程、长期Agent任务和专业知识工作。Meta确认，Muse Wonder未来将成为个人Agent Muse的核心模型。 其中，最值得关注的是两项能力。 一是Active Memory（主动记忆），让Agent能够跨对话记住用户偏好，在需要时主动提取相关信息，而不必反复询问。二是Active Focus（主动聚焦），让Agent在执行复杂任务时持续尝试、纠错，遇到障碍能够调整方案，而不是直接放弃。 Meta还展示了根据图片制作可交互3D游戏、跨应用规划跑步活动、自动生成婚礼座位表等案例。 那么，新模型究竟有多强？ 按照Meta公布的官方Benchmark，Wonder Full在多项Agent和编程测试中已经超过OpenAI、Anthropic的旗舰模型。 Meta专门设计了一项Personal Superintelligence Index（个人超级智能指数），综合衡量专业工作、流程自动化、网页操作等七类任务。 在这项测试中，Wonder Full取得59.1%的成绩，超过Claude Opus 5.5的55.2%和GPT-6 Astra的54.5%。 在考察 端到端业务流程自动化能力 的AutomationBench-AA中，Wonder Full取得45.4%，同样高于Astra的41.6%和Opus 5.5的41.2%。 长期记忆也是Meta的优势项目。 在内部开发的MemoryBench测试中，普通版Wonder和Wonder Full分别取得85.6%和85.5%，均高于Opus 5.5和Astra的约81%。 编程方面 ，Wonder Full在长期软件工程测试SWE-Marathon中取得57.5%的成功率，领先Opus 5.5的46.3%和Astra的42.5%。 第三方机构Artificial Analysis（AA）的综合测评则给出了更客观的参照。 在Intelligence Index v4.3中，Wonder Full获得56分，普通版Wonder为52分，较上一代Muse Spark 1.3的48分分别提升8分和4分。作为对比，Claude Opus 5.5为58分，GPT-6 Astra为53分。 这意味着，Wonder Full已经进入前沿模型第一梯队，但综合表现目前还没有全面超越竞争对手。 但漂亮的跑分，并没有换来一致的口碑。 Wonder发布后，部分开发者在X上质疑，Meta是否过度针对Benchmark优化模型，以至于实际体验与榜单排名存在落差。 争议最集中的是3D游戏生成任务。有开发者晒出测试结果，认为Wonder的表现明显不及其他前沿模型。 面对质疑，Meta首席AI官汪滔承认，团队此前并未专门针对3D演示游戏训练模型，希望开发者更多关注其真实软件工程能力。 但有用户直接回怼，视频游戏演示也是通过代码做出来的，“游戏怎么不算‘实际编程工作’？”，并且对其泛化能力产生怀疑。 最后，开放范围和价格也是槽点。 Muse Wonder API每百万Token输入4美元、输出20美元，缓存输入0.2美元，与Claude Opus 5.5的基础输入、输出定价持平，是Gemini 4 Argon的两倍。第三方测算显示，Wonder每项测试任务的成本约为4.52美元，高于GPT-6 Astra的3.26美元，也超过了Gemini。 而性能更强的Wonder Full暂未开放独立API，目前仅向Muse Code的Power Usage和Maximum Usage订阅用户提供，订阅价格分别为每月50美元和200美元。 以及值得注意的是，此次两款模型均未公开权重。曾经以Llama开放模型闻名的Meta，这一次选择了更加封闭的发布方式。 Meta的千亿美元翻身仗 过去一年多，围绕Meta大模型最多的声音，是质疑。 2025年4月，曾被寄予厚望的Llama 4发布后，因性能不及预期、Benchmark评测争议等问题遭到外界质疑。曾经凭借Llama系列领跑开放模型市场的Meta，逐渐在前沿模型竞争中掉队。 扎克伯格坐不住了。他在Llama 4于2025年4月4日发布仅仅两周后，就开始联系外部研究人员，寻求重建AI团队的建议。 这一次，他决定几乎推倒重来：调整原有研发路线，重新组建团队。 而他找到的关键人物之一，就是Scale AI联合创始人汪滔。 当时汪滔正在开员