Meta一夜杀回世界前三

36氪 2026-10-13 21:31
Meta一夜杀回世界前三图1

Meta一夜杀回世界前三图2

Meta大模型强势反超，
AI格局要变天了？
Meta一夜杀回世界前三图3
Meta一夜杀回世界前三图4
编辑丨摩西 桃子
来源丨新智元（ID：AI_era）
封面来源丨pixabay
小扎这次，真追上来了！
深夜，Meta一口气发布Muse Wonder和Muse Wonder Full两款大模型。
官方毫不客气地将其定义为，Meta迄今为止最强模型，也是全面迈向「个人超级智能」历史性飞跃。
Meta一夜杀回世界前三图5
Meta一夜杀回世界前三图6
在各项基准测试中，Meta「双弹」终于能和Claude、GPT正面竞争了。
如今最强的Claude Fable 5.1和GPT-6 Astra，几乎被Muse Wonder直接踩在了脚下。
Meta一夜杀回世界前三图7
在Artificial Analysis上，Muse Wonder Full斩获56分，稳居全球第一梯队，与Sonnet 5.5并驾齐驱，压制了GPT-6 Astra。
Muse Wonder同样拿下52分，全面反超了上一代Muse Spark 1.3。
Meta一夜杀回世界前三图8
到了长任务编程，Meta更是直接反超Opus和Astra。不光最高档的Full赢了，普通版Wonder也赢了！
它手里握着两张最大的王牌，Active Memory（主动记忆）+ Active Focus（主动专注）。
一时间，许多人纷纷惊叹，看来各大实验室已经攻克了RSI。
Meta一夜杀回世界前三图9
Meta一夜杀回世界前三图10
这次升级所有能力，划重点——
  • 编程杀进第一梯队：Muse Code搭载Full，在AA编程Agent榜追平Claude Sonnet；两款Wonder在长任务测试中都超过Opus和Astra。
  • 跨对话记住你，长任务接着干：Active Memory保留你的重要信息；Active Focus让模型遇到障碍时换办法、出错后检查，收到新要求再调整计划。
  • 专业工作也追上来了：14项测试涵盖法律、金融、记忆和持续执行等能力，Full有8项超过Opus 5.5，11项超过GPT-6 Astra。
  • 价格：普通版API每百万token输入4美元、输出20美元；Full通过Muse Code订阅开放，每月50或200美元。
Meta一夜杀回世界前三图11
Meta一夜杀回世界前三图12
六周猛涨8分
十项测试全赢前代
按照Artificial Analysis的统计，Muse Spark 1.3和新模型的发布只隔了六周。
智能指数从48分冲到56分，涨了整整8分！
Meta一夜杀回世界前三图13
十项测试，全部超过Spark 1.3；六项冲进前三，两项拿到第一！
在科学推理CritPt和专业文档GDP.pdf中，Full都拿到33%，冲到AA当次榜单第一！考专业知识工作的GDPval-AA v2.1，Full拿到1857 Elo，排到第二。
另外三项第三，分别是知识工作AA-Briefcase、业务流程自动化AutomationBench-AA和科学编程SciCode。
Terminal-Bench 4.0要求AI自己读文件、敲命令、处理报错。Spark只能完成33%的任务，Full已经做到57%，一口气提高24个百分点！
另一家评测机构Vals也公布了新成绩。
在覆盖金融、编程、法律和税务工作的Vals Index综合榜中，Wonder Full以64.57分冲到第五，超过榜上所有OpenAI模型！
Meta一夜杀回世界前三图14
跑分之外，Conductor开发者Charlie Holtz已经把Wonder用进自己的代码库。
没想到，Muse一次就找到了一个真实安全漏洞，而其他Agent此前都漏掉了。
甚至，他还盛赞其设计和可视化效果、CLI的速度与语音模式，直言「Meta现在已经站到最前沿了」！
Meta一夜杀回世界前三图15
在另一场测试中，开发者Yair做了同题对比，让Wonder和Opus 5.5同出第一人称3D游戏。
Claude Code搭载Opus 5.5花了11分40秒，Muse Code搭载普通版Wonder只用3分42秒，连四分钟都没到！
Meta一夜杀回世界前三图16
Meta一夜杀回世界前三图17
长任务反超Opus
编程全面暴击Astra
在考核长程任务的基准SWE-Marathon上，Full拿到57.5%，Opus 5.5为46.3%，Astra为42.5%。
领先幅度分别达到11.2和15个百分点！
甚至不用上Full，普通版Wonder拿到53.1%，同样超过这两款旗舰。
Meta一夜杀回世界前三图18
SWE-Marathon要求AI持续完成软件项目：读需求、改多个文件、跑测试，出错后还要自己找原因、接着改
DeepSWE v1.1包含113项任务，涉及91个代码仓库、五种编程语言。
Meta汇总的成绩中，Full拿到79.0%，Wonder为78.8%，Opus和Astra分别为74.2%、74.1%。
Meta一夜杀回世界前三图19
再看AA的编程Agent榜（Coding Agents Index），Muse Code搭载Full拿到68分，追平Claude Code搭载Sonnet的成绩，超过搭载Opus的66分。
上一代Muse Code搭配Spark 1.3只有54分。换上Full，直接涨了14分！搭载普通版Wonder也有63分。
Meta一夜杀回世界前三图20
Meta一夜杀回世界前三图21
Artificial Analysis编程Agent测试，Muse Code与Claude Code的部分成绩
从零编程的ProgramBench中，Full拿到59.0，高于Astra的52.5，Opus为70.5。
终端编程成绩，Full为57.1，Astra和Opus分别是59.1、59.6。
此外，更大规模的漏洞测试也有了结果。
VulnPR-100的维护者给Wonder 1.0安排了100个含已知漏洞的代码变更，每个限时一小时。
它找出了46个，与GPT-6 Astra打平。整轮花费284.88美元，平均每个漏洞6.19美元。
数学多做对36题，token少了四成
在Vals AI的ProofBench中，Full做对94道数学证明题，比前代多36道；同榜Opus为100道、Astra为99道。
题做得更多，输出token反而从450万降到270万，少了四成！做应用时，得分维持在86%左右，平均步骤从120步减到62步。
Meta一夜杀回世界前三图22

14项有8项超过Opus

法律得分达到3.1倍

法律任务Harvey LAB-AA中，Full拿到13.1分，Opus为4.2分，前者达到后者的3.1倍！金融任务也拿到59.1分，超过Opus的58.6和Astra的53.5。
做专业工作，还得少编答案。AA的6000道知识题中，Full的幻觉率为23%，Astra为51%，Opus为59%；这里统计的是没答对的题里，仍然给出错误答案的比例。
Full更少硬答，但知识指数仍是30，低于Astra的43和Opus的46。
Meta一夜杀回世界前三图23
Meta一夜杀回世界前三图24
Meta一夜杀回世界前三图25
吉瓦级训练
普罗米修斯走出的「终极怪兽」
Muse Wonder之所以强的可怕，正是因为其背后动用了吉瓦级超算。
14个月前，Meta悄然启动了对其整个AI基础设施与研发范式的彻底重构。
这次Muse Wonder的诞生之地，正是业界传闻已久的吉瓦级Prometheus（普罗米修斯）超级数据中心。
Meta在这里继续扩大预训练和强化学习：预训练先建立广泛的基础能力，强化学习再根据任务反馈调整模型的行为。
更惊人的是其基础能力规格：
  • 100万Token超大推理上下文：无论是一整套大型代码库、数百页的复杂并购合同，还是几个小时的音视频记录，统统能一口吞下；
  • 原生全模态输入支持：打通文本、高分辨率图像、超长视频与连续音频；
  • Big Model Smell的质变：Meta在博客中特别回应了AI圈对模型「泛化能力」的质疑。
为了让模型能把复杂项目做完，Meta在训练中加入大量类型不同、耗时更长的任务。拿编程来说，模型要记住需求、修改多个文件，再经历一轮轮测试和返工，持续把项目往前推。
更强的基础模型，还要把学会的能力用到新问题上。
Meta逐档增加推理时的计算量，两代模型在陌生任务上的成绩都跟着提高。当它们在后训练重点覆盖的任务上得分相近时，Full在没有重点覆盖的任务上仍然更好。
Meta一夜杀回世界前三图26
横轴为后训练重点覆盖的任务，纵轴为没有重点覆盖的任务
重建14个月，小扎终于打回来了！
现在，普通版Wonder已经在Meta Model API和Muse Code上线。
API按用量收费：每百万token输入4美元、输出20美元，缓存输入0.20美元。上下文窗口达到100万token，长上下文不额外加价。
Full目前只在Muse Code订阅中开放：Power Usage为50美元/月，Maximum Usage为200美元/月，分别提供基础档20倍、80倍的用量，暂未开放独立API。
个人助手Muse也将接入Wonder，按官方计划先向订阅者推出。
Meta一夜杀回世界前三图27
虽然首批用户遇到了额度异常，但Alexandr Wang表示，团队正在修复，并承诺修好后重置额度
这下，Claude Code和Codex的底盘，Meta也来抢了！

参考资料：

https://research.meta.ai/blog/muse-wonder/
https://research.meta.ai/static/muse-wonder-model-card

Meta一夜杀回世界前三图28

Meta一夜杀回世界前三图29
Meta一夜杀回世界前三图32

Meta一夜杀回世界前三图33

Meta一夜杀回世界前三图34
关于科技区角：国内科技展会垂直内容策划服务商，提供从论坛内容全案策划、会展市场化IP打造到精准专业观众一站式邀约服务，以产业内容吸引高质量B端人群，打通展会从议题设计、演讲嘉宾邀约、宣传预热、精准邀观到供需对接全链路。
声明：内容取材于网络，仅代表作者观点，如有内容违规问题，请联系处理。
more
从“生成答案”到“驱动生产”，AMD EPYC如何支撑新一代智能汽车工厂？
芯东西 2周前
从“生成答案”到“驱动生产”，AMD EPYC如何支撑新一代智能汽车工厂？
李想预热2026款理想i6：拒绝“爆款驱动”，剑指全球市场
科技区角 4天前
李想预热2026款理想i6：拒绝“爆款驱动”，剑指全球市场
2026年智能眼镜市场：AI驱动普及，开启生态升级新时代
电器微刊 1天前
2026年智能眼镜市场：AI驱动普及，开启生态升级新时代
2026年中国床垫行业重点上市企业对比分析：喜临门领跑，智能睡眠驱动行业升级[图]
智研咨询 2周前
2026年中国床垫行业重点上市企业对比分析：喜临门领跑，智能睡眠驱动行业升级[图]
iPhone 18 Pro被指“商业驱动”而非产品迭代，王自如建议普通用户暂缓换机
科技区角 2周前
iPhone 18 Pro被指“商业驱动”而非产品迭代，王自如建议普通用户暂缓换机
‌Nat Comput Sci | 重建神经通路：行为反馈驱动的跨脑区神经活动生成模型
脑机接口社区 2周前
‌Nat Comput Sci | 重建神经通路：行为反馈驱动的跨脑区神经活动生成模型
Omdia：四大驱动力将重塑2027年科技行业格局
Omdia 1周前
Omdia：四大驱动力将重塑2027年科技行业格局
硅片市场迎爆发期，AI与消费电子双轮驱动2030年规模破217亿美元
科技区角 1周前
硅片市场迎爆发期，AI与消费电子双轮驱动2030年规模破217亿美元
边缘智算，驱动产业AI跃迁｜研华亮相2026中国工博会
物联网智库 1天前
边缘智算，驱动产业AI跃迁｜研华亮相2026中国工博会
2026年中国保险丝产业链、市场规模、竞争格局及未来前景分析：政策标准筑牢门槛，高压新能源驱动结构升级[图]
智研咨询 1天前
2026年中国保险丝产业链、市场规模、竞争格局及未来前景分析：政策标准筑牢门槛，高压新能源驱动结构升级[图]
Copyright © 2025-成都区角科技有限公司
蜀ICP备2025143415号-1
  
川公网安备51015602001305号