Meta 的超级智能实验室周一发布了两款新的顶尖模型：Muse Wonder 与 Muse Wonder Full，标志着该公司首次尝试推出前沿大模型。

如果说 Muse Spark 的目标是打造一款能够以低时延运行的轻量级模型，那么 Wonder 系列模型体量更大，据称能力也更强，在编码（coding）等复杂任务上的基准测试得分更高、表现更好。

根据 Meta 在模型卡中展示的测试结果，Wonder 与 Wonder Full 在基准测试中取得的分数与 Fable 5.1 和 GPT-6 Astra 相当。

Meta 在介绍这两款模型的博客文章中写道：「它们共同标志着我们扩展阶梯上的下一步，也是迈向个人超级智能的重大飞跃。」

这一规模也反映在了定价上：通过 Meta 模型 API 调用 Wonder 的价格为每百万输入 token 4 美元、每百万输出 token 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 仅向 Muse Code 订阅用户开放，并不会通过 API 提供服务。此外，这两款模型都将被用于驱动 Muse 智能体。

为了延续其开发能够在长时间跨度上执行任务的个人助理这一方向，Meta 特别强调了新模型在保留与综合用户提供的信息方面的能力，Meta 将这一特性称为「主动记忆」（active memory）。

为了实现更好的记忆能力，Meta 重点提到了 MemoryBench 基准测试，该基准用于挑战持续学习与记忆构建框架。根据 Meta 的测试，Muse Wonder 在 MemoryBench 上的得分现已高于 Fable、Opus 和 Astra。

研究科学家 Kavya Kopparapu 在随发布同步上线的视频中表示：「我们投入了巨大的精力，确保你的模型能够在数天、数周、数月乃至更长的时间里记住对你而言重要的内容。」

这两款新模型是自去年 8 月 Scale AI 创始人 Alexandr Wang 重整 Meta 人工智能业务以来的首款前沿大模型。此后，Meta 发布过轻量级的 Muse Spark 模型以及 Muse 智能体，但一直未推出 OpenAI 和 Anthropic 所擅长的那种顶尖模型。

根据该文章所述，这些模型在 Meta 位于俄亥俄州中部的 Prometheus 数据中心进行训练，该数据中心已于今年早些时候上线。