Meta 最強 AI 模型 Muse Wonder 登場，為何自認更適合個人與專業 Agent？
Meta 在美國時間 10/12 推出新一代 AI 模型 Muse Wonder、Muse Wonder Full，宣稱這是公司至今最強大的模型，其中性能較強的 Wonder Full 在部分法律、企業工作流程及長時間程式開發測試中取得領先。執行長祖克柏更表示，Meta 已重返前沿 AI 模型競爭。
不過，Meta 這次強調的不只是模型整體性能，更宣稱新模型在個人與專業領域的 AI Agent（AI 代理）任務上達到頂尖水準。面對 OpenAI、Anthropic 等競爭對手，Muse Wonder 究竟有哪些能力優勢？
Meta 這次改推閉源模型，不靠低價爭奪前沿市場
過去 Meta 透過 Llama 系列推動開放權重模型，但這次 Muse Wonder 系列改採閉源商業模式。《Financial Times》指出，這是 Meta 大舉投資 AI 人才、資料中心與運算資源後，重返前沿模型競爭的重要成果。
Meta 在官方研究文章中指出，Wonder 系列由旗下十億瓦（GW）級 Prometheus 資料中心訓練，整合公司內部多個團隊的研究成果，目標是讓模型能處理工作及日常生活中的複雜任務。
Muse Wonder 系列由 Meta Superintelligence Labs 開發，分為標準版 Wonder 與性能更強的 Wonder Full。根據《VentureBeat》，標準版 API 每百萬輸入、輸出 tokens 分別收費 4 美元、20 美元，與 Claude Opus 5.5 相同，顯示 Meta 並未以低價作為主要賣點。
獨立評測機構 Artificial Analysis 的綜合智慧指數中，Wonder、Wonder Full 分別得到 52、56 分。Full 超越 GPT-6 Astra 的 53 分，但仍低於 Claude Opus 5.5 的 58 分，顯示 Meta 已具備前沿競爭力，但並非所有能力都領先。不過，相較於綜合排名，Meta 這次更強調新模型在專業任務、記憶與持續執行等 Agent 工作能力上的表現。
從專業任務到長期記憶，Muse Wonder 如何強化 Agent？
Meta 在官方研究文章中強調四項能力：專業領域知識（Domain Expertise）、主動記憶（Active Memory）、主動專注（Active Focus），以及進階程式開發（Frontier Coding），並另外討論模型應對陌生任務的泛化能力。
首先，專業 Agent 不只要具備領域知識，還必須處理文件、遵循複雜指示並產出工作成果。例如 Meta 公布的 Harvey LAB-AA 法律任務測試中，Wonder Full 得到 13.1 分，高於 GPT-6 Astra 的 8.6 分與 Claude Opus 5.5 的 4.2 分。
Active Memory 則讓模型能跨對話保留重要背景，並在新任務需要時找回相關資訊，例如使用者先前提過的偏好或工作限制，不必每次重新交代。
不過，記得資訊還不夠，Agent 還需要持續朝目標推進。Meta 提出的 Active Focus 強調模型遇到障礙時，能嘗試替代方案、根據新資訊調整計畫，必要時向使用者確認。在 Meta 公布的 FocusBench 測試中，Wonder Full 得到 54.2%，高於 GPT-6 Astra 的 47.7% 與 Claude Opus 5.5 的 45.8%；但標準版 Wonder 僅有 44.9%。
進階程式開發能力則進一步考驗模型的持續執行表現。軟體開發需要長時間理解需求、修改程式、測試與修正。在 SWE-Marathon 測試中，Wonder Full、標準版 Wonder 分別得到 57.5、53.1 分，均高於 Claude Opus 5.5 的 46.3 分。
Meta 還特別強調「泛化能力」，也就是模型能否處理訓練時未特別針對的陌生任務。對個人 Agent 而言，使用者的目標、工具與限制組合難以事先預料，模型不能只擅長熟悉的測試題目。Meta 表示，Wonder Full 在這類陌生任務上的表現，優於依前代 Muse Spark 1.3 趨勢所預測的水準。
這些能力也將逐步導入 Meta 已推出的個人 Agent「Muse」。官方指出，Wonder 將優先強化訂閱用戶的複雜工作流程及成果物生成能力，並展示模型跨瀏覽器與應用程式、依使用者偏好規劃跑步行程的任務。
《華爾街日報》指出，Muse 推出後已累積近 900 萬次下載，但成長放緩，使用者留存率也落後 ChatGPT。對 Meta 而言，新模型的價值不只在測試分數，更在於能否讓 Muse 成為使用者願意持續使用的 Agent。
最強模型尚未開放 API，企業能用到多少能力？
儘管 Muse Wonder 系列在部分測試取得優勢，企業實際可使用的能力仍有限制。《VentureBeat》提醒，性能較強的 Wonder Full 目前僅提供 Muse Code 訂閱者使用，未開放一般 API，企業能直接整合的仍是標準版 Wonder。
此外，Active Memory 並不代表企業導入模型後，就能自動建立完整的長期記憶系統。Agent 若需要跨系統讀取訊息、文件及個人資料，仍須搭配資料存取權限、工具整合與安全管理。
Muse Wonder 展現的競爭方向，是讓模型不只具備強大的單次回答能力，還能運用專業知識、保留背景並持續完成複雜任務。部分測試已支持 Meta 的優勢主張，但能否在企業實際環境中展現同樣的可靠性，仍有待驗證。
【推薦閱讀】
◆ AI 寫的程式碼愈來愈多，美國軟體開發職缺卻增近 15%：工程師沒被取代的原因是什麼？
科技的變化總是快得驚人，而我們每天的工作，就是從龐雜的趨勢中理出觀點、提煉出決策者真正需要的洞察。如果你也對 AI 發展充滿熱情，《TechOrange 科技報橘》正在徵內容編輯！
👉了解職缺內容
＊本文開放合作夥伴轉載，資料來源：Meta、《VentureBeat》、《Financial Times》、《Implicator. ai》、《The Wall Street Journal》，首圖來源：Meta