Meta 发布 Muse Wonder 系列：智能指数跃升 8 分，代理任务性能大幅突破

查看模型页面

Meta 发布了 Muse Wonder 和 Muse Wonder Full，在最大推理努力（max reasoning effort）下分别取得了 Artificial Analysis Intelligence Index v4.3 得分 52 分和 56 分——相较于仅间隔 6 周发布的 Muse Spark 1.3（max，得分 48），两者均实现了显著提升。

Muse Wonder 已面向 Meta 第一方 API 用户开放，而 Muse Wonder Full 目前仅向 Muse Code 用户开放。Meta 指出，这两款模型均专为个人及专业场景下的智能体（agent）应用而设计。

核心要点：

➤ 两款模型的总体 Intelligence Index 得分均出现显著跃升。 Muse Wonder Full (max) 在全部十项 Intelligence Index 评估中均优于 Muse Spark 1.3 (max)，总分提升 8 点至 56 分。其中在智能体相关评估中提升最为明显：Terminal-Bench 4.0（+24 点，从 33% 提升至 57%）、GDPval-AA v2.1（+176 Elo，从 1681 提升至 1857）以及 AA-Briefcase（+148 Elo，从 1581 提升至 1729）。Muse Wonder (max) 的 Intelligence Index 得分提升 4 点至 52 分，相较于 Muse Spark 1.3 (max)，在 Terminal-Bench 4.0（从 33% 提升至 52%）和 AutomationBench-AA（从 58% 提升至 68%）上表现尤为突出。

➤ Muse Wonder Full (max) 在十项 Intelligence Index 评估中有六项跻身前三，尤其在智能体知识工作和科学推理方面表现强劲。 在智能体知识工作领域，它在 GDP.pdf 上以微弱优势领先（33%），在 GDPval-AA v2.1 上排名第 2（1857 Elo），并在 AA-Briefcase（1729 Elo）和 AutomationBench-AA（71%）上均排名第 3。在科学推理方面，它以 33% 的成绩登顶 CritPt 排行榜，并在 SciCode 上以 63% 的成绩排名第 3。这延续了 Muse Spark 1.3 (max) 在这两个领域的相对优势，后者此前也展现出卓越的能力。

➤ 两款模型的输出 token 数量均少于 Muse Spark 1.3 (max)。 Muse Wonder (max) 和 Muse Wonder Full (max) 每项 Intelligence Index 任务的平均输出 token 数约为 5.4 万，较 Muse Spark 1.3 (max)（6 万）减少约 10%。这一用量低于同等智能水平的 Gemini 4 Argon (high, 6.2 万) 和 Claude Fable 5.1 (max w/ fallback, 7.8 万)，但高于 GPT-6.1 Sol (max, 3.8 万) 和 GPT-6 Astra (max, 2.7 万)。此外，Muse Wonder Full (max) 每项 Intelligence Index 任务的输入 token 数比 Muse Wonder (max) 少 16%（分别为 644 万 vs 769 万），这意味着它不仅更智能，而且 token 效率更高。

➤ Muse Wonder（max）的单任务成本高于大多数同等智能水平的模型。 尽管其输出 token 使用效率较高，但高昂的 API 定价（每百万输入 token 4 美元，每百万输出 token 20 美元）以及较高的输入 token 用量（每任务 769 万 token），使得 Muse Wonder（max）在“智能指数”任务上的成本达到 4.52 美元。这一成本低于 Claude Fable 5.1（max w/ fallback，7.63 美元）、Claude Opus 5.5（max w/ fallback，5.98 美元）和 Claude Sonnet 5.5（max w/ fallback，5.46 美元），但高于 GPT-6 Astra（max，3.26 美元）、Gemini 4 Argon（high，1.99 美元）、GPT-6.1 Sol（max，0.72 美元）及其前代产品 Muse Spark 1.3（max，1.60 美元）。由于 Muse Wonder Full 不按 token 计费，因此无法提供单任务成本数据

➤ 两款模型在编码代理性能上均有显著提升。 Muse Wonder Full 在 Muse Code 中以最大努力程度运行，在 Artificial Analysis 编码代理指数中得分 68，与搭配 Sonnet 5.5（max，68）和 Opus 5.5（max，66）的 Claude Code 表现相当。Muse Wonder（max）得分为 63。相较于搭配 Muse Spark 1.3（max）的 Muse Code（得分 54），这些成绩代表了实质性的进步

这两款新模型的其他细节：

➤ 上下文窗口： 均为 100 万 token，与 Muse Spark 1.3 保持一致

➤ 定价： Muse Wonder 每百万 token 的价格为：输入 4 美元 / 缓存输入 0.20 美元 / 输出 20 美元。Muse Wonder Full 不按 token 计费

➤ 输入模态： 文本、图像、视频和音频

➤ 输出模态： 文本

➤ 可用性： 发布时，Muse Wonder 可通过 Meta 的第一方 API 和 Muse Code 使用，而 Muse Wonder Full 仅向 Muse Code 用户开放

Muse Wonder Full（max）在 Artificial Analysis 智能指数 v4.3 的十项评估中有六项位列前三：

➤ CritPt（33%）和 GDP.pdf（33%）排名第 1

➤ GDPval-AA v2.1（1857 Elo）排名第 2

➤ AA-Briefcase（1729 Elo）、AutomationBench-AA（71%）和 SciCode（63%）排名第 3

在 CritPt 和 GDP.pdf 上的领先优势较小，最接近的竞争者得分为 31-32%。在 GDPval-AA v2.1 上，其结果处于 Claude Opus 5.5（max w/ fallback，1866）和 Claude Sonnet 5.5（max w/ fallback，1838）的置信区间内

相较于 Muse Spark 1.3（max），其最大的提升体现在 Terminal-Bench 4.0 上：从 33% 提升至 57%，使其水平与 Gemini 4 Argon（high）持平

Muse Wonder (max) 在 Artificial Analysis Intelligence Index 任务上的成本为 $4.52，是 Muse Spark 1.3 (max,$1.60) 的 2.8 倍，主要受更高的单 token 价格和更高的输入 token 用量驱动

➤ Token 定价： 每 1M 输入 tokens 收费 $4（缓存命中$0.20），输出 tokens 收费 $20，高于 Muse Spark 1.3 的$1.25 / $0.15 /$4.25。这一价格与 Claude Opus 5.5 持平，是 Claude Sonnet 5.5、Gemini 4 Argon 和 GPT-6.1 Sol（$2/$10）的两倍，但比 GPT-6 Astra 和 Claude Fable 5.1（$10/$50）低 60%

➤ 输入： 每个任务消耗 7.69M 输入 tokens，比 Muse Spark 1.3 (max, 6.03M) 多 28%，是 Gemini 4 Argon (high)、GPT-6.1 Sol (max) 和 GPT-6 Astra (max) 的 2-7 倍。输入成本占其单任务总成本的 76%（$3.43），其中包含$1.92 的缓存写入、$1.44 的缓存命中以及$0.07 的非缓存输入

➤ 输出： 每个任务约产生 54k 输出 tokens（$1.08），比 Muse Spark 1.3 (max, 60k) 少 10%

知识储备仍是这两款模型的相对短板，但极低的幻觉率对此有所缓解。 在 AA-Omniscience 基准测试中，Muse Wonder Full (max) 得分为 30，Muse Wonder (max) 得分为 25，与 Muse Spark 1.3 (max) 持平，低于 Claude Opus 5.5 (46)、GPT-6 Astra (43)、Gemini 4 Argon (42) 和 Claude Sonnet 5.5 (32)

Muse Wonder Full (max) 提升的 5 分主要得益于将幻觉率从 33% 降低至 23%，这使其跻身于测试中幻觉率最低的模型之列：在所有 Intelligence Index 得分达到 45 或以上的模型中，它的幻觉率仅次于 Gemini 4 Argon (high, 15%)，排名第二；而 Muse Wonder (max) 以 27% 的幻觉率排名第三

Muse Wonder Full (max) 和 Muse Wonder (max) 在 Artificial Analysis Intelligence Index 中的完整结果：

在此处将 Muse Wonder Full (max) 和 Muse Wonder (max) 与其他领先模型进行对比：https://artificialanalysis.ai/models/muse-wonder-full 和 https://artificialanalysis.ai/models/muse-wonder