Meta于2026年10月12日宣布推出Muse Wonder系列模型，包括Muse Wonder和Muse Wonder Full，重点面向个人及专业智能体任务。根据Meta开发者博客，Muse Wonder已接入Muse Code和Meta Model API，定价为每百万输入Token 4美元、每百万输出Token 20美元；Muse Wonder Full则主要通过Muse Code的订阅方案提供。Meta开发者博客介绍，发布日期为2026年10月12日
从能力定位看，Muse Wonder系列并非只强调单轮问答，而是针对较长时间跨度的工作流程：模型可以进行多步规划，连续调用工具，在遇到错误时尝试恢复，并在代码代理场景中处理多文件重构、调试和大型代码仓库任务。Meta还称，该系列支持高级电脑操作和多模态理解，可处理截图、图表、文档、图片及视频等信息。
其一个值得关注的设计是“主动记忆”。Meta表示，模型能够在不同对话之间保留与任务相关的上下文，继续追踪目标、约束条件和此前作出的决定。这种机制有助于减少长任务中的上下文丢失，但实际效果仍取决于记忆内容的选择、更新和权限控制，不能仅凭产品说明判断其在复杂生产环境中的稳定性。
Muse Wonder Full被定位为更高阶版本，提供更强的编码、长周期智能体和电脑使用能力，并通过Muse Code的Power Usage和Maximum Usage订阅方案开放。Meta称其在部分编码基准和智能体评测中表现突出，但这些成绩来自厂商公布的测试信息，评测设置、对比模型版本和独立复现情况仍需要进一步核对，因此不宜直接等同于所有真实业务场景中的领先。
对开发者而言，这次发布的意义在于，模型供应商正在把竞争重点从单纯的模型回答质量，推进到任务规划、工具调用、错误恢复和持续执行等完整智能体链路。与此同时，长时间运行的智能体会扩大调用成本、权限范围和错误累积风险。企业在试用时，应重点观察任务完成率、人工接管频率、工具调用失败率、Token成本以及敏感操作的确认机制，而不是只看单项基准分数。
总体来看，Muse Wonder系列体现了Meta将模型能力与编码代理、电脑操作和API服务结合的产品路线。它为长周期智能体开发提供了新的模型选项，但目前公开信息主要来自Meta自身，关于稳定性、实际成本和第三方评测结果仍应保持审慎判断。
参考来源：
由 AI 整理，仅供参考；请以原始来源为准。
