Meta 的超级智能实验室发布了两款新模型 Muse Wonder 和 Muse Wonder Full，这是 Meta 首次尝试推出前沿模型。与此前主打低延迟的轻量级模型 Muse Spark 不同，Wonder 系列体积更大、能力更强，在编码等复杂任务上取得了更高的基准分数。Meta 在模型卡中给出的自测结果显示，Wonder 和 Wonder Full 的基准得分可与 Fable 5.1 和 GPT-6 Astra 相媲美。

定价方面，通过 Meta Model API 使用 Wonder 的费用为每百万输入 token 4 美元、每百万输出 token 20 美元，成本大致等同于 GPT-6 Sol 或 Opus 5.5。值得注意的是，Wonder Full 不会通过 API 提供，仅面向 Muse Code 订阅用户开放。这两款模型还将用于驱动 Muse agent。

Meta 着重强调了模型的“主动记忆”（active memory）能力，即长期保留并整合用户提供的信息。为了衡量这一能力，Meta 使用了 MemoryBench 基准来挑战持续学习和记忆构建框架。根据 Meta 的测试，Muse Wonder 在 MemoryBench 上的得分高于 Fable、Opus 和 Astra。研究科学家 Kavya Kopparapu 在配套视频中表示，团队在让模型记住用户看重的内容上投入了大量精力，时间跨度覆盖数天、数周、数月乃至更久。

这是自去年 8 月 Scale AI 创始人 Alexandr Wang 重组 Meta AI 部门以来，Meta 首次发布前沿模型。此前 Meta 仅发布了轻量级的 Muse Spark 和 Muse agent，并未像 OpenAI 和 Anthropic 那样推出 SOTA 级模型。据官方博文，两款新模型在 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。