Meta Muse Wonder发布：主动记忆85.6分、输出$20/M，Meta不再优先开源？
把"记忆"和"专注"当成旗舰模型的头条卖点，说明模型竞赛的重心悄悄从"更会答题"挪到了"更懂你、更能盯住一件事把活干完"。Meta这次把Muse Wonder与Muse Wonder Full做成闭源、高定价、且旗舰版Wonder Full干脆不开放API，是它明确收回"优先开源"姿态的信号。第三方口径里，Wonder Full在Artificial Analysis综合智能指数只拿到56，还低于Opus 5.5的58——它强在垂直场景（法律Harvey LAB 13.1对比对手最高8.6），不是全能碾压。主动记忆85.6的分数来自Meta自家的MemoryBench，跨对话记忆到底有多稳，得等独立复现再下结论。
事件描述：MSL重组14个月后的第二代旗舰
Muse Wonder系列是Meta超级智能实验室（MSL）在重组约14个月后交出的第二代前沿旗舰，内部代号Watermelon（西瓜），主攻个人与专业智能体工作。它和Meta既有的产品名字容易混：Muse Wonder是新模型，Muse Code是使用入口之一，Muse才是面向个人任务的应用——打开旧应用不等于用上了新模型。开放安排上，Wonder进入Meta Model API与Muse Code；Wonder Full仅面向Muse Code订阅者，Muse应用的接入属于后续安排。
两个卖点：主动记忆与主动专注
这次真正被推到台前的是两项能力，而不是又一轮参数堆砌：
- Active Memory（主动记忆）：跨对话保留与用户相关的重要信息，处理新任务时主动调取。在Meta自家的MemoryBench（6.4万–10万token长对话）上，Wonder拿到85.6、Wonder Full 85.5，高于GPT-6 Astra（81.4）与Opus 5.5（81.5）。
- Active Focus（主动专注）：盯住复杂目标持续推进，遇阻换路、随新信息调整，重要操作前先确认。这把"能不能把长任务跑完"从用户的监督负担，部分交还给了模型自身。
把这两项放一起看，Meta想卖的不是"一个更聪明的问答机"，而是"一个能陪你长期干活、还记事的搭档"。
参数与价格：闭源、高价、Wonder Full无API
| 项目 | Muse Wonder | Muse Wonder Full |
|---|---|---|
| 提供渠道 | Meta Model API/OpenRouter/Muse Code | 仅Muse Code订阅 |
| 输入价格 | $4/M | 无API |
| 缓存输入 | $0.20/M | 无API |
| 输出价格 | $20/M（与Claude Opus 5.5同价） | 无API |
| 订阅档 | — | Muse Code$50/$200 |
多模态输入覆盖文、图、音、视频，上下文做到100万token，但输出仅文本。闭源且付费，标志着Meta在这一代前沿模型上不再把"优先开源"当作默认动作——这和过去Llama时代"开源先锋"的公众印象，已经拉开距离。
基准：官方与第三方要分开看
同一款模型，两套口径，落差接得很近，所以必须把来源标清楚：
| 基准（口径） | Muse Wonder Full | Muse Wonder | 对比参照 |
|---|---|---|---|
| MemoryBench长对话（Meta自家） | 85.6 | 85.5 | GPT-6 Astra 81.4 / Opus 5.5 81.5 |
| Artificial Analysis综合智能指数（第三方） | 56 | 52 | Opus 5.5 58 |
| SWE-Marathon（第三方） | 57.5% | 53.1% | 均高于对比三模型 |
| Harvey LAB法律智能体（第三方） | 13.1 | — | 对手最高8.6 |
图：Artificial Analysis综合智能指数对比（第三方口径，2026-10）
Opus 5.5 █████████████████████████████████████████████████████████████████ 58
Muse Wonder Full ███████████████████████████████████████████████████████████████ 56
Muse Wonder █████████████████████████████████████████████████████████████ 52说明：数值来自Artificial Analysis综合智能指数（独立第三方评测），条形长度按数值1:1映射，仅作横向参考。Opus 5.5为58，Muse Wonder Full为56、Wonder为52，三者差距在2–6分区间，属同一梯队而非代差。各模型评测版本、拒答率与默认配置不同，该指数不宜直接等同于日常使用体验。
关键读法是：在Meta自家的记忆评测上Wonder系列明显领先，但在更综合的第三方智能指数上反而略低于Opus 5.5；真正拉开身位的是Harvey LAB这类垂直法律智能体场景（13.1对8.6）。换句话说，它的长板在"专业Agent干活"，不是"通吃所有榜单"。
落地与信号：个人智能体开始跑
Wonder系列将驱动Meta的个人智能体Muse，先向订阅用户开放。结合Wonder Full不开放API、只走Muse Code订阅（$50/$200档）的安排，Meta的意图很直白：把最强能力锁在自己的产品与订阅体系内，用"模型+入口+订阅"闭合变现，而不是通过开放权重或低价API换取生态扩散。这和一个靠广告变现起家的公司去开辟AI订阅新收入的逻辑是自洽的。
边界与疑问
说几句要留意的边界。其一，MemoryBench与多项高分来自Meta自家或与其口径一致的发布，独立复现还没跟上，长对话记忆的真实稳定性仍需观察。其二，Wonder Full无API、只进订阅，意味着外界很难在自有系统里直接调用旗舰能力，评测与二次开发都受限于Meta的入口。其三，输出仅文本、上下文虽到100万token但多模态仅限输入，长文档/长视频的理解深度取决于内部对齐，而非单纯上下文长度。其四，部分媒体提及Muse个人助手应用另有$20/$100月费档，与Muse Code的$50/$200订阅并非同一产品，引用时别混为一谈。
结语
Muse Wonder系列最值得记的，不是它又刷新了哪个自家榜单，而是Meta把"记忆"和"专注"写进了旗舰定义里——当模型开始跨对话记得你、并能盯住一个目标把活干完，个人智能体才真正从Demo走向日常。只是闭源、高价、旗舰不开放API这三件事同时发生，也在提醒一句：前沿模型的门，正在从"开放权重"悄悄转向"订阅入场"。
