Meta Muse Wonder实测解读：56分逼近Claude Opus 5.5，Active Memory让AI真正记住你

10月12日，Meta正式发布新一代旗舰模型Muse Wonder和Muse Wonder Full。这是Meta超级智能实验室（MSL）成立14个月后交出的答卷，在Artificial Analysis最新评测中拿下56分，仅次于Claude Opus 5.5的58分，超越了GPT-6 Astra和Gemini 4 Argon。

消息公布当天，Meta股价收涨3.38%至742.96美元，盘中一度涨超4%。市场用真金白银投了票。

两款模型怎么分

这次发布的是一对组合。Muse Wonder定位高阶通用模型，通过Meta Model API和Muse Code开放。Muse Wonder Full是旗舰版本，目前仅向Muse Code订阅用户开放。

两款模型规格一致：100万Token上下文，支持文字、图片、视频、音频四种输入模态，输出为文字。区别在能力上限——Wonder在Intelligence Index v4.3拿到52分，Full拿到56分。

要注意，Muse Wonder是底层模型，和Meta 9月推出的个人AI Agent「Muse」是两个产品。Meta已确认Wonder会逐步接入Muse应用，订阅用户优先体验。

两个Active，是这次真正的重点

Muse Wonder的技术卖点可以浓缩成两组词：Active Memory和Active Focus。

Active Memory（主动记忆）解决的是一个老问题：AI没有记性。它让模型跨对话保存用户信息——旅游偏好、工作习惯、长期项目背景——并在新任务里自动调取相关内容。你不用每次都从头交代一遍。Meta专门做了MemoryBench基准，测试模型在有干扰信息和事实更新混杂的长对话中，能否准确找回关键内容。

Active Focus（主动聚焦）针对长任务执行。AI干活最常见的崩法是卡在报错上死循环。Active Focus让模型在遇到障碍时切换方法、修正错误，必要时向用户确认，重要操作执行前先打招呼。Meta用FocusBench和SWE-Marathon两项基准评估这套机制。

这两个能力直接指向Agent时代最大的痛点。现在的AI助手大多还是”一问一答”，记忆靠聊天记录撑，任务一复杂就断链。Meta把记忆和持续执行做成模型层的原生能力，方向是对的。

跑分涨了多少

对比上一代Muse Spark 1.3，Wonder Full的提升相当明显：

| — | — | — | — |

| Intelligence Index v4.3 | 综合智能 | 48 | 56 |

| Terminal-Bench 4.0 | 终端操作与工程问题 | 33% | 57% |

| GDPval-AA v2.1 | 金融法律专业知识工作 | 1,681 Elo | 1,857 Elo |

| AA-Briefcase | 多步骤Agent任务 | 1,581 Elo | 1,729 Elo |

终端任务成功率从33%拉到57%，涨幅24个百分点。多步骤Agent任务Elo涨148分。这个幅度的提升，足以改变模型选型的排名。

专业领域能力是另一个重点。Meta用Harvey Legal Agent Benchmark（LAB）和Vals Finance Agent V2测试模型处理合同分析、财务研究的水平，目标是让AI能整理合约条款、分析专业文件并产出工作草稿。

编程方面，官方演示了模型根据一张图片生成可游玩的3D厨房游戏，从视觉理解到代码生成一条龙完成。

三个演示看懂定位

Meta展示了三个生活化场景：

个人跑步计划：结合用户偏好，调用浏览器和应用规划路线
定制礼品：参考Instagram照片设计商品并下单
婚礼座位安排：根据宾客名单和配对条件生成座位表

三个任务的共同点是多步骤、跨应用、需要记住个人偏好。这正好是Active Memory加Active Focus的组合拳。Meta的策略清晰：不做冷冰冰的基准机器，做能替你办事的个人智能体。

三个现实问题

跑分之外，几个问题值得冷静看。

第一，权重没开放。Meta尚未承诺公开模型权重，目前只能通过API和Muse Code使用，按Token计费。习惯了Llama开源路线的开发者，这次拿不到本地部署的选择权。

第二，成本存疑。部分早期用户反馈，Wonder Full执行相同任务的额度消耗高于Claude Opus 5.5。100万Token上下文加长任务执行，账单可能不好看。这点还需更多独立测试验证。

第三，刷榜质疑。科技社区已有开发者用”Benchmaxxing”来形容这次发布——针对基准测试过度优化，高分未必等于好用。参考OpenAI最近主动叫停GPT-6.1 Astra、谷歌员工质疑Gemini跑分的事件，评测分数与真实体验之间的鸿沟，全行业都没填平。

另外，安全层面Meta按自家Superintelligence Scaling Framework做了审查，官方Model Card称各重大风险领域的剩余风险为”中度或以下”。涉及金融交易、敏感数据传输的操作，官方建议保留人工确认。

对普通用户的建议

国内用户短期用不上：Muse App尚未公布国内开放时程，Muse Wonder目前需通过API付费使用。

如果你的工作流已经跑在Claude或GPT-6上，没必要急着迁移。但如果你在做Agent产品选型，Muse Wonder值得加入候选名单——它的记忆机制和长任务稳定性，恰好是多数模型目前最弱的两环。

Meta用14个月从重建基础打到重回牌桌。这场竞赛的下半场，比的是谁的AI能真正记住你、替你把事办完。Muse Wonder开了个好头，账单和口碑还得看后续。