Artificial Analysis 現在把 Muse Wonder Full（max）排在智力指數 56，只比 Claude Opus 5.5（max）的 58 少 2 分，和 Sonnet 5.5（max）並列第二梯。同一頁寫得很乾：No publicly available API。開發者文件把這句話寫成產品規則——把 muse-wonder-1.0 的 reasoning effort 調到 "max"，不會變成 Wonder Full。Full 只在 Muse Code 的 Power Usage 與 Maximum Usage。
這就是這次發布真正交出去的東西：Meta 說自己回到前沿，獨立榜也把最強那一檔接到 Opus 旁邊；你能用 Meta Model API 按 token 買到的，是另一檔，型號叫 muse-wonder-1.0。
今天實際開賣的是哪兩檔
研究部落格與 about.fb.com 同步宣布 Muse Wonder 系列：Muse Wonder 與 Muse Wonder Full。官方說法是目前最強的模型，目標放在個人與專業的智能體化 AI 任務，從看懂租約、走完保險理賠，到做出能跑的應用。內部代號 Watermelon，CNBC 引 Alexandr Wang 的訪談寫過這個名字。
開發者文件比新聞稿具體。Muse Wonder（muse-wonder-1.0）吃文字、圖像、影片、音訊與 PDF，輸出文字，上下文窗口 1,048,576 token，推理強度從 "minimal" 到 "max"。文件寫它能在真實倉庫裡改多個檔案並核對、規劃並把工作派給子代理、平行呼叫工具、在長步驟裡從錯誤恢復，也支援聊天補全、影像／影片／音訊理解、工具呼叫、結構化輸出、搜尋 grounding，以及 computer use。狀態標成 preview。
取得路徑被拆成兩條，不能混。
| 變體 | Meta Model API（隨用隨付） | Muse Code |
|---|---|---|
Muse Wonder（muse-wonder-1.0） | 有，僅 Standard mode | 隨用隨付與所有方案 |
| Muse Wonder Full | 沒有 | 僅 Power Usage、Maximum Usage |
Wonder 很快會進 Muse 個人代理，先給訂閱戶。CNBC 寫，Muse App 要用 Wonder，走每月 20 或 100 美元方案。Wonder Full 則鎖在 Muse Code：CNBC 寫 50 或 200 美元；產品頁把 Power Usage 標成每月 50 美元，文件另列 Maximum Usage 為 Everyday Usage 的 80 倍用量，沒在同一頁寫死 200 這個數字。訂閱預設開 Contributor mode，用較高用量換 Meta 拿你的提示、程式碼、檔案與回覆去訓練後續模型，設定裡可關。
參數規模、預訓練資料、強化學習配方，這次沒寫。WIRED 也核過：公司沒有披露新模型怎麼建、怎麼訓。Spark 1.1 當年公開過一百萬 token 的上下文；Wonder 的 1,048,576 與 Spark 1.3 相同，不是這次才拉長的窗口。
官方價目表已經掛上 4／20，不是「明顯更便宜」
開發者價目表現在把 Muse Wonder 單獨成表，不再只掛 Spark：
| 用量 | Standard（每百萬 token） | Contributor |
|---|---|---|
| 快取輸入 | 0.20 美元 | 不提供 |
| 輸入 | 4.00 美元 | 不提供 |
| 輸出 | 20.00 美元 | 不提供 |
沒有長上下文加價。網頁搜尋 grounding 另計，每 1,000 次查詢 2.50 美元。速率限制與 Spark Standard 同一檔：每分鐘 3,000 次請求、4,000,000 token，按團隊而非單把金鑰累計。API 上的 Wonder 沒有 Contributor 折扣檔。
對照現役對手，這張表並不特別便宜。Anthropic 的 Opus 5.5 開賣時就是輸入 4、輸出 20 美元。GPT-6 Sol 輸入 2 美元；Astra 當年 API 仍是 10／50。Wang 對 CNBC 說，API 因為是更大的前沿模型，會比 App 訂閱貴，但「仍會明顯低於」OpenAI 與 Anthropic 的領先模型。對上 Astra 的 10／50，4／20 確實比較低；對上 Opus 5.5，數字相同。對上自家 Muse Spark 1.3 的 1.25／4.25，輸入約 3.2 倍、輸出約 4.7 倍。
單次帳可以算死。一百萬輸入加一百萬輸出，Wonder Standard 要 24 美元，Spark 1.3 Standard 要 5.50 美元。快取命中時 Wonder 輸入降到 0.20，Spark 是 0.15，差距主要仍在輸出。長代理任務吃輸出，不吃行銷口號。七月 Spark 1.1 剛標價時，每百萬輸出 4.25 美元被寫成把美系 API 地板壓到對手四分之一；這次前沿檔直接回到 Opus 同一格。速率限制也沒有因為較貴而加碼：Wonder 與 Spark Standard 都是每分鐘 3,000 次、4,000,000 token。多付的是模型檔，不是額度。
TechCrunch 稍早寫 Wonder 的 API 價大致等於 GPT-6 Sol 或 Opus 5.5。Sol 的輸入是 2 美元，不是 4；對得上的是 Opus。開發者文件後續把 4.00／20.00／0.20 寫進官方表，這組數字不再只是媒體轉述。
獨立榜把 Full 接到 Opus 旁邊，公開馬拉松榜還沒換行
Artificial Analysis Intelligence Index v4.3.2 目前前段是：Opus 5.5（max）58，Sonnet 5.5（max）56，Opus 5.5（xhigh）56，Muse Wonder Full（max）56。指數本身含 10 項評測，包括 AA-Briefcase、GDPval-AA、AutomationBench-AA、Terminal-Bench 4.0、SciCode、Humanity's Last Exam、GDP.pdf、CritPt、AA-Omniscience、AA-LCR。Wonder Full 在這張獨立榜上已經是可點名的第四名；同一頁對它標了沒有公開 API。
次級彙整把標準檔 Muse Wonder 寫成指數 52。這不是 Artificial Analysis 首頁 FAQ 列出的前五名，採用時要當彙整數字，不能當成已經上主榜的官方列。The Rundown 轉述的專項分數更衝：Harvey LAB 法律代理 13.1 對 Astra 8.6，SWE-Marathon 57.5 對 Opus 5.5 的 46.3，DeepSWE 79.0 對 74.2，MemoryBench 85.5 對 81.5。WIRED 核過公司說法：Full 在部分法律文書與軟體建構評測上超過 Astra、Fable 5.1 與 Opus 5.5。這些專項目前主要來自 Meta 自己的模型卡與媒體轉述，不是每一項都已出現在第三方常設榜。
公開的 SWE-Marathon 排行此刻仍看得到另一組數字。20 題、每題 8 次試驗的那張表，Claude Sonnet 5.5（max）／Claude Code 51.3%，Opus 5.5（max）46.3%，GPT-6 Astra（max）／Codex 42.5%，Muse Spark 1.3（xhigh）／Muse Code 30.6%。Wonder Full 還沒出現在這張已驗證列表裡。57.5 與 30.6 差一截，差的不只是模型世代，也是「誰跑、何時跑、跑完有沒有進公開板」。把公司模型卡上的馬拉松分數，直接當成獨立賽道已經改寫，現在還做不到。
Meta 研究文另外用一張圖解釋「榜上很像、用起來差一截」：橫軸是後訓練對準過的任務，縱軸是沒對準過的陌生任務，點是不同測試時計算。Spark 1.3 與 Wonder Full 在陌生任務上都會隨計算上升，但以同樣的 in-distribution 表現來看，Wonder Full 的 out-of-distribution 比 Spark 1.3 那條趨勢更高。官方把原因寫成更大、更強的基座，讓後訓練的增益比較帶得走。這是公司自己的泛化論證，不是獨立複測。
九月 Spark 1.3 那一輪，較早版本的 AA 指數曾出現過 61、追平當時的 Sol。這次 Full 是 56。指數組成已經換成 v4.3.2，不能把 61 和 56 當成同一把尺上的退步。
Active Memory 要跨週記住你，Muse 已經先被問過有沒有讀錯訊息
官方把產品差異壓在兩個名字裡。Active Memory：把對你重要的上下文帶到後續對話，並在當下任務主動找回相關細節。Active Focus：卡住時換路、從阻礙裡走出來、需要時發問，重要動作前先確認。記憶用 MemoryBench，專注用 FocusBench，長專案用 SWE-Marathon。研究科學家 Kavya Kopparapu 在發布影片裡說，他們花了大量力氣讓模型在數日、數週、數月之後還記得什麼對你重要。TechCrunch 寫，公司測試裡 Wonder 的 MemoryBench 高於 Fable、Opus 與 Astra。
這套記憶如果真的跨週生效，Muse 就不再只是單次對話的大型語言模型，而是會累積你的日曆、訊息與文件偏好的AI 代理。Meta 九月推出 Muse 時，賣點就是每用戶一台雲端電腦；Apple 收緊完整磁碟取用那一輪，Meta 說過 Muse 讀訊息要兩道開關。CNBC 這次問到的是另一端：有用戶在社群抱怨代理未經授權讀了私人訊息。公司否認這項指控。Wang 的說法是，確實有些情況是用戶稍早在對話裡授權過通訊，後來忘了；團隊在監控 Muse 的「事故或問題」，並加強說明，好讓消費者後續能信任產品。
授權被忘掉，和模型自己越過開關，對當事人看起來很像。Active Memory 把「記得你」寫成能力，也把「你以為自己沒同意」寫進產品風險。官方安全段落強調：個人代理會碰到訊息、日曆與私人文件，因此 Wonder 系列被訓練成不經允許不外洩私訊、拒絕協助真正有害行為，同時仍允許開發者與安全團隊用它找自己程式碼裡的缺陷。完整評測報告寫「即將提供」，現在還沒出門。
安全框架有了，報告沒有；Llama 那條開源梯子這次沒一起送來
Zuckerberg 上個月在 X 說過，Muse 模型因為安全而延後發布。公司稍早已公開 Meta Superintelligence Scaling Framework。研究文寫 Wonder 是迄今最對齊的模型，對 CBRN（化學、生物、放射、核）與網路濫用的防護是目前最強，同時依該框架保留防禦性網路能力。about.fb.com 補了三句訓練目標：未經允許不分享私人資訊、拒絕協助實際有害行為、改善安全並強化網路防禦。WIRED 寫，公司說自己在多項抗對抗提示詞的評測上表現不錯；同一篇也寫，Meta 沒有說明測試裡 Wonder 驅動的代理有沒有行為失當，以及針對這件事具體做了什麼。
近兩週 OpenAI、Anthropic 的代理評測事故已經把「沙盒裡的模型跑到外網」變成新聞常態。Meta 這次把個人超級智能當口號，卻把完整AI 安全報告留在「soon」。沒有公開的紅隊測試題數、沒有獨立複測的拒答率、沒有像系統卡那樣把網安與生物能力標成 High 或 Critical。防禦性網路能力被允許留下，意思是安全團隊可以拿 Wonder 掃自己的倉庫；攻擊性能力被說成有最強防護，但驗證材料要等下一份 PDF。
開源那條線也沒有跟這次一起走。Meta 曾經用 LLaMA 把權重放到外面，後來連續幾代不如閉源對手。新實驗室先交 Muse Glimmer 這種可本機跑的小權重，再交 Spark，再交 Wonder。WIRED 寫公司仍計劃放更大的開源權重，但 Wonder 本身是託管模型。Glimmer 文件現在把它定位成從 Spark 蒸餾出來、給你自己的機器跑的多模態權重；Wonder、Spark、Image、Voice Transcribe 與 SAM 走 API，不提供下載。
訓練地點倒是寫了：吉瓦級的 Prometheus 資料中心，TechCrunch 補在俄亥俄中部，今年稍早上線。十四個月前 Meta 把 AI 堆疊拆掉重建，Wang 從 Scale AI 過來主持 Superintelligence Labs。中間有過人員留不住的報導。Spark 被定位成低延遲輕量檔；Wonder 是這間新實驗室第一次把「前沿」三個字寫上新聞稿。TechCrunch 的標題直接寫 first frontier model。
產品棧這一年已經疊了好幾層，不要把 Wonder 當成 Muse 的第一個名字。Meta One 全球上線時 Core 7.99、Premium 19.99 美元，Muse 用量上限當時沒公布；Muse Charm 是兩吋螢幕、內建 5G、不能打電話的硬體。Wonder 要接的是代理大腦，不是再發一支裝置。Glimmer 給本機、Spark 給量大的迴圈、Wonder 給貴的長任務、Full 給付到 Power／Maximum 的 Muse Code。四層裡只有 Glimmer 能下載權重。
開發者工作流現在分成三個價錢、兩個模型、一個還沒出的報告
文件給了一句遷移指引：Wonder 與 Spark 走同一組端點，換工作負載就是換 model ID。Wonder 給長時間、複雜、能力比單價重要的任務，例如跨檔修改、數小時代理、子代理編排。Spark 給高流量、在意延遲或單價的迴圈，API 上還留著 Contributor 折扣。實務上這意味著：你可以用 Spark 1.3 的 1.25／4.25 跑大量子代理，把卡住的主任務丟給 4／20 的 Wonder；你沒辦法把同一條 API 請求升級成獨立榜上的 56 分 Full。
Muse Code 訂閱把這道牆再砌一次。Everyday、High、Power、Maximum 四層。文件寫 Power 才「能用到最強的 Muse 模型」；Full 明確只在 Power 與 Maximum。訂閱用量用完，Power／Maximum 不能當場加錢續跑，得等額度刷新；額外 API 金鑰一律走隨用隨付。換句話說，想在自己的後端、CI、或產品裡呼叫 Full，目前沒有官方價目表可以填。獨立評測機構若也只能走 API，它們測到的會是 Wonder，不是 Full——除非走 Muse Code 訂閱環境。Artificial Analysis 已經把 Full 標成沒有公開 API，這不是疏漏，是產品設計。
訂閱還有一層預設。Muse Code 方案預設 Contributor mode：你的提示、程式碼、檔案與模型回覆，可以用來訓練後續 Meta 模型，換較高用量。設定裡能關，關了之後才回到「內容不拿去訓練」。API 上的 Wonder 根本沒有 Contributor 檔，等於按 4／20 付錢的人，官方承諾不拿這批請求去訓練；用訂閱跑 Full 的人，若不改設定，預設是拿程式倉庫換額度。企業若把原始碼送進 Muse Code，第一件事不是看 56 分，是確認 Contributor 是不是還亮著。
企業採購會碰到的第一個數字衝突，是 Wang 的「明顯更便宜」和價目表的 4／20。第二個衝突，是 MemoryBench、Harvey LAB、SWE-Marathon 的公司分數，與公開馬拉松榜上 Spark 1.3 仍停在 30.6%。第三個衝突，是安全框架已經拿來當發布依據，完整報告卻還沒讓外人核。三件事可以同時為真：Meta 確實把一檔模型送進獨立智力指數的前段；API 客戶買到的不是那一檔；個人代理已經被要求記住你的生活，而用戶對「誰同意它讀訊息」的記憶，比模型宣稱的 Active Memory 更短。
參數沒披露，幻覺率沒披露，獨立 Terminal-Bench 4.0 與 GDPval 的分項分數也還沒被這次發布拆開來講。能立刻核的，是型號、窗口、價目表、速率限制、以及 Full 不在 API。接下來若有人拿 muse-wonder-1.0 的 max 模式跑出接近 56 的分數，那是 Wonder 本身接近 Full；若差一截，那 56 分就只屬於訂閱牆後面那一檔。現在兩邊都還沒被同一套公開 API 跑過。