Meta的Superintelligence Lab周一发布了两款新的先进模型Muse Wonder和Muse Wonder Full，代表该公司首次尝试推出前沿模型。

Meta此前推出的Muse Spark旨在成为一款低延迟、轻量级模型，而Wonder系列模型规模更大，Meta称其能力更强，在基准测试中得分更高，在编码等复杂任务上的表现也更好。

根据Meta在模型卡中展示的测试结果，Wonder和Wonder Full的基准分数与Fable 5.1和GPT-6 Astra相当。

Meta关于这些模型的博客文章写道：“它们共同标志着我们扩展路线图上的下一步，也是向个人超级智能迈出的一大步。”

这种规模也体现在定价上：通过Meta Model API访问时，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，成本大致相当于GPT-6 Sol或Opus 5.5。

值得注意的是，Wonder Full将仅向Muse Code订阅用户开放，不会通过API提供。两款模型也都将用于驱动Muse agent。

Meta一直关注开发能够长期执行任务的个人助手，因此公司特别强调新模型保留并整合用户提供信息的能力，Meta将这一特性称为“active memory”。

为了提升记忆能力，Meta重点提到了MemoryBench基准，该测试考察持续学习和记忆构建框架。根据公司的测试，Muse Wonder在MemoryBench上的得分已经高于Fable、Opus或Astra。

参与发布视频的研究科学家Kavya Kopparapu表示：“我们投入了大量精力，确保你的模型能够记住对你来说重要的事情，持续数天、数周、数月乃至更久。”

这些新模型是自Scale AI创始人Alexandr Wang在去年8月重组Meta AI业务以来，Meta首次发布的前沿模型。此后，Meta发布了轻量级的Muse Spark模型和Muse agent，但一直避免像OpenAI和Anthropic那样发布此类先进模型。

根据文章，相关模型是在Meta位于俄亥俄州中部的Prometheus数据中心训练的，该数据中心于今年早些时候投入运行。