韭菜也想吃肉
10-13
等我试一下好不好用
Meta最强旗舰碾压GPT-6和Opus，一夜杀回世界前三
免责声明：上述内容仅代表发帖人个人观点，不构成本平台的任何投资建议。
分享至
微信
复制链接
精彩评论
我们需要你的真知灼见来填补这片空白
打开APP，发表看法
APP内打开
发表看法
{"i18n":{"language":"zh_CN"},"detailType":1,"isChannel":false,"data":{"magic":2,"id":617844728657032,"tweetId":"617844728657032","gmtCreate":1791860257546,"gmtModify":1791860259250,"author":{"id":4229586008866100,"idStr":"4229586008866100","authorId":4229586008866100,"authorIdStr":"4229586008866100","name":"韭菜也想吃肉","avatar":"https://static.tigerbbs.com/d7d5d7c4de9be2b1611f098460503ebf","vip":1,"userType":1,"introduction":"","boolIsFan":false,"boolIsHead":false,"crmLevel":1,"crmLevelSwitch":0,"individualDisplayBadges":[],"wearingBadges":[],"fanSize":13,"starInvestorFlag":false},"themes":[],"images":[],"coverImages":[],"title":"","html":"<html><head></head><body><p>等我试一下好不好用</p></body></html>","htmlText":"<html><head></head><body><p>等我试一下好不好用</p></body></html>","text":"等我试一下好不好用","highlighted":1,"essential":1,"paper":1,"likeSize":0,"commentSize":0,"repostSize":0,"favoriteSize":0,"link":"https://laohu8.com/post/617844728657032","repostId":1169672228,"repostType":2,"repost":{"id":"1169672228","kind":"news","pubTimestamp":1791856038,"share":"https://www.laohunote.com/m/news/1169672228?lang=zh_CN&edition=full","pubTime":"2026-10-13 09:47","market":"us","language":"zh","title":"Meta最强旗舰碾压GPT-6和Opus，一夜杀回世界前三","url":"https://stock-news.laohu8.com/highlight/detail?id=1169672228","media":"新智元","summary":"深夜，Meta一口气发布Muse Wonder和Muse Wonder Full两款大模型。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。到了长任务编程，Meta更是直接反超Opus和Astra。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%。终端编程成绩，Full为57.1，Astra和Opus分别是59.1、59.6。它找出了46个，与GPT-6 Astra打平。Full更少硬答，但知识指数仍是30，低于Astra的43和Opus的46。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。","content":"<html><head></head><body><p>小扎这次，真追上来了！</p><p>深夜，Meta一口气发布Muse Wonder和Muse Wonder Full两款大模型。</p><p>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。</p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/2a0e5785f78c338ed2cd9b5642ac86ff\" alt=\"\" title=\"\" tg-width=\"1080\" tg-height=\"142\"/></p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/aaa9847913f1acb0921886f91ace417d\" alt=\"\" title=\"\" tg-width=\"1080\" tg-height=\"396\"/></p><p>在各项基准测试中，Meta「双弹」终于能和Claude、GPT正面竞争了。</p><p>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。</p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/a12ead28cb22fa5045d8089bd9832649\" alt=\"\" title=\"\" tg-width=\"1080\" tg-height=\"1630\"/></p><p>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。</p><p>Muse Wonder同样拿下52分，全面反超了上一代Muse Spark 1.3。</p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/487f0e847f86283b3f18fe476d1a8459\" alt=\"\" title=\"\" tg-width=\"1080\" tg-height=\"788\"/></p><p>到了长任务编程，Meta更是直接反超Opus和Astra。<strong>不光最高档的Full赢了，普通版Wonder也赢了！</strong></p><p>它手里握着两张最大的王牌，Active Memory（主动记忆）+ Active Focus（主动专注）。</p><p>一时间，许多人纷纷惊叹，看来各大实验室已经攻克了RSI。</p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/53d8e82423a292aa741ec83da50f0ee6\" alt=\"\" title=\"\" tg-width=\"1080\" tg-height=\"769\"/></p><table style=\"border-collapse: collapse;\"><tbody><tr><td style=\"text-align: left; vertical-align: top;\"><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/df194409ff1738eaf3fa18ececbd3878\" alt=\"\" title=\"\" tg-width=\"1080\" tg-height=\"1080\"/></p></td><td style=\"text-align: left; vertical-align: top;\"><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/faf6947e0874f7ec6ac607491c03e24b\" alt=\"\" title=\"\" tg-width=\"1080\" tg-height=\"1080\"/></p></td></tr></tbody></table><p><strong>这次升级所有能力，划重点——</strong></p><ul style=\"\"><li><p><strong>编程杀进第一梯队：</strong>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。</p></li><li><p><strong>跨对话记住你，长任务接着干：</strong>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。</p></li><li><p><strong>专业工作也追上来了：</strong>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。</p></li><li><p><strong>价格：</strong>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。</p></li></ul><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/19301b8b90b91547f987a151b2a336b8\" alt=\"\" title=\"\" tg-width=\"1080\" tg-height=\"864\"/></p><p><strong>六周猛涨8分，十项测试全赢前代！</strong></p><p>按照Artificial Analysis的统计，Muse Spark 1.3和新模型的发布只隔了六周。</p><p>智能指数从48分冲到56分，涨了整整8分！</p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/54007c36fc000e7c7cf0f5c56f7c8097\" alt=\"\" title=\"\" tg-width=\"1080\" tg-height=\"679\"/></p><p><strong>十项测试，全部超过Spark 1.3；六项冲进前三，两项拿到第一！</strong></p><p>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。</p><p>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。</p><p>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！</p><p>另一家评测机构Vals也公布了新成绩。</p><p>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！</p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/fe4db22e22193b3d8945e97441973606\" alt=\"\" title=\"\" tg-width=\"1080\" tg-height=\"939\"/></p><p>跑分之外，Conductor开发者Charlie Holtz已经把Wonder用进自己的代码库。</p><p>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。</p><p>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<strong>「Meta现在已经站到最前沿了」！</strong></p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/58a70ff24c655029051175c6198a35f4\" alt=\"\" title=\"\" tg-width=\"1080\" tg-height=\"1066\"/></p><p>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。</p><p>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！</p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/1296283c9d835503300fe12b7ba5a3a4\" alt=\"\" title=\"\" tg-width=\"600\" tg-height=\"750\"/></p><p><strong>长任务反超Opus，编程全面暴击Astra</strong></p><p>在考核长程任务的基准SWE-Marathon上，<strong>Full拿到57.5%，Opus 5.5为46.3%，Astra为42.5%。</strong></p><p><strong>领先幅度分别达到11.2和15个百分点！</strong></p><p>甚至不用上Full，普通版Wonder拿到53.1%，同样超过这两款旗舰。</p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/8519f85a664381b05ef15c627c5c11f4\" alt=\"\" title=\"\" tg-width=\"1080\" tg-height=\"1080\"/></p><p>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</p><p>DeepSWE v1.1包含113项任务，涉及91个代码仓库、五种编程语言。</p><p>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%。</p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/8613192935aa0d7dbf271879fe037473\" alt=\"\" title=\"\" tg-width=\"1080\" tg-height=\"1080\"/></p><p>再看AA的编程Agent榜（Coding Agents Index），<strong>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。</strong></p><p>上一代Muse Code搭配Spark 1.3只有54分。<strong>换上Full，直接涨了14分！</strong>搭载普通版Wonder也有63分。</p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/b384a3b9ecaf268faf21672c377ff57a\" alt=\"\" title=\"\" tg-width=\"1080\" tg-height=\"666\"/></p><p>Artificial Analysis编程Agent测试，Muse Code与Claude Code的部分成绩</p><p>从零编程的ProgramBench中，Full拿到59.0，高于Astra的52.5，Opus为70.5。</p><p>终端编程成绩，Full为57.1，Astra和Opus分别是59.1、59.6。</p><p>此外，更大规模的漏洞测试也有了结果。</p><p>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。</p><p>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。</p><p><strong>数学多做对36题，token少了四成</strong></p><p>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。</p><p><strong>题做得更多，输出token反而从450万降到270万，少了四成！</strong>做应用时，得分维持在86%左右，平均步骤从120步减到62步。</p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/c6307eeb5d194c44921c3e1e97433853\" alt=\"\" title=\"\" tg-width=\"1080\" tg-height=\"938\"/></p><p><strong>14项有8项超过Opus，法律得分达到3.1倍</strong></p><p>法律任务Harvey LAB-AA中，Full拿到13.1分，Opus为4.2分，<strong>前者达到后者的3.1倍！</strong>金融任务也拿到59.1分，超过Opus的58.6和Astra的53.5。</p><p>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。</p><p>Full更少硬答，但知识指数仍是30，低于Astra的43和Opus的46。</p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/af92802e23ff29e374003c094fdfee51\" alt=\"\" title=\"\" tg-width=\"1080\" tg-height=\"694\"/></p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/7ea3deb6bec30645cd939f70e36181f7\" alt=\"\" title=\"\" tg-width=\"1080\" tg-height=\"1699\"/></p><p><strong>吉瓦级训练</strong></p><p><strong>普罗米修斯走出的「终极怪兽」</strong></p><p>Muse Wonder之所以强的可怕，正是因为其背后动用了吉瓦级超算。</p><p>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。</p><p>这次Muse Wonder的诞生之地，正是业界传闻已久的<strong>吉瓦级Prometheus（普罗米修斯）超级数据中心</strong>。</p><p>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。</p><p>更惊人的是其基础能力规格：</p><ul style=\"\"><li><p>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；</p></li><li><p>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；</p></li><li><p>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。</p></li></ul><p>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。</p><p><strong>更强的基础模型，还要把学会的能力用到新问题上。</strong></p><p>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。</p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/e7fa766c47db7d35efa3b8566aeff704\" alt=\"\" title=\"\" tg-width=\"1080\" tg-height=\"608\"/></p><p>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</p><p><strong>重建14个月，小扎终于打回来了！</strong></p><p>现在，普通版Wonder已经在Meta Model API和Muse Code上线。</p><p>API按用量收费：<strong>每百万token输入4美元、输出20美元，缓存输入0.20美元。</strong>上下文窗口达到100万token，长上下文不额外加价。</p><p><strong>Full目前只在Muse Code订阅中开放：</strong>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。</p><p>个人助手Muse也将接入Wonder，按官方计划先向订阅者推出。</p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/334f2207468bb85eccf1e11346bf29a7\" alt=\"\" title=\"\" tg-width=\"1080\" tg-height=\"471\"/></p><p>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</p><p>这下，Claude Code和Codex的底盘，Meta也来抢了！</p></body></html>","source":"lsy1569730104218","collect":0,"html":"<!DOCTYPE html>\n<html>\n<head>\n<meta http-equiv=\"Content-Type\" content=\"text/html; charset=utf-8\" />\n<meta name=\"viewport\" content=\"width=device-width,initial-scale=1.0,minimum-scale=1.0,maximum-scale=1.0,user-scalable=no\"/>\n<meta name=\"format-detection\" content=\"telephone=no,email=no,address=no\" />\n<title>Meta最强旗舰碾压GPT-6和Opus，一夜杀回世界前三</title>\n<style type=\"text/css\">\na,abbr,acronym,address,applet,article,aside,audio,b,big,blockquote,body,canvas,caption,center,cite,code,dd,del,details,dfn,div,dl,dt,\nem,embed,fieldset,figcaption,figure,footer,form,h1,h2,h3,h4,h5,h6,header,hgroup,html,i,iframe,img,ins,kbd,label,legend,li,mark,menu,nav,\nobject,ol,output,p,pre,q,ruby,s,samp,section,small,span,strike,strong,sub,summary,sup,table,tbody,td,tfoot,th,thead,time,tr,tt,u,ul,var,video{ font:inherit;margin:0;padding:0;vertical-align:baseline;border:0 }\nbody{ font-size:16px; line-height:1.5; color:#999; background:transparent; }\n.wrapper{ overflow:hidden;word-break:break-all;padding:10px; }\nh1,h2{ font-weight:normal; line-height:1.35; margin-bottom:.6em; }\nh3,h4,h5,h6{ line-height:1.35; margin-bottom:1em; }\nh1{ font-size:24px; }\nh2{ font-size:20px; }\nh3{ font-size:18px; }\nh4{ font-size:16px; }\nh5{ font-size:14px; }\nh6{ font-size:12px; }\np,ul,ol,blockquote,dl,table{ margin:1.2em 0; }\nul,ol{ margin-left:2em; }\nul{ list-style:disc; }\nol{ list-style:decimal; }\nli,li p{ margin:10px 0;}\nimg{ max-width:100%;display:block;margin:0 auto 1em; }\nblockquote{ color:#B5B2B1; border-left:3px solid #aaa; padding:1em; }\nstrong,b{font-weight:bold;}\nem,i{font-style:italic;}\ntable{ width:100%;border-collapse:collapse;border-spacing:1px;margin:1em 0;font-size:.9em; }\nth,td{ padding:5px;text-align:left;border:1px solid #aaa; }\nth{ font-weight:bold;background:#5d5d5d; }\n.symbol-link{font-weight:bold;}\n/* header{ border-bottom:1px solid #494756; } */\n.title{ margin:0 0 8px;line-height:1.3;color:#ddd; }\n.meta {color:#5e5c6d;font-size:13px;margin:0 0 .5em; }\na{text-decoration:none; color:#2a4b87;}\n.meta .head { display: inline-block; overflow: hidden}\n.head .h-thumb { width: 30px; height: 30px; margin: 0; padding: 0; border-radius: 50%; float: left;}\n.head .h-content { margin: 0; padding: 0 0 0 9px; float: left;}\n.head .h-name {font-size: 13px; color: #eee; margin: 0;}\n.head .h-time {font-size: 11px; color: #7E829C; margin: 0;line-height: 11px;}\n.small {font-size: 12.5px; display: inline-block; transform: scale(0.9); -webkit-transform: scale(0.9); transform-origin: left; -webkit-transform-origin: left;}\n.smaller {font-size: 12.5px; display: inline-block; transform: scale(0.8); -webkit-transform: scale(0.8); transform-origin: left; -webkit-transform-origin: left;}\n.bt-text {font-size: 12px;margin: 1.5em 0 0 0}\n.bt-text p {margin: 0}\n</style>\n</head>\n<body>\n<div class=\"wrapper\">\n<header>\n<h2 class=\"title\">\nMeta最强旗舰碾压GPT-6和Opus，一夜杀回世界前三\n</h2>\n\n<h4 class=\"meta\">\n\n\n2026-10-13 09:47 北京时间 <a href=https://mp.weixin.qq.com/s/Hl9mvfeGATGjH4BaQ-sAnA><strong>新智元</strong></a>\n\n\n</h4>\n\n</header>\n<article>\n<div>\n<p>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。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。在...</p>\n\n<a href=\"https://mp.weixin.qq.com/s/Hl9mvfeGATGjH4BaQ-sAnA\">网页链接</a>\n\n</div>\n\n\n</article>\n</div>\n</body>\n</html>\n","type":0,"thumbnail":"https://static.tigerbbs.com/c06d2fe3bed8d64707cae05406c5f984","relate_stocks":{"METW":"Roundhill META WeeklyPay™ ETF","FBYY":"GraniteShares YieldBOOST META ETF","FBX":"Corgi META 2x Daily ETF","METG":"Leverage Shares 2x Long META Daily ETF","METU":"2倍做多META ETF-Direxion","METD":"1倍做空META ETF-Direxion","FBY":"META期权收益策略ETF-YieldMax","FBL":"2倍做多META ETF-GraniteShares","META":"Meta Platforms, Inc.","METQ":"Tradr 2X Short META Daily ETF"},"source_url":"https://mp.weixin.qq.com/s/Hl9mvfeGATGjH4BaQ-sAnA","is_english":false,"share_image_url":"https://static.laohu8.com/e9f99090a1c2ed51c021029395664489","article_id":"1169672228","content_text":"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。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。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。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。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。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！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！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」！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！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。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%。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。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。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。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。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。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！","news_type":1,"symbols_score_info":{"FBL":0.6,"FBYY":0.6,"META":2,"METG":0.6,"METU":0.6,"METW":0.6,"METQ":0.6,"FBX":0.6,"FBY":0.6,"METD":0.6}},"isVote":1,"tweetType":1,"viewCount":379,"commentLimit":10,"likeStatus":false,"favoriteStatus":false,"reportStatus":false,"symbols":[],"verified":2,"subType":0,"readableState":1,"langContent":"CN","currentLanguage":"CN","warmUpFlag":false,"orderFlag":false,"shareable":true,"causeOfNotShareable":"","featuresForAnalytics":[],"commentAndTweetFlag":false,"andRepostAutoSelectedFlag":false,"upFlag":false,"length":18,"optionInvolvedFlag":false,"subscribersOnly":false,"subscribersOnlyAccessible":false,"xxTargetLangEnum":"ZH_CN"},"commentList":[],"isCommentEnd":true,"isTiger":false,"isWeiXinMini":false,"url":"/m/post/617844728657032"}
精彩评论