Meta推出Muse Wonder系列,主打個人與專業代理任務
Muse Wonder 透過 Meta Model API 與 Muse Code 提供,Wonder Full 先供訂閱者使用,兩者主打長程編碼、記憶與代理任務。
85 則值得知道的變化
Muse Wonder 透過 Meta Model API 與 Muse Code 提供,Wonder Full 先供訂閱者使用,兩者主打長程編碼、記憶與代理任務。
模型維持 120 億參數 MoE 架構、每次啟用約 25 億參數,LiveCodeBench v6 得分 82,高於 Qwen3.5-9B 的 75.4 分。
Muse Wonder Full 在 Terminal-Bench 4.0 得分由前代 33% 升至 57%,ProofBench 解出 94 題,但知識測試僅 30 分。
模型可處理最多 32K 詞元並回傳選項機率;Xbox 已整理逾 1 萬筆玩家意見,服務每百萬輸入詞元收費 0.042 美元。
新模型長期模擬自傷對話的安全政策遵循率由舊版86%升至99%,但 ChatGPT for Teens 被 Common Sense Media 評為「不可接受」
模型支援選擇、是非與評分機率輸出;Jev Decision Index 採用固定 132,422 道測試題,涵蓋五類能力。
該模型採稀疏 MoE,總參數 6,000 億、每個 Token 約啟用 270 億,主打研究、檢索、資料分析與文件生成。
模型頁面宣稱支援 iOS、Android 與 HarmonyOS,並可用 SGLang、vLLM、llama.cpp 和 Ollama 部署。
合約採按需下單,空軍目前已訂購約170萬美元資料;WindBorne則稱WeatherMesh 6預測精度優於ECMWF模型。
Artificial Analysis v4.3 顯示 Muse Wonder Full 得分 56,較 Muse Spark 1.3 的 48 高,兩者發布僅隔六週。
貼文稱其在十項任務平均得分達 BF16 版 85.9%,可透過瀏覽器、vLLM 或 llama.cpp 本地執行。