两款新模型将检验Meta的AI投入
Meta于2026年10月12日推出Muse Wonder和Muse Wonder Full，称此举标志着公司重返人工智能领先阵营，同时将其最强的新能力置于付费访问之下。这次发布体现了其战略的三个方面：打造能力更强的个人助理、通过订阅和开发者业务创收，以及扩大计算基础设施，而这可能带来大幅增加的成本。
目录
Meta预计，2026年资本支出（包括融资租赁本金支付）将达到1300亿至1450亿美元。金融服务公司Cantor Fitzgerald预测，2027年支出可能达到2000亿美元。这个更高的数字是外部预测，并非Meta公布的预算。与今年指引上限相比，这意味着支出增加约38%；与指引下限相比，则增加约54%。
这两款模型是在Llama 4于2025年发布后表现令人失望、Meta花费约14个月重建AI业务之后推出的。它们面向高级编程，以及涉及法律文件、财务信息和健康信息的任务。Meta还希望用它们驱动智能体，也就是能够调用工具并采取行动、而不只是回答问题的软件。
有证据显示模型性能有所提升，但并非全面领先。Meta公布的软件开发测试结果显示，两款模型在一项基准测试中均超过Anthropic的Claude Opus 5.5。另一项Artificial Analysis指数则显示，Muse Wonder Full落后于这一对手。眼下的商业考验是，这些能力能否说服用户持续使用并付费购买Meta的产品。
目前有哪些产品可用，后续又有哪些安排？
开发者可以通过Meta Model API和编程助手Muse Code使用Muse Wonder。能力更强的Muse Wonder Full仅向Muse Code订阅用户开放。两款模型均不支持公众下载，也不能由用户在自己的服务器上运行。
个人助理Muse是另一款独立产品。其应用免费，付费方案则提供更多使用额度。Meta计划先向Muse订阅用户推出Wonder，但尚未公布确定的上线日期或更广泛开放的时间表。
发布顺序很重要，因为模型发布并不等于所有消费者都能立即获得升级。主要进展如下：
- 2025年：Llama 4表现不及预期，促使Meta调整AI组织架构和招聘计划。
- 2026年9月：Meta推出Muse Spark和个人智能体Muse。Spark是重组后的Meta Superintelligence Labs部门推出的首款模型。
- 2026年9月下旬：亚马逊禁止Muse代表用户购物。
- 2026年10月12日：Muse Wonder和Muse Wonder Full通过已公布的开发者产品开放使用。
- 后续安排：Wonder将面向Muse订阅用户推出；更多专用模型和更完整的安全报告也在计划中，但尚未公布日期。
新模型以Muse Spark为基础。Meta不断扩充的产品系列还包括Muse Image，不过Wonder此次发布的重点是智能体和编程，而非图像生成。
记忆和持续执行是产品的主要卖点
Meta将两项能力列为核心功能：主动记忆（Active Memory）和主动聚焦（Active Focus）。主动记忆会保留早前交互中的相关信息，并在后续任务中调取。首席人工智能官Alexandr Wang表示，这些信息可以跨越几天、几周甚至几个月，让助理在不同对话中记住用户偏好和要求。
主动聚焦针对的是任务偏离计划时的情况。Meta称，模型可以从错误中恢复，在工具失效后改变处理方式、请求澄清，并在执行重要操作前征求确认。这些功能旨在减少智能体放弃任务或反复沿用无效方法的情况。
负责Meta AI业务的Wang从日常任务中遇到的障碍谈到了设计目标：
执行现实世界的任务时，你会遇到阻碍，也会碰上各种突发情况或挫折，”Wang说。“我们专门尝试训练模型，让它在任何时候都能改试其他方法，而不是停滞不前，然后再回来询问用户。
Meta将保险理赔、租约解读、个人理财和高级编程列为潜在应用场景。Muse目前也面向买菜、预订旅行和预订晚餐等活动。这些例子说明的是预期用途，并不能证明模型能准确、安全地完成每项任务。
据报道，两款模型都能处理图像、视频和音频，且上下文窗口为100万个词元。词元是模型在处理信息时使用的单位。上下文窗口衡量模型一次可以考虑多少内容；持久记忆则是另一项能力，用于在不同交互之间保留选定信息。
基准测试结果显示竞争力，但尚不足以下定论
在涉及大量软件开发任务的SWE-Marathon基准测试中，Meta公布的结果显示，Muse Wonder Full得分为79%，Muse Wonder为78.8%，Claude Opus 5.5为74.2%。据此，Full领先Anthropic模型4.8个百分点，标准版Wonder领先4.6个百分点。
在这项测试中，Meta自家两款模型的差距仅为0.2个百分点。这表明，买家应考察模型能否完成自己实际需要的任务，而不应假设更高阶版本在所有场景中都能带来明显优势。这些是Meta公布的对比结果，并不保证模型在某家机构的软件项目中也能达到同样表现。
Artificial Analysis Intelligence Index呈现了不同情况。Muse Wonder Full得分为56，标准版Wonder为52。Claude Opus 5.5以58分领先，OpenAI的GPT-6 Astra得分为53。相关排名介绍将Full列为并列第二、Wonder列为并列第七；其中一份介绍称，Claude Sonnet 5.5与Full得分相同。
有一份介绍将Meta的高阶模型称为Muse Wonderful，但其他发布报道均称其为Muse Wonder Full，并给出相同的56分。名称上的差异不应被误认为Meta还发布了第三款模型。
Meta还引用了与Claude Fable 5.1和GPT-6 Astra的对比。其与谷歌Gemini 4 Argon的相对表现则尚不明朗：一项报道的指数给Gemini打出53分，另一份介绍则称，整体对比结果仍不清楚。不同测试衡量的能力各不相同，因此编程测试表现突出并不能证明模型在法律分析、财务任务或个人助理方面也全面领先。
订阅费和API费用是两种不同成本
Muse面向消费者的订阅方案每月收费20美元或100美元。Muse Code方案每月收费50美元或200美元，并提供Wonder Full的使用权限。这些订阅价格应与Wonder的API费率区分开来；API按处理的信息量向开发者收费。
据报道，API价格为每百万输入词元4美元、每百万输出词元20美元。输入是发送给模型的信息；输出是模型生成的内容。按此费率，若一项工作负载使用100万个输入词元和100万个输出词元，费用将为24美元，不包括可能适用的折扣或其他收费。这只是根据公布费率计算的示例，并非订阅价格。
缓存输入可以享受折扣，但目前尚未公布具体折扣费率。缓存可以重复利用先前处理过的材料，而不必将其作为全新输入重新处理。对于需要反复查阅大量文件的智能体来说，这一区别会影响成本。
Wang表示，Meta的API定价将显著低于OpenAI和Anthropic的领先模型。据报道，具体价格对比的范围较窄：Wonder的费率据称与Claude Opus 5.5持平，约为GPT-6 Astra定价的40%。这支持其相较OpenAI模型更便宜的说法，但按照所引用的费率，并不比所提到的Anthropic模型便宜。
关于产品是否已经开放，不同报道也说法不一。一些报道将API访问描述为未来计划，而较具体的发布信息称，标准版Wonder已可通过API使用。目前尚未宣布向API用户开放Wonder Full。虽然有说法称这款最强版本面向企业直接销售，但目前明确的发布渠道是Muse Code。
模型能力更强，仍需网站配合才能完成任务
据Sensor Tower数据，Muse在9月发布后，全球下载量据报接近900万。不过，下载量反映的是初期关注度，并不代表用户会长期使用。其下载增长已放缓，据报道，14天后的留存率低于ChatGPT。具体留存率尚未公布。
部分障碍并非来自Meta的模型本身。杰富瑞分析师Brent Thill表示，网站封锁智能体正在损害用户体验。亚马逊在9月底决定禁止Muse代用户购物，正说明了这一问题：助理即使理解购物请求，也可能无法完成购买。
如果工具失效或信息缺失，主动聚焦或许能提供帮助，但这并不意味着智能体获准绕过网站限制。要成功提供个人助理服务，除了推理能力、记忆和持续执行能力，还需要外部服务的配合。
价格也让在所有场景中使用最强模型变得不那么划算。OpenRouter平台数据显示，被列为高质量的前十大模型在2026年第三季度占平台使用量的14%，低于2025年第一季度的55%。这是该平台上的使用量占比下降了41个百分点，并非整个AI市场的统计结果。
这一趋势表明，价格更低的模型在日常工作中的作用正在扩大。Meta正在开发专用版本，力求在保留Wonder大部分能力的同时提高效率。这或许有助于其服务更多消费者，而不必对每项请求都调用最大规模的模型。
隐私取决于权限设置和产品选项
要在消息、日历和文档间运行，智能体需要访问敏感信息。Meta称，Wonder经过训练，会避免在未经许可的情况下分享私人数据，并拒绝协助有害行为。据报道，模型在执行可能产生重大影响的操作前也会请求确认。
一些用户在社交媒体上抱怨，Muse未经授权访问了私人消息。Meta否认这些指控。Wang表示，公司正在监控智能体相关事件，并向用户解释权限设置，包括用户可能在对话早些时候授权访问通信内容、后来却忘记这一情况。
公开报道尚未解决这些具体投诉引发的争议。持久记忆以及跨服务执行操作的能力，使明确的权限控制尤为重要：记住信息不等于获准使用或分享信息。
数据处理方式也因访问渠道而异。据报道，Muse Code订阅默认启用Contributor模式，允许将提交的材料用于改进未来模型。订阅用户可以关闭该设置。据报道，标准Model API不会将提交内容用于训练。这些是不同产品条件下的报道，不应被视为相同的隐私安排。
对于企业来说，这一区别与基准测试表现是两回事。编程助理表现出色，并不意味着企业无需审查在所选设置下是否可以提交专有代码、客户文件或个人信息。
安全声明仍待更完整评估
Meta称，Wonder迄今采取了最强有力的防护措施，以防范网络滥用。目前这些防护措施与付费模型相关，并未被描述为适用于所有免费的Muse体验。这一说法并不意味着免费产品没有防护措施，而是在区分新模型所宣称具备的防护能力。
公司称，模型开发遵循Meta Superintelligence Scaling Framework，更完整的安全评估报告将于日后发布，但尚未给出发布日期。在报告公布之前，支撑这些新安全声明的详细评估仍未完整公开。
首席执行官Mark Zuckerberg认为，通过防护措施和负责任的开发可以控制AI。他反对要求整个行业放缓研究的呼吁，同时承认Meta为处理产品安全问题，已放慢部分内部开发工作。
Zuckerberg阐述了自己对控制和自主性的看法：
“我更接近这样的观点：AI是一项可以通过防护措施加以控制、并能以负责任方式开发的技术，而不是认为它会产生自我意识并自行行动，”他说。
他没有估算灾难性危害发生的概率。他的立场是，各家实验室应各自负责管理安全，同时继续开发。即将发布的评估报告因此成为一项重要的缺失信息，尤其是对那些旨在采取行动而不只是作出回应的模型而言。
扩建计算能力的影响不止于Meta
Wonder模型使用Meta的Prometheus数据中心进行训练。此次发布紧随公司对基础设施、人才招募和组织重建的投入而来，Wang负责推进这项重组工作。作为相关举措的一部分，Meta向Scale AI投资了约140亿美元，并让Wang加入领导团队。
一份报道将内部代号为Watermelon的Wonder描述为使用的计算资源大约是Muse Spark的十倍。这只是报道中的对比，并非公开的训练成本或硬件需求明细。该说法与Meta的观点一致，即要进入领先行列，必须大幅增加计算能力。
Zuckerberg表示，模型开发的下一阶段已经启动，推进速度还会加快。Meta正在开发更大规模的模型，以及效率更高的专用版本，力求同时提升能力、降低运行成本。
这一支出前景可能会增加Meta AI供应链相关服务器制造商的订单需求，包括鸿海（又称富士康）、广达、纬创、Wiwynn和英业达。它们可能受益的预期建立在基础设施采购持续增长的基础上。Meta并未在Wonder发布相关信息中公布新的合同金额、供应商分配或交付时间表。
资本支出的范围也不止于某一款模型的训练预算。Meta给出的1300亿至1450亿美元指引包括融资租赁本金支付；Cantor Fitzgerald预测的2000亿美元则是针对下一年。两项数字都不应被视为单独开发Muse Wonder的成本。
投资者已作出反应，营收表现仍待验证
Meta股价在发布会当天收于742.96美元，上涨3.38%。其他报道将涨幅四舍五入为3.4%或约3%。在Zuckerberg于当天下午宣布消息前，股价已经开始上涨，因此不能将当天全部涨幅都归因于模型发布。
有关股价表现的统计涵盖不同时间段：一份报道显示，Meta股价年内上涨13%，自9月初以来上涨31%；另一份报道则称，自Muse于当月晚些时候发布以来，股价上涨近10%。由于起始日期不同，这些数字不能直接比较。
美国银行证券分析师Justin Post认为，对Meta Superintelligence Labs的投入正转化为更好的模型表现和产品创新。此次发布为这一观点增添了更多依据，但尚未说明这些模型将带来多少收入。
商业层面的疑问很具体。Meta尚未披露有多少Muse用户会为Wonder付费、有多少开发者会选择其API，也没有说明相关收入与运行持久型智能体的成本相比如何。更广泛地向消费者开放、为Full提供API访问权限以及发布安全报告的时间，也都尚未公布。此次发布增强了Meta的竞争地位，但商业决策和部署安排仍有待明确。
要点
- Meta于2026年10月12日推出Muse Wonder和Muse Wonder Full，首先向开发者开放，面向Muse消费者的版本仍有待推出。
- 在Meta公布的编程基准测试中，其模型表现更佳；但Artificial Analysis的排名显示，Wonder Full落后于Claude Opus 5.5。
- Wonder的API价格为每百万输入词元4美元、每百万输出词元20美元。Full需要订阅Muse Code才能使用。
- 两款模型均不支持公众下载，也不能由用户在自己的服务器上运行。
- 记忆、权限、网站限制以及据报道的训练设置，仍是部署智能体时需要处理的实际问题。
- Meta给出的2026年支出指引为1300亿至1450亿美元。2000亿美元是Cantor Fitzgerald对2027年的预测。
- 更完整的安全评估报告和扩大开放的日期尚未公布。
