Meta 终于迈出了进入前沿大模型竞争的关键一步。当地时间 10 月 12 日，Meta 官方博客与 TechCrunch 同时披露，Meta Superintelligence Lab 正式发布了首款前沿模型 Muse Wonder 及其高配版本 Muse Wonder Full，这也是这家社交巨头首次推出可与 OpenAI GPT-6 Sol、Anthropic Opus 5.5 以及 Fable 5.1 正面竞争的基础模型。
从轻量到前沿：Muse 系列的演进
Muse 并不是一个全新品牌。Meta 此前已推出轻量级模型 Muse Spark，主打低延迟、高效率，适合对响应速度有严格要求的场景。而此次发布的 Muse Wonder 系列则走向另一个极端——更大、更强、更贵。Meta 在官方博客中写道：”它们标志着我们 scaling 阶梯上的下一个台阶，也是迈向个人超级智能的重大飞跃。”
从定位上看，Muse Wonder 面向希望通过 API 调用高性能模型的开发者和企业，而 Muse Wonder Full 则采取了一种更为封闭的商业策略——仅向 Muse Code 订阅用户开放，不通过 API 对外提供服务。这一差异化策略与 OpenAI 对 GPT-4o 与 GPT-4o-mini 的分层布局有相似之处。
性能表现：与 GPT-6 Sol 正面交锋
根据 Meta 公布的模型卡（model card）数据，Muse Wonder 和 Muse Wonder Full 在多项主流基准测试中达到了与 Fable 5.1、GPT-6 Astra 相当的分数。换言之，Meta 正式加入了”大模型顶流俱乐部”，与 OpenAI、Anthropic 等厂商站在了同一竞技场。
Muse Wonder 的定价也印证了其高端定位：通过 Meta Model API 调用的价格为 每百万输入 token 4 美元，每百万输出 token 20 美元，与 GPT-6 Sol、Opus 5.5 的定价区间基本持平。对于企业用户而言，这意味着一方面多了一个性价比相近的可选方案，另一方面也预示着大模型 API 市场的竞争将进一步加剧。
核心卖点：主动记忆能力
Meta 在发布中特别强调了 Muse Wonder 的”主动记忆”（Active Memory）能力。简而言之，模型不仅能在单次对话中保持上下文，还能在多天、多周、多月的时间跨度内”记住”对用户重要的信息，并将其综合运用到后续任务中。
这一能力的背后是 Meta 重点推广的 MemoryBench 基准测试。该基准专门评估模型的持续学习和记忆构建能力。Meta 声称，Muse Wonder 在 MemoryBench 上的得分高于 Fable、Opus 和 Astra。Meta 研究科学家 Kavya Kopparapu 在发布视频中表示：”我们投入了大量努力，确保模型能够在数天、数周、数月乃至更长时间跨度内记住对你重要的内容。”
对于个人助理类应用而言，主动记忆能力至关重要。用户不希望每次开启新对话都要重新解释自己的偏好、工作习惯或项目背景，而 Muse Wonder 正是瞄着这一需求设计的。
技术基础设施：Prometheus 数据中心
值得注意的是，这两款模型训练于 Meta 位于美国俄亥俄州中部的 Prometheus 数据中心，该中心于今年早些时候正式投入运营。这是 Meta 首次公开披露其前沿模型的训练基础设施位置，此前 OpenAI 和 Anthropic 对训练集群的具体部署地点均保持相对低调。
商业路径：从开源到前沿
Meta 一直以来以其开源策略闻名，LLaMA 系列模型更是开源大模型领域的标杆。然而此次 Muse Wonder 的发布方式——通过专有 API 提供、部分版本仅限订阅——表明 Meta 正在探索一条不同于纯粹开源的商业化路径。
这一转变并非毫无预兆。2025 年 8 月，Scale AI 创始人 Alexandr Wang 加入并重组了 Meta 的 AI 团队，此后 Meta 的产品节奏明显加快，先后推出了 Muse Spark 模型和 Muse 智能体，但一直没有发布真正的”前沿级”模型。如今 Muse Wonder 的问世，可以视为那次重组后最重要的一次技术成果汇报。
行业影响：竞争格局再添变数
Muse Wonder 的发布对当前的大模型竞争格局是一个重要变量。目前，高端基础模型市场主要由 OpenAI（GPT-6 系列）和 Anthropic（Opus 5.5）主导，Google DeepMind 的 Gemini 系列也在持续迭代。Meta 的入局意味着企业用户在 API 供应商选择上多了一个既有技术实力、又具备成本竞争力的选项。
对于依赖大模型 API 构建应用的开发者而言，Muse Wonder 的主动记忆能力可能是最具吸引力的差异化特性。如果这一能力在实际部署中表现稳定，它将特别适合需要长期跟踪用户上下文的应用场景，例如个人财务管理、健康监测规划、长期项目助手等。
Muse Wonder Full 仅限订阅的模式也值得关注。这种”旗舰模型封闭化”的策略如果被市场接受，可能会推动更多厂商考虑将最新、最强的模型以订阅增值服务的形式提供，而非完全放开 API 访问。
小结
Meta 正式以 Muse Wonder 踏入前沿大模型赛道，这是该公司自 Alexandr Wang 重组 AI 团队以来最具标志性的产品发布。从基准对标 GPT-6 Sol 的性能设定，到主打主动记忆的差异化能力，再到 Prometheus 数据中心的训练基础设施，Meta 正在用实际行动表明其在 AI 竞争中的长期投入不再只是”参与”，而是”争胜”。
AI 会员开通推荐
免 KYC 虚拟卡，可开通各类 AI 会员：立即注册