内容来源：https://techcrunch.com/2026/10/12/meta-releases-its-first-frontier-model-muse-wonder/

内容总结：

Meta超级智能实验室于周一发布了两款全新前沿模型——Muse Wonder和Muse Wonder Full，这是该公司首次尝试推出前沿级别的大模型。

与此前主打低延迟的轻量级模型Muse Spark不同，Wonder系列模型体量更大、能力更强，在基准测试中得分更高，在编程等复杂任务上的表现也更出色。根据Meta在模型卡中公布的测试结果，Wonder和Wonder Full的基准测试成绩已可与Fable 5.1和GPT-6 Astra相媲美。

Meta在官方博客中称：“这两款模型标志着我们扩展阶梯上的下一步，也是迈向个人超级智能的重要飞跃。”

这一定位也体现在定价上：通过Meta模型API调用，Wonder的输入价格为每百万token 4美元，输出价格为每百万token 20美元，与GPT-6 Sol或Opus 5.5的成本大致相当。值得注意的是，Wonder Full仅面向Muse Code订阅用户开放，不通过API提供服务。两款模型还将用于驱动Muse智能体。

延续Meta长期以来对开发可长期执行任务的个人助理的兴趣，该公司特别强调了新模型在保留和整合用户所提供信息方面的能力，并将其称为“主动记忆”。为提升记忆召回效果，Meta重点介绍了MemoryBench基准测试，该测试专门考验持续学习与记忆构建框架。据Meta测试，Muse Wonder在MemoryBench上的得分现已超过Fable、Opus和Astra。

研究科学家Kavya Kopparapu在发布配套视频中表示：“我们投入了大量精力，确保模型能够在数天、数周、数月乃至更长时间内记住对用户重要的信息。”

这两款模型是自去年8月Scale AI创始人Alexandr Wang重组Meta AI业务以来，该公司首次发布的前沿模型。此后，Meta陆续推出了轻量级模型Muse Spark和Muse智能体，但一直未推出OpenAI和Anthropic那种级别的顶尖模型。据博客文章介绍，新模型在Meta位于俄亥俄州中部的Prometheus数据中心完成训练，该数据中心于今年早些时候投入使用。

中文翻译：

Meta的超级智能实验室于周一发布了两款全新的顶尖模型——Muse Wonder和Muse Wonder Full，这是该公司首次尝试推出前沿级模型。

Muse Spark的定位是一款低延迟的轻量级模型，而Wonder系列模型规模更大，据称能力更强，基准测试得分更高，在编程等复杂任务上的表现也更好。

根据Meta的测试（已在模型卡中公布），Wonder和Wonder Full的基准测试得分与Fable 5.1和GPT-6 Astra相当。

“它们共同标志着我们扩展阶梯上的下一步，也是迈向个人超级智能的重要飞跃，”Meta在关于这些模型的博客文章中写道。

这一规模也体现在定价上：通过Meta模型API访问，Wonder的价格为每百万输入token 4美元、每百万输出token 20美元，成本大致相当于GPT-6 Sol或Opus 5.5。

值得注意的是，Wonder Full将仅面向Muse Code订阅用户开放，不会通过API提供服务。两款模型还将用于驱动Muse智能体。

秉承Meta对开发能够长期执行任务的个人助手的兴趣，该公司特别强调了新模型保留和综合用户所提供信息的能力，Meta将这一特性称为“主动记忆”。

为了实现更好的回忆能力，Meta重点介绍了MemoryBench基准测试，该测试对持续学习和记忆构建框架提出了挑战。根据该公司的测试，Muse Wonder目前在MemoryBench上的得分高于Fable、Opus和Astra。

“我们投入了大量精力，确保你的模型能够在数天、数周、数月乃至更长时间内记住对你重要的信息，”研究科学家Kavya Kopparapu在随发布一同推出的视频中表示。

这些新模型是自Scale AI创始人Alexandr Wang于去年8月重组Meta的AI工作以来，该公司首次发布前沿级模型。此后，Meta发布了轻量级模型Muse Spark和Muse智能体，但一直未推出OpenAI和Anthropic那种为人熟知的顶尖模型。

据该文章介绍，这些模型在Meta位于俄亥俄州中部的Prometheus数据中心完成训练，该数据中心于今年早些时候投入使用。

英文来源：

Meta’s Superintelligence Lab released a pair of new state-of-the-art models on Monday, Muse Wonder and Muse Wonder Full, representing the company’s first attempt at a frontier model.
Where Muse Spark aimed to be a lightweight model that could perform at low latency, the Wonder models are larger and said to be more capable, with higher benchmark scores and better results on complex tasks like coding.
According to Meta’s testing (presented in the model card), Wonder and Wonder Full achieve comparable benchmark scores to Fable 5.1 and GPT-6 Astra.
“Together, they mark the next step on our scaling ladder and a major leap toward personal superintelligence,” Meta’s blog post about the models reads.
That scale is reflected in the pricing: Accessed through the Meta Model API, Wonder will cost $4 per million input tokens and $20 per million output tokens, making it roughly equivalent in cost to GPT-6 Sol or Opus 5.5.
Notably, Wonder Full will only be available to Muse Code subscribers and will not be served through the API. Both models will also be used to power the Muse agent.
In keeping with Meta’s interest in developing personal assistants that can perform tasks over a long period, the company placed particular emphasis on the new models’ ability to retain and synthesize information given by the user, a property Meta calls “active memory.”
To achieve better recall, Meta highlighted the MemoryBench benchmark, which challenges continual learning and memory construction frameworks. According to the company’s testing, Muse Wonder now scores higher on MemoryBench than Fable, Opus, or Astra.
“We put a tremendous amount of effort into making sure your model can remember what’s important to you over days, weeks, months, and beyond,” said research scientist Kavya Kopparapu in a video accompanying the launch.
The new models are the first frontier model release since Scale AI founder Alexandr Wang restructured Meta’s AI efforts in August of last year. Since then, Meta has released its lightweight Muse Spark model and Muse agent but has avoided the kind of state-of-the-art model releases OpenAI and Anthropic are known for.
According to the post, the models were trained at Meta’s Prometheus data center in central Ohio, which came online earlier this year.