報導：Meta 推出 Muse Wonder 系列，Wonder Full 登上 Artificial Analysis 前三並達 56 分

據 The Decoder 報導，Meta 發布前沿模型 Muse Wonder 與 Muse Wonder Full，兩者在 Artificial Analysis Intelligence Index v4.3 分別獲得 52 分與 56 分，高於前代 Muse Spark 1.3 的 48 分；報導稱兩個版本都已進入可用模型前段班。最大進步出現在代理式程式設計與自主問題解決：Terminal-Bench 4.0 得分從前代的 33% 升至最高 57%，Muse Wonder Full 在十項整體評測中的六項進入前三名。 兩個模型都支援一百萬 token 的上下文視窗，輸入形式涵蓋文字、圖片、影片與音訊。Meta 主打 Active Memory，可記住跨對話的重要資訊並在需要時取用；Active Focus 則讓模型持續處理困難任務、嘗試替代方法，並在資訊不清楚時追問，這些能力被用於 Meta 所稱可存取行事曆、訊息與文件的個人 AI 代理。 Muse Wonder 已透過 Meta API 與 Muse Code 提供；Muse Wonder Full 目前限 Muse Code 使用。Muse Wonder 之後也會驅動 Muse App，起初提供給付費訂閱者，Meta 並計畫日後以此模型為基礎，為所有使用者建立專用模型。 程式設計評測方面，Muse Wonder Full 在 Coding Agents Index 得分 68，與 Claude Code 搭配 Sonnet 5.5 的成績並列；Muse Wonder 得分 63，高於 Muse Spark 1.3 的 54。ProofBench 私有數學證明評測中，Muse Wonder Full 解出 100 題中的 94 題，前代為 58 題，距離最高模型的 99 至 100 題差 5 至 6 題。在 Terminal-Bench 4.0 中，Muse Wonder Full 得分翻倍，同時少用 30% 的輸出 token；金融與法律任務則大致維持前代水準，最高下滑 2 分。 知識能力仍是弱項。AA-Omniscience 知識測試中，Muse Wonder Full 得分 30、Muse Wonder 得分 25，低於 Claude Opus 5.5 的 46、GPT-6 Astra 的 43 與 Gemini 4 Argon 的 42。另一方面，Muse Wonder Full 的幻覺率從前代的 33% 降至 23%，在 Artificial Analysis 指數至少 45 分的模型中為第二低，僅高於 Gemini 4 Argon 的 15%。Vals AI Index 則將 Muse Wonder Full（Max）排在第五名、Muse Wonder 排在第十名；報導稱前者勝過所有 OpenAI 模型，僅低於目前的 Anthropic 模型。 成本方面，Artificial Analysis 顯示 Muse Wonder 在 Intelligence Index 的每項任務成本為 4.52 美元，高於 Muse Spark 1.3 的 1.60 美元；輸入 token 每百萬個 4 美元、輸出 token 每百萬個 20 美元，前代分別為 1.25 美元與 4.25 美元。Muse Wonder 每項任務使用的輸入 token 也增加 28%，且輸入占總成本 76%；輸出 token 則比前代少約 10%。報導摘要稱兩個新版本每次 API 呼叫成本約為前代近三倍，但文中未提供 Muse Wonder Full 的 token 價格。 以每項任務成本比較，Muse Wonder 低於 Claude Fable 5.1 的 7.63 美元與 Claude Opus 5.5 的 5.98 美元，但高於 GPT-6 Astra 的 3.26 美元、Gemini 4 Argon 的 1.99 美元及 GPT-6.1 Sol 的 0.72 美元。Meta 表示，這些模型是在自有 Prometheus 資料中心以 gigawatt 規模訓練，更多細節載於模型卡；公司也稱 Muse Wonder Full 在未納入訓練最佳化的陌生任務上表現優於預期，並將此歸因於更強的基礎模型。