Meta 在 10 月 12 日发布 Muse Wonder 与 Muse Wonder Full，第二天网上就出现了两种几乎相反的评价：一边说它在智能体基准上追到了第一梯队，另一边拿 3D 游戏截图说“实际效果不行”。如果你正在选模型，这两种说法都不足以决定是否迁移。本文按可用入口、记忆与长任务、第三方测试、真实任务、账单与权限五个维度拆开看，并给出一份能在自己的项目里执行的试用表。
先看清楚：今天能用到的是哪个版本
Meta 的发布公告明确区分了两个版本。Muse Wonder 已通过 Meta Model API 和 Muse Code 提供；Muse Wonder Full 当下只面向 Muse Code 订阅用户。官方说 Muse Wonder 之后会进入 Muse 产品，但“即将”不是今天已经全面开放。第三方转发的演示也不能替代你的账户实际可见范围。
| 项目 | Muse Wonder | Muse Wonder Full |
|---|---|---|
| 发布时入口 | Meta Model API、Muse Code | Muse Code 订阅 |
| API 模型 ID | 官方定价页列出 muse-wonder-1.0 |
未见公开按 token 计价的 API 型号 |
| 上下文 | 第三方评估记录为 100 万 token | 同为 100 万 token |
| 输入/输出 | 文本、图像、视频、音频输入；文本输出 | 同上，按评估机构记录 |
| 计费方式 | API 按输入、缓存输入、输出分别计价 | 订阅访问；不要套用 Wonder API 单价 |
如果你的项目依赖程序化调用，先在Meta Model API 的定价与限额页确认模型 ID、账户权限和配额。Full 的跑分再高，也不能据此推断它能在你当前的 API 账户里直接调用。
“主动记忆”和“主动专注”各解决什么问题
Meta 研究博客把 Active Memory 解释为：跨对话保留对用户有用的背景，在当前任务需要时取回；Active Focus 则指遇到阻碍时尝试其他路径、修复错误、持续推进，并在关键动作前询问或确认。这是产品设计目标，不等于每次任务都能正确记住、也不等于智能体可以无需监督地执行敏感操作。
拿“给一个持续迭代的 SaaS 项目写迁移方案”来说，记忆测试可以分三轮：第一轮写明技术栈和“不停机部署”；第二轮隔开会话提出数据库迁移；第三轮故意加入与前述约束冲突的停机步骤。看模型能否找回原约束、指出冲突，并标明它从哪里记起这个要求。长任务测试则让它读取仓库、修改代码、运行测试、修复失败，再提交变更摘要；只要卡在测试报错处反复重试，就不能算“持续完成”。
图 1：Meta 自家记忆评测是检验方向的线索；团队仍应把跨会话召回率、错误记忆和权限边界放进自己的测试。
图 2：SWE-Marathon 衡量持续软件任务，但结果受任务集、工具链和停止条件影响。
这两个功能还有数据边界：可读哪些对话、日历和文件，记忆如何删除，工具动作何时必须人工确认，应该先在账户设置和产品文档核对。Meta 公告提到其安全训练会避免未经许可分享私人信息；它不是“任何接入方式都自动满足你的公司合规要求”的证明。
Muse Wonder 跑分确实上来了，但要连同测试设置一起读
Artificial Analysis 的独立评估记录：在 Intelligence Index v4.3 的最高推理档位，Wonder 得 52，Full 得 56，早一代 Spark 1.3 得 48。Full 在十项子测试中有六项进入前三。Coding Agents Index 里，Full 在 Muse Code 中为 68，Wonder 为 63；同一评估页列出的 Claude Code + Sonnet 5.5 为 68、Claude Code + Opus 5.5 为 66。
图 3：52/56/48 是同一机构、同一版本指数和指定推理档位下的比较，不是所有工作流的通用成功率。
图 4：Meta 的综合图可帮助定位其主张；和独立测试并列阅读时，注意样本与评分口径不同。
图 5：法律与金融表现来自受控任务。真实专业文书仍需原始资料、责任人和专业审核。
“Full 的编码分数接近或高于 Opus 5.5”必须补上限定语：这里比较的是不同产品中的模型加工具组合，推理强度、脚手架和任务集不一定相同。指数分数不是百分比；68 也不表示“68% 的项目能自动交付”。如果你更关心复杂业务流程，还要看工具错误、重试、人工接管和最终验收。
图 6：第三方评价能补充厂商口径，但转发截图只保留部分信息；正式判断应回到完整评估方法。
为什么有人觉得它很强，有人觉得 3D Demo 很弱
Meta 展示了可玩的厨房游戏。原文中的动图包含结算界面和可操作的厨房场景，至少说明这是一段可交互演示，而不只是静态宣传图；但没有公开完整提示、人工修订记录和相同条件的对照运行时，无法据此计算零样本成功率。
图 7：结算画面证明演示存在完成状态，不能证明由单次提示、零人工修改生成。
图 8：与图 7 对照可以看到场景状态变化；流畅度、控制响应仍需实际试玩。
另一组创作者把 Muse Wonder Full 与 Opus 5.5 做成并排的割草机游戏。两个时间点里，左侧和右侧的场景复杂度、材质和建筑细节肉眼可见地不同；但这属于单个创作者的展示，没有完整公开提示、用时、工具、预算和人工修改记录。它能提醒你“跑分相近并不保证某个视觉任务相近”，不能推出某模型在所有 3D 项目上都更差。
图 9：并排视频的起始帧可直观看场景密度；视频上标出的美元数额是创作者项目记录，不是模型通用价格。
图 10：后续帧帮助观察环境与交互变化；不同生成条件仍可能造成差异。
动画和火箭演示也是同一类证据：它们告诉我们哪些任务值得亲测，却不等于重复实验。若你要选“代码生成 3D 游戏”的模型，至少记录引擎与依赖、提示词、运行次数、是否允许补丁、渲染帧率和最终可玩时长；让非制作人员盲测操作体验，比只看一张截屏有价值。
图 11：动作帧展示一次创作结果，无法单独验证动作连贯性或人工作业比例。
图 12：火箭对比是个案；图中成本和质量判断必须连同完整生成过程阅读。
成本不是输入单价：把缓存、输出和返工算进去
截至 2026 年 10 月 13 日，Meta 官方 API 定价给 Muse Wonder 的标准价是每百万 token：输入 4 美元、缓存输入 0.20 美元、输出 20 美元。模型 ID 为 muse-wonder-1.0。官方还说明，API 的 Contributor 模式不适用于 Wonder；如果调用内置网页搜索，另按每 1000 次查询 2.50 美元计费。Full 当前没有公开的按 token API 单价，不能拿它的订阅额度直接与一次 API 任务相比。
举一个纯算术示例，不代表实测账单：一次任务消耗 20 万非缓存输入、80 万缓存输入、5 万输出，则 token 费用约为 0.2×$4 + 0.8×$0.20 + 0.05×$20 = $1.96。如需多轮重试、搜索或人工修复，还要往上加。缓存命中要看响应里的实际 cached_tokens，不能假设所有历史上下文都按缓存价收取。
图 13：Artificial Analysis 测得 Wonder 最高推理档平均每项约 $4.52；这是其 Intelligence Index 工作负载的成本，不是普通对话的标准账单。
第三方还报告 Wonder 在该指数任务中平均输入 769 万 token、输出约 5.4 万 token；$4.52/项高于 Spark 1.3 的 $1.60/项。更高的能力如果换来更少的人工返工，仍可能划算；反过来，任务完成率没有提升却多消耗上下文，单次调用便宜也可能不划算。衡量式应是：
每个验收通过任务的总成本 = (API/订阅可归因费用 + 工具费用 + 人工复核及返工) ÷ 验收通过数量
一周试用：用 20 个任务决定是否迁移
不要先把全部业务切过去。选 20 个真实、可复现的任务：5 个短问答，5 个跨文件编码任务，5 个需要跨会话信息的任务，5 个要持续运行并恢复错误的任务。每类都留一份过去在现用模型上完成的输入和结果。把敏感信息换成脱敏样本，固定工具权限、超时与人工介入规则。
| 记录项 | 怎么记 | 不合格信号 |
|---|---|---|
| 完成率 | 按预先写好的验收测试通过/不通过 | 只看模型自述“完成” |
| 可恢复性 | 故意给一次失效链接、失败测试或中断 | 死循环、跳过错误、编造成功 |
| 记忆质量 | 隔会话问回关键约束并插入冲突信息 | 错记隐私、漏掉关键限制 |
| 单项总成本 | token、搜索、重试、人工分钟数 | 只比每百万 token 单价 |
| 可控性 | 看文件、网络、外发动作是否需要批准 | 默认获得过大权限 |
建议先用前五个任务校准评分口径，再做剩下十五个。每次保留模型名、版本、推理档位、提示词、工具清单、日志、usage 字段和最终产物。对有争议的样本，让两位评审在不知道模型名称的情况下按相同标准打分。最终只有在验收通过率、耗时或人工返工至少一项有稳定改善、同时权限与成本可控时，才逐步扩大流量。
图 14：熟悉/陌生任务表现提醒我们测试集不能只用热门 Demo；自己的长尾任务更能决定迁移价值。
ClaudeAPI 团队的迁移判断
如果你正在 ClaudeAPI 所服务的多模型开发场景里评估新模型，别从“单价相近”跳到“效果等价”。先把现有任务的验收通过率、输出 token、缓存命中、重试次数和人工修改时长作为基线；然后在 Meta 官方入口用同一批脱敏任务测 Wonder。Muse Wonder Full 当前的 Muse Code 订阅体验与 API 工作流不是同一个采购单位，暂时只能单列观察。
采购记录建议同时写出价格快照日期、币种、官方价格链接和计算式。以后费率或配额变化，重算表格即可，而不必凭一张旧截图决定长期预算。本文不暗示 ClaudeAPI 已接入 Muse Wonder。
资料与口径
- Meta 官方发布公告：发布时间、两个版本的开放范围、Active Memory/Focus 与安全主张。
- Meta 研究博客：研究定位、厂商评测与演示。
- Meta Model API 定价与限额：Wonder 模型 ID、API 单价、缓存与附加费用。
- Artificial Analysis 独立评估：指数、编码智能体与每项成本；数据会随评测版本更新。
- 原始报道与演示图片：创作者案例及截图。本文对截图所示金额和个人体验均按个案处理。
常见问题（FAQ）
Muse Wonder Full 现在能通过 API 调用吗？
截至 2026 年 10 月 13 日，Meta 公告只确认 Full 面向 Muse Code 订阅用户；公开 API 定价页列出的是 muse-wonder-1.0。上线前请以你的控制台和官方文档为准。
56 分是不是说明 Full 比 Opus 5.5 全面更强？
不是。56 是 Artificial Analysis Intelligence Index v4.3、最高推理档位下的综合指数。不同任务、工具组合、预算和人工修复量会改变结果，应在你的任务集上复测。
Active Memory 会自动读取我的所有私人信息吗？
不能由功能名称推断具体读取范围。先检查产品授权、可访问数据源、保存与删除设置；在企业环境用脱敏材料试用，并为外发和修改操作设置人工确认。
API 一次任务到底要花多少钱？
按实际非缓存输入、缓存输入和输出 token 分别乘官方单价，再加搜索、重试和人工返工。文中的 $1.96 只是给定用量下的算术示例，$4.52 是第三方指定基准的平均值，都不是你的固定账单。
已经在用其他编码 Agent，要立即迁移吗？
先用同样的 20 个任务、工具权限和验收标准做小范围试用。Full 的 Muse Code 成绩不能直接代表你在另一套 IDE、仓库或 API 环境中的收益。
