Meta的超级智能实验室于周一发布了两款全新的顶尖模型——Muse Wonder与Muse Wonder Full，这是该公司首次尝试推出前沿模型。
Muse Spark的定位是一款可低延迟运行的轻量级模型，而Wonder系列体量更大，能力也更强，基准测试得分更高，在编程等复杂任务上的表现也更为出色。
根据Meta在模型卡中公布的测试结果，Wonder与Wonder Full的基准成绩与Fable 5.1及GPT-6 Astra相当。
“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一次重大跃升，”Meta在介绍这两款模型的博客文章中写道。
这一规模也体现在定价上：通过Meta Model API调用，Wonder的价格为每百万输入token 4.00美元、每百万输出token 20.00美元，成本大致与GPT-6 Sol或Opus 5.5相当。
呼应Meta开发能够长时间执行任务的个人助理这一方向，公司特别强调新模型保留并综合用户所提供信息的能力，Meta将其称为“主动记忆”（active memory）。
为实现更好的记忆召回，Meta着重提到了MemoryBench基准，该基准对持续学习与记忆构建框架构成挑战。据公司测试，Muse Wonder在MemoryBench上的得分现已高于Fable、Opus和Astra。
“我们投入了巨大精力，确保模型能在数天、数周、数月乃至更长时间里记住对你重要的信息，”研究科学家Kavya Kopparapu在随发布推出的视频中表示。
这两款新模型是自去年8月Scale AI创始人Alexandr Wang重组Meta的AI业务以来，Meta首次发布的前沿模型。此后，Meta陆续推出了轻量级模型Muse Spark和Muse agent，但一直回避OpenAI和Anthropic所擅长的那类顶尖模型发布。
据该文章介绍，这些模型在Meta位于俄亥俄州中部的Prometheus数据中心完成训练，该数据中心于今年早些时候投入使用。
