摘要： Meta 在美國時間 10 月 12 日推出 Muse Wonder 與 Muse Wonder Full 兩款閉源模型，宣稱是公司至今最強，並特別強調在個人與專業 agent 任務上的表現。對 builder 來說，重點不只是分數領先，而是 Meta 把記憶與持續執行當成產品功能來賣——但最強的 Wonder Full 目前只給訂閱用戶，沒開 API。
定價與定位：這次不靠便宜
過去 Meta 用 Llama 系列推開放權重模型，這次策略明顯轉向。Muse Wonder 系列由 Meta Superintelligence Labs 開發，改採閉源商業模式，標準版 API 每百萬輸入、輸出 tokens 收費 4 美元與 20 美元，與 Claude Opus 5.5 相同。Meta 顯然不想再以低價搶市場，而是直接在前沿定位上與 OpenAI、Anthropic 對位。
訓練資源也規格不同：根據 Meta 官方研究文章，Wonder 系列由公司 GW 級 Prometheus 資料中心訓練。執行長祖克柏更宣稱 Meta 已重返前沿模型競爭。
獨立評測機構 Artificial Analysis 的綜合智慧指數給了 Wonder 52 分、Wonder Full 56 分——Full 超越 GPT-6 Astra 的 53 分，但仍低於 Claude Opus 5.5 的 58 分。也就是說，綜合能力上是「有競爭力」而非「全面領先」。Meta 自己也知道這點，所以把敘事重心放在 agent 工作能力上。
Builder 該細看的兩個能力：Active Memory 與 Active Focus
先前我們已在另一篇文章拆解過 Active Memory 和 Active Focus 為什麼值得細看（Meta 端出兩款 agent 旗艦：Active Memory 和 Active Focus 才是 builder 該細看的地方），這裡只補上這次公布的具體數據。
Active Memory 讓模型跨對話保留背景——使用者提過的偏好、工作限制，不必每次重新交代。Active Focus 則處理更難的問題：agent 遇到障礙時能否嘗試替代方案、調整計畫、必要時回頭確認。在 Meta 公布的 FocusBench 測試中，Wonder Full 得到 54.2%，高於 GPT-6 Astra 的 47.7% 與 Claude Opus 5.5 的 45.8%；但標準版 Wonder 只有 44.9%，反而墊底。
這個落差對選型很關鍵：Meta 宣傳的 agent 優勢，很大程度集中在 Full 版本上。另外在法律任務測試 Harvey LAB-AA，Wonder Full 拿到 13.1 分，明顯高於 Astra 的 8.6 分與 Opus 5.5 的 4.2 分；長時間程式開發的 SWE-Marathon 則是 57.5 分，同樣領先。Meta 還強調 Wonder Full 在陌生任務上的泛化表現優於前代 Muse Spark 1.3 的趨勢預測——對個人 agent 來說，這點比刷熟題重要，因為使用者的目標與工具組合本來就無法預先窮舉。
企業現在能用的，其實只有標準版
這是決策時最該注意的限制。根據《VentureBeat》，Wonder Full 目前僅供 Muse Code 訂閱者使用，未開放一般 API；企業能直接整合的只有標準版 Wonder，而標準版在 FocusBench 上並未展現優勢。換句話說，那些讓人眼前一亮的 agent 分數，短期內是你透過 API 買不到的能力。
另一個提醒：Active Memory 不等於導入模型後就有完整長期記憶系統。Agent 要跨系統讀取文件、訊息與個人資料，仍需要自己處理資料存取權限、工具整合與安全管理。模型提供的是能力，不是架構。
對 Meta 的賭注，也是對你的提醒
《華爾街日報》指出，Meta 的個人 agent「Muse」已累積近 900 萬次下載，但成長放緩、留存率落後 ChatGPT。Wonder 系列會優先強化訂閱用戶的複雜工作流程，Meta 的算盤很清楚：用 agent 能力換留存，而不是用跑分換聲量。
實際的下一步建議：如果你的應用需要長時間持續執行，值得用 Wonder 標準版跑一輪自己的任務測試，確認它在你的工作負載上是否逼近 Full 版表現；如果差異明顯，短期内可能得等 API 開放，或繼續用 Claude Opus 5.5 這類現有選項。部分測試支持 Meta 的優勢主張，但在企業實際環境中的可靠性，仍需要你自己驗證。