title: Meta 推出首個前沿模型 Muse Wonder：API 每百萬輸出 20 美元，主打長期記憶與代理任務 --- **Category** - [AI](https://www.soft4fun.net/category/tech/ai) - [新聞](https://www.soft4fun.net/category/tech/news) - [科技](https://www.soft4fun.net/category/tech) **Tag** - [Facebook](https://www.soft4fun.net/tag/facebook) - [Meta](https://www.soft4fun.net/tag/meta) - [Muse Wonder](https://www.soft4fun.net/tag/muse-wonder) **圖片清單** - ![Screenshot](https://cf.img.soft4fun.net/2026/10/img_6353.jpg "Screenshot") --- [Meta](https://www.soft4fun.net/tag/meta) 超智慧實驗室在 10 月 12 日推出 [Muse Wonder](https://www.soft4fun.net/tag/muse-wonder) 與 Muse Wonder Full，Meta 稱這是旗下目前能力最強的模型，TechCrunch 則將其形容為 Meta 的第一個前沿模型。這是 Meta 自 2025 年 8 月重整 AI 部門以來，首度正面叫陣 OpenAI 與 Anthropic 旗艦的作品，API 定價更直接落在 Opus 5.5 與 GPT-6 Sol 同一級距。 ## Muse Wonder 是什麼：Muse Spark 之後的更大一步 根據 Meta 官方新聞稿，Muse Wonder 與 Muse Wonder Full 建立在先前的 Muse Spark 之上，定位為處理個人與專業代理任務的模型，例如處理保險理賠、讀懂租約、整理財務，或是寫應用程式與遊戲。Meta 強調兩者在法律、金融、健康等專業領域，以及前沿等級的程式碼能力上都有突出表現，並稱其為通往「個人超智慧」的重要一步。相較之下，Muse Spark 是著重低延遲的輕量模型，Wonder 系列則更大，主打複雜任務。模型卡顯示推論時的脈絡長度為 100 萬 token。 ## 兩個版本怎麼取得：Full 版不開放 API Muse Wonder 目前已透過 Meta Model API 與 Muse Code 向開發者開放，API 價格為每百萬輸入 token 4 美元、每百萬輸出 token 20 美元。Muse Wonder Full 則只提供給 Muse Code 訂閱者，沒有 API 可用。Meta 表示 Muse Wonder 之後也會陸續驅動 Muse 中的各項體驗，並先向訂閱者推出。這個分流方式也意味著，外界想獨立測試最強版本的管道相當有限。 ## 主打賣點：Active Memory 與 Active Focus Meta 這次最著重的是「Active Memory」，也就是記住使用者提供的資訊並跨對話整合的能力，目標是做出能長期陪伴的個人助理。研究科學家 Kavya Kopparapu 在發表影片中說，團隊花了很多心力讓模型能在數天、數週、數月之後仍記得對使用者重要的事。另一項「Active Focus」則是讓模型持續朝目標推進、遇到錯誤時換方法補救，並在重大動作前主動詢問或確認。Meta 研究部落格列出的評測包含 FocusBench、SWE-Marathon 與 Harvey 的法律代理評測 LAB。 ## 跑分與外界如何看：與旗艦「相當」，而非明顯勝出 TechCrunch 指出，Meta 模型卡所列的成績與 Claude Fable 5.1 和 GPT-6 Astra 處於相近水準；Meta 並稱在 MemoryBench 上勝過 Fable、Opus 與 Astra。不過模型卡中的結果表只列出 Muse Wonder Full 自身的數字，並未公布競品的對照分數。以安全評測為例，Muse Wonder Full 的 CyberGym 為 88.4%、ExploitBench 為 58.9%，網路攻擊誘導的成功率（越低越好）在 CyberBench 為 0.8%。這些成績全部來自 Meta 自行測試，目前尚無第三方獨立驗證。 ## 安全與訓練背景 Meta 表示模型依照「Meta 超智慧擴展框架」開發，並稱其為目前對齊程度最高的模型。模型卡指出，在未加防護的情況下，化學與生物領域不排除達到「高」風險門檻，網路安全與失控風險則為「中等或以下」；加上安全後訓練與系統層級分類器等防護後，各領域均評為「中等或以下」，並以此作為部署依據。完整安全報告 Meta 說「即將」公布。TechCrunch 另報導，這批模型是在 Meta 位於俄亥俄州中部、今年稍早啟用的 Prometheus 資料中心訓練。 ## 為什麼值得關注 過去一年 Meta 先後推出 Muse Spark 與 Muse 代理，卻一直沒有推出能與 OpenAI、Anthropic 旗艦正面比較的模型。Muse Wonder 以與 Opus 5.5 相近的價格切入，賣點放在長期記憶與持續執行任務，而非單純刷分。實際表現能否支撐這些說法，要等開發者在 Meta Model API 上的實測，以及 Meta 承諾的完整安全報告。 ## 資料來源 本文資料來自 [Meta 官方新聞稿](https://about.fb.com/news/2026/10/introducing-muse-wonder-models/)、[Meta Research 部落格](https://research.meta.ai/blog/muse-wonder)、[Muse Wonder 模型卡](https://research.meta.ai/static/muse-wonder-model-card)，以及 [TechCrunch 報導](https://techcrunch.com/2026/10/12/meta-releases-its-first-frontier-model-muse-wonder/)。 📖 延伸閱讀：AI 為你整理的 5 個重點問題[Q1. 想讓 AI 發揮「跨對話長期記憶」的優勢，在平時互動時可以掌握哪些提示撇步？→](https://www.soft4fun.net/tech/news/meta-muse-wonder-frontier-model-api-pricing-active-memory.htm/faq/1)[Q2. 面對不同的使用需求與預算，該如何評估自己該用 API 還是直接選擇工具訂閱？→](https://www.soft4fun.net/tech/news/meta-muse-wonder-frontier-model-api-pricing-active-memory.htm/faq/2)[Q3. 當 AI 開始具備長期記憶與自主行動能力，最常遇到哪些使用雷區？該如何避免？→](https://www.soft4fun.net/tech/news/meta-muse-wonder-frontier-model-api-pricing-active-memory.htm/faq/3)[Q4. 為什麼新一代旗艦模型不再一味追求刷高跑分，而是把重心轉向「記憶」與「專注」？→](https://www.soft4fun.net/tech/news/meta-muse-wonder-frontier-model-api-pricing-active-memory.htm/faq/4)[Q5. 想要見證這類自主代理模型在日常中的真正實力，接下來可以關注哪些應用動態？→](https://www.soft4fun.net/tech/news/meta-muse-wonder-frontier-model-api-pricing-active-memory.htm/faq/5)想知道這些問題的解答嗎？