Meta超级智能实验室周一发布了两个新的最先进模型——Muse Wonder和Muse Wonder Full，这是该公司首次尝试打造前沿（frontier）模型。
Muse Spark定位为可低延迟运行的轻量级模型，而Wonder系列模型规模更大，能力据称也更强，基准测试得分更高，在编码等复杂任务上的表现也更出色。
根据Meta的测试（见模型卡），Wonder和Wonder Full的基准测试成绩与Fable 5.1和GPT-6 Astra相当。
Meta在关于这些模型的博客文章中写道：“它们共同标志着我们扩展阶梯上的下一步，也是迈向个人超级智能的重大飞跃。”
这种规模也体现在定价上：通过Meta Model API访问，Wonder的输入token价格为每百万4美元，输出token价格为每百万20美元，成本大致相当于GPT-6 Sol或Opus 5.5。
值得注意的是，Wonder Full仅面向Muse Code订阅用户开放，不会通过API提供。这两款模型还将用于驱动Muse智能体（agent）。
与Meta长期致力于开发能持续执行任务的个人助理的方向一致，该公司特别强调了新模型保留并综合用户所提供信息的能力，Meta将其称为“主动记忆”（active memory）。
为了实现更好的记忆召回，Meta重点介绍了MemoryBench基准测试，该测试专门挑战持续学习和记忆构建框架。根据该公司的测试，Muse Wonder在MemoryBench上的得分现已超过Fable、Opus或Astra。
“我们投入了大量精力，确保你的模型能够在数天、数周、数月乃至更长时间内记住对你重要的内容，”研究科学家Kavya Kopparapu在随发布一同发布的视频中说道。
这些新模型是Scale AI创始人Alexandr Wang于去年8月重组Meta AI业务以来的首次前沿模型发布。自那之后，Meta发布了轻量级模型Muse Spark和Muse智能体，但一直避免进行OpenAI和Anthropic所擅长的那种最先进模型发布。
据文章称，这些模型在Meta位于俄亥俄州中部的Prometheus数据中心完成训练，该数据中心于今年早些时候上线。
- Russell Brandom