Muse Wonder来了，扎克伯格复仇成功了吗？

出品｜虎嗅科技组

作者｜黄天媛

编辑｜苗正卿

头图｜AI生成

扎克伯格终于等来了自己的翻身仗。

当地时间10月12日，Meta发布新一代大模型Muse Wonder和Muse Wonder Full。根据官方公布的Benchmark，性能更强的Wonder Full在多项Agent和编程测试中超越OpenAI、Anthropic的旗舰模型，第三方评测也显示，Meta已经重新跻身前沿模型第一梯队。

但就在一年半前，情况还完全不同。

外部，OpenAI、Anthropic的双强格局仿佛尘埃落定，Meta一度被认为在前沿模型竞争中掉队。内部，扎克伯格押上千亿美元级别的AI基础设施投资，花上亿美元高薪“雇佣兵”式狂挖研究员，种种决策没少遭到挖苦。

如今，Meta终于拿出了阶段性成果。

扎克伯格复仇成功了吗？模型能力追上了OpenAI和Anthropic，Meta能赢得下一场Agent战争吗？

我们整理了昨天扎克伯格和Meta首席AI官汪滔采访中的核心观点以供阅读：

• 模型正在成为产品本身。 Meta内部常说“The model is the product”。Agent的差异不再只是界面，而是记忆、主动性、可靠性和交互体验。这些能力需要通过训练数据、后训练和评测塑造，产品设计正逐渐深入模型层。

• 过度追求跑分，等于把产品方向交给别人。 汪滔认为，如果一味围绕外部Benchmark优化，就相当于把产品决策交给制定评测的人。Meta早期追赶时重视外部排名，如今更关注针对真实用户场景设计的内部评测。

• 模型进步不一定依赖重新预训练。 Muse Spark从1.0到1.3沿用同一基座模型，主要通过强化学习提升能力。Meta同时推进两条路线：扩大预训练规模（逐级放大约4—5倍），以及优化强化学习方法。

• Personal Agent需要更强的多模态能力。 汪滔认为，行业过度聚焦Coding，但普通用户更多通过视觉、语音和视频与世界交互。因此，Meta从预训练阶段就强化多模态能力，而非仅在后训练中补齐。

• 实验室的关键是人才密度和人均算力。 Meta采用小规模精英团队，集中分配算力，减少资源分散。扎克伯格强调扁平化管理，避免管理层脱离技术一线。

• 实验室负责人的战略判断比履历更重要。 尽管汪滔此前没有直接领导前沿模型训练的经验，扎克伯格仍看重他的战略思考、快速调整能力，以及吸引顶尖研究人员的能力。

经典跑分环节

先给出判断，这次的新模型是能长期记住用户使用习惯、跨软件完成任务的Personal Agent底座模型。

Muse Wonder和性能更强的Muse Wonder Full，都支持100万Token上下文窗口，能够理解文本、图像、音频和视频，原生输出以文本为主。相比上一代Muse Spark系列，新模型重点强化了编程、长期Agent任务和专业知识工作。Meta确认，Muse Wonder未来将成为个人Agent Muse的核心模型。

其中，最值得关注的是两项能力。

一是Active Memory（主动记忆），让Agent能够跨对话记住用户偏好，在需要时主动提取相关信息，而不必反复询问。二是Active Focus（主动聚焦），让Agent在执行复杂任务时持续尝试、纠错，遇到障碍能够调整方案，而不是直接放弃。

Meta还展示了根据图片制作可交互3D游戏、跨应用规划跑步活动、自动生成婚礼座位表等案例。

那么，新模型究竟有多强？

按照Meta公布的官方Benchmark，Wonder Full在多项Agent和编程测试中已经超过OpenAI、Anthropic的旗舰模型。

Meta专门设计了一项Personal Superintelligence Index（个人超级智能指数），综合衡量专业工作、流程自动化、网页操作等七类任务。

在这项测试中，Wonder Full取得59.1%的成绩，超过Claude Opus 5.5的55.2%和GPT-6 Astra的54.5%。

在考察端到端业务流程自动化能力的AutomationBench-AA中，Wonder Full取得45.4%，同样高于Astra的41.6%和Opus 5.5的41.2%。

长期记忆也是Meta的优势项目。在内部开发的MemoryBench测试中，普通版Wonder和Wonder Full分别取得85.6%和85.5%，均高于Opus 5.5和Astra的约81%。

编程方面，Wonder Full在长期软件工程测试SWE-Marathon中取得57.5%的成功率，领先Opus 5.5的46.3%和Astra的42.5%。

第三方机构Artificial Analysis（AA）的综合测评则给出了更客观的参照。

在Intelligence Index v4.3中，Wonder Full获得56分，普通版Wonder为52分，较上一代Muse Spark 1.3的48分分别提升8分和4分。作为对比，Claude Opus 5.5为58分，GPT-6 Astra为53分。

这意味着，Wonder Full已经进入前沿模型第一梯队，但综合表现目前还没有全面超越竞争对手。

但漂亮的跑分，并没有换来一致的口碑。

Wonder发布后，部分开发者在X上质疑，Meta是否过度针对Benchmark优化模型，以至于实际体验与榜单排名存在落差。

争议最集中的是3D游戏生成任务。有开发者晒出测试结果，认为Wonder的表现明显不及其他前沿模型。

面对质疑，Meta首席AI官汪滔承认，团队此前并未专门针对3D演示游戏训练模型，希望开发者更多关注其真实软件工程能力。

但有用户直接回怼，视频游戏演示也是通过代码做出来的，“游戏怎么不算‘实际编程工作’？”，并且对其泛化能力产生怀疑。

最后，开放范围和价格也是槽点。

Muse Wonder API每百万Token输入4美元、输出20美元，缓存输入0.2美元，与Claude Opus 5.5的基础输入、输出定价持平，是Gemini 4 Argon的两倍。第三方测算显示，Wonder每项测试任务的成本约为4.52美元，高于GPT-6 Astra的3.26美元，也超过了Gemini。

而性能更强的Wonder Full暂未开放独立API，目前仅向Muse Code的Power Usage和Maximum Usage订阅用户提供，订阅价格分别为每月50美元和200美元。

以及值得注意的是，此次两款模型均未公开权重。曾经以Llama开放模型闻名的Meta，这一次选择了更加封闭的发布方式。

Meta的千亿美元翻身仗

过去一年多，围绕Meta大模型最多的声音，是质疑。

2025年4月，曾被寄予厚望的Llama 4发布后，因性能不及预期、Benchmark评测争议等问题遭到外界质疑。曾经凭借Llama系列领跑开放模型市场的Meta，逐渐在前沿模型竞争中掉队。

扎克伯格坐不住了。他在Llama 4于2025年4月4日发布仅仅两周后，就开始联系外部研究人员，寻求重建AI团队的建议。

这一次，他决定几乎推倒重来：调整原有研发路线，重新组建团队。

而他找到的关键人物之一，就是Scale AI联合创始人汪滔。

当时汪滔正在开员工会议，突然收到扎克伯格的一条WhatsApp消息，询问他是否有时间通话。两人随后聊了约44分钟。两天后，汪滔给扎克伯格发来一份长篇方案，具体解释了如果由自己掌管Meta的AI业务的话，会怎么做。

方案的第一条就是：不要太多人，关键在于人才密度。

扎克伯格被说服了。

2025年6月，Meta将汪滔招至麾下，斥资约143亿美元获得数据标注公司Scale AI的49%股权，汪滔出任Meta首席AI官，并成立超级智能实验室（MSL）。

汪滔此前从来过领导前沿大模型训练的经验。但扎克伯格认为，汪滔就是那个Mr. Right。他能给Meta带来的，不只是一套技术方案，更是一种接近创业公司的组织方式。

接下来的故事我们都知道了，Meta开始从OpenAI、Google、xAI等竞争对手手中狂挖研究员，且金额巨大。

扎克伯格说，那一两个月时间内，他几乎清空自己的日程，密集会见研究员。那段时间他和汪滔都没有怎么睡觉。

根据路透社的报道，Meta曾向部分研究人员提出四年最高3亿美元、第一年总薪酬超过1亿美元的offer。

这场人才争夺甚至出现了颇具硅谷特色的一幕，扎克伯格甚至曾亲自给想招募的研究员送汤。

扎克伯格希望用少数顶尖人才组成一支精锐团队，再向他们集中分配算力资源。据披露，目前Meta负责核心模型研发的研究团队不足200人。

但这场组织重建并非一帆风顺，人员摩擦和变动一直在发生。金融时报报道显示，Meta在半年内经历四次AI领导层调整。曾参与ChatGPT研发的赵晟佳（Shengjia Zhao）加入后，一度考虑返回OpenAI，随后才被任命为Meta首席AI科学家。另外两名新招募的研究人员Ethan Knight、Avi Verma也在短暂加入Meta后返回OpenAI。

与此同时，扎克伯格还在投入巨额资金建设算力基础设施。

据路透社报道，Meta将2026年资本开支预期提高至1300亿到1450亿美元，主要用于AI基础设施等领域。与此同时，Meta正在建设俄亥俄州的Prometheus集群和路易斯安那州的Hyperion集群，规划规模分别超过1吉瓦和达到5吉瓦。

如此巨大的投入，Meta内部其实也在打鼓。

扎克伯格回忆，2025年底，他与汪滔讨论过一笔1000亿至2000亿美元量级的投资决定。当时模型结果尚不明朗，他还问过汪滔：“你确定这能成功吗？”

汪滔自己也说，在夏威夷举行的一次高管会议上，Meta首席财务官Susan Li曾多次把他拉到一旁，提醒他：如果模型失败，财务后果会非常严重。

如今，Muse Wonder终于发布。

虽然仍有争议。但对于这支重建一年多的团队来说，它至少证明，Meta还是能有训练前沿模型的能力。

只是，这场耗资惊人的豪赌，距离真正证明商业价值，还有很长一段路要走。

模型能帮Meta赢下比赛吗？

扎克伯格已经明确了自己的押注方向——Agent和Agent的模型。

他提出一个观点：The model is the product（模型就是产品）。在他看来，传统软件的界面会越来越轻，决定产品体验的核心将是模型本身，包括记忆能力、可靠性、性格，以及调用工具完成任务的能力。这就是为什么Meta要从底层训练面向Personal Agent的模型。

但重新回到前沿模型第一梯队，Meta就一定能赢得下一场Agent战争吗？

目前来看，答案还远不确定。

用户留存首先是一个问题。华尔街日报报道显示，Muse已经获得近900万次全球下载，但相比ChatGPT等竞争对手，用户留存仍面临挑战。

其次是Agent的开放性问题。

Meta拥有Facebook、Instagram、WhatsApp等庞大的用户生态，并在AI眼镜等硬件入口上提前布局。相比独立Agent创业公司，Meta天然具备触达用户的优势。

但有入口，不等于能替用户办成事。今年9月，Muse上线不到两周，就遭到Amazon封禁。据彭博社报道，Amazon此前要求Meta停止让Muse操作其购物网站，遭到拒绝后，直接阻止Muse访问平台。

这是Personal Agent的一道核心壁垒。即便Meta拥有数十亿用户，也无法保证其他互联网平台对Muse的开放。

其次是商业化的问题。

更强的模型也意味着更高的推理和服务成本。按照Meta目前的规划，Muse Wonder将优先接入每月20美元和100美元的Muse付费订阅服务。扎克伯格承认，Wonder体量更大，服务成本更高，因此暂时无法向所有免费用户全面开放。

所以，Meta不仅要让用户愿意尝试Muse，还要说服他们愿意长期使用、持续付费。这对于一个新产品来说，意味着推广难度上升。

当然，对于Meta这样一家广告业务庞大的互联网公司，Agent的商业价值也未必完全来自订阅收入。未来，它可能进一步融入社交、购物、广告和智能硬件生态，成为连接用户与商业服务的新入口。但这种商业模式能否成立，目前仍缺乏验证。

所以，下一阶段的Agent竞争，已经不再只是Benchmark上的分数之争。

能否赢得用户信任、打通外部生态，并以可控的成本稳定完成复杂任务，将成为决定Agent竞争格局的关键。