Meta的超级智能实验室于周一发布了两款最新的前沿模型——Muse Wonder和Muse Wonder Full,这是该公司首次推出的前沿模型。
相比于旨在实现低延迟表现的轻量级模型Muse Spark,Wonder系列模型体量更大,性能更强,基准测试得分更高,在复杂任务如编程方面表现更优。
根据Meta发布的模型卡数据显示,Wonder和Wonder Full在基准测试中的表现与Fable 5.1和GPT-6 Astra相当。
Meta在介绍这两款模型的博客中表示:“它们标志着我们规模扩展的下一步,也是迈向个人超级智能的重要飞跃。”
这种规模也反映在价格上:通过Meta模型API访问Wonder模型,输入令牌费用为每百万4美元,输出令牌费用为每百万20美元,成本大致与GPT-6 Sol或Opus 5.5相当。
值得注意的是,Wonder Full仅对Muse Code订阅用户开放,且不会通过API提供服务。两款模型都将用于驱动Muse智能代理。

Meta特别强调了新模型在长期任务中保持和综合用户信息的能力,这一特性被称为“主动记忆”。
为了提升记忆能力,Meta重点提到了MemoryBench基准测试,该测试挑战持续学习和记忆构建框架。根据Meta的测试,Muse Wonder在MemoryBench上的得分超过了Fable、Opus和Astra。
研究科学家Kavya Kopparapu在发布视频中表示:“我们投入了大量精力,确保模型能够在数天、数周、数月甚至更长时间内记住对你重要的信息。”
这两款新模型是自去年8月Scale AI创始人Alexandr Wang重组Meta AI团队以来的首个前沿模型发布。此后,Meta发布了轻量级的Muse Spark模型和Muse智能代理,但一直未推出OpenAI和Anthropic那样的顶尖模型。
据介绍,这些模型是在Meta位于俄亥俄州中部的Prometheus数据中心训练的,该数据中心今年早些时候投入使用。


