Meta 發布 Muse Wonder、Wonder Full：AI Agent 模型效能大幅提升，挑戰 OpenAI、Claude

Meta 於 2026 年 10 月 12 日正式推出新一代 AI 模型 Muse Wonder 與 Muse Wonder Full，聚焦個人與企業 AI Agent 應用，強化長期記憶、複雜任務執行、程式開發，以及法律、金融、醫療等專業分析能力，加速縮小與 OpenAI、Anthropic 等頂尖 AI 模型的效能差距。

消息公布後，Meta 股價盤中一度上漲約 4%，最終收漲 3.38% 至 742.96 美元，反映市場對其 AI 技術進展的正面反應。

此次更新由 Meta Superintelligence Labs（MSL） 主導，延續 Muse Spark 的技術基礎，透過擴大預訓練規模與強化學習提升模型效能。Muse Wonder 系列於 Meta 旗下 Prometheus 大型資料中心完成訓練，也是 Meta 推動「Personal Superintelligence（個人超級智慧）」策略的重要進展。

Muse Wonder 是什麼？兩款新模型正式登場

Muse Wonder 是 Meta 開發的新一代前沿 AI 模型系列（Frontier AI Models），針對需要多步驟規劃、工具操作、長時間執行的 AI Agent 工作流程進行優化。

這次同步推出兩款版本：

比較項目	Muse Wonder	Muse Wonder Full
產品定位	高階通用與代理式 AI 模型	更高能力的旗艦版本
核心應用	個人助理、研究、文件分析、程式開發	複雜任務、專業知識工作、長時間軟體工程
上下文長度	100 萬 Token	100 萬 Token
輸入模態	文字、圖片、影片、音訊	文字、圖片、影片、音訊
輸出模態	文字	文字
Meta Model API	已開放	尚未公開提供
Muse Code	已開放	訂閱用戶可使用
Intelligence Index v4.3	52 分	56 分

值得注意的是，Muse Wonder 屬於底層 AI 模型，與 Meta 9 月推出的個人 AI Agent「Muse」是不同產品層級。Meta 已宣布，未來將逐步把新模型導入 Muse，優先向訂閱用戶開放，並用於生成互動成果及處理需要更高推理能力的工作流程。

💡 Muse AI 是什麼？Meta 個人 AI Agent 功能、價格、應用與台灣可用性一次看

Muse Wonder 四大核心能力：長期記憶、持續執行、專業分析與 Coding

Meta 在官方研究報告中，將新模型的技術重點分成四大方向，其中 Active Memory（主動記憶）與 Active Focus（主動聚焦） 是此次最值得關注的更新。

1. Active Memory：主動記憶，跨對話延續工作脈絡

Active Memory 讓 AI 能跨對話保存重要資訊，並根據當前任務找回相關內容，例如使用者的旅遊偏好、工作需求與長期目標，減少重複提供背景資訊的需求。Meta 也透過 MemoryBench 測試模型在包含干擾資訊與事實更新的長篇對話中，能否準確找回關鍵內容。

2. Active Focus：持續處理複雜任務，遇到問題能調整方法

Active Focus 強化 AI 長時間執行任務的能力，遇到障礙時能嘗試其他方法、修正錯誤，必要時向使用者確認，適用於保險申請、複雜文件處理及跨平台工作流程。Meta 透過 FocusBench 評估模型應對任務障礙的表現，並使用 SWE-Marathon 測試長時間軟體工程能力。

3. Domain Expertise：強化法律、金融與醫療專業知識工作

Muse Wonder 強化法律、金融與醫療等專業領域的理解及分析能力，可協助整理合約條款、研究財務資料、分析專業文件並製作工作草稿。Meta 採用 Harvey Legal Agent Benchmark（LAB）與 Vals Finance Agent V2 等基準測試，評估模型處理專業知識工作及複雜分析任務的表現。

4. Frontier Coding：支援長時間程式開發與軟體工程

Muse Wonder 提升程式開發與軟體工程能力，支援跨檔案修改、程式除錯、測試及長時間開發任務，能根據需求持續調整程式碼。Meta 官方也展示模型根據圖片生成可遊玩的 3D 廚房遊戲，呈現從視覺理解、程式生成到互動應用開發的能力。

Muse Wonder 效能提升多少？Artificial Analysis 最新評測比較

根據 Artificial Analysis 最新評測，Meta Muse Wonder Full 以 56 分僅次於 Claude Opus 5.5 的 58 分，超越 GPT-6 Astra 與 Gemini 4 Argon，顯示 Meta 正快速縮小與頂尖 AI 模型的效能差距。

Muse Wonder Full 與 Muse Spark 1.3 效能比較

根據 Artificial Analysis 10 月 12 日公布的第三方評測，Muse Wonder 系列在綜合智慧、程式開發及專業工作任務等方面取得明顯進步。其中 Muse Wonder Full 在 Intelligence Index v4.3 的十項子測試中，成績均優於前代 Muse Spark 1.3。

評測項目	評測用途	Muse Spark 1.3	Muse Wonder Full	提升幅度
Intelligence Index v4.3	綜合評估推理、知識、程式開發等 AI 能力	48	56	+8 分
Terminal-Bench 4.0	測試 AI 操作終端機、執行指令與解決程式工程問題的能力	33%	57%	+24 個百分點
GDPval-AA v2.1	評估 AI 完成金融、法律等專業知識工作成果的品質	1,681 Elo	1,857 Elo	+176 Elo
AA-Briefcase	評估 AI Agent 使用工具、處理多步驟專業工作任務的能力	1,581 Elo	1,729 Elo	+148 Elo

從評測結果來看，Muse Wonder Full 在終端機任務的成功率由 33% 提升至 57%，專業知識工作與多步驟 AI Agent 任務的表現也同步進步，反映模型在程式開發、工具操作及複雜工作流程的執行能力有所提升。

Muse Wonder 實際能做什麼？Meta 展示三項 AI Agent 應用

除了模型評測，Meta 也透過官方操作示範，展示 Muse Wonder 如何結合個人資訊、推理能力與外部工具完成複雜任務，包括：

• 個人化跑步計畫：根據使用者偏好與實際情況，透過瀏覽器及應用程式規劃跑步路線，展示個人資訊理解與跨平台操作能力。

• 客製化禮品：參考 Instagram 個人照片，設計並訂購客製化商品，展示視覺理解、商品設計與購物流程操作能力。

• 婚禮座位安排：根據賓客名單與複雜的配對條件，產生客製化座位表，展示條件推理、任務規劃及問題解決能力。

完整影片與互動展示可於 Meta Research 官方頁面 查看。

Muse Wonder 怎麼使用？API、Muse Code 與 Muse App 開放情況

截至 2026 年 10 月 13 日，Meta 已開放開發者使用 Muse Wonder，Muse Wonder Full 則有不同的存取限制。

使用管道	開放情況	適用對象
Meta Model API	Muse Wonder 已開放	開發者、企業
Muse Code	Muse Wonder 已開放；Full 限訂閱用戶	程式開發者
Muse App	Wonder 即將導入，訂閱用戶優先	一般使用者

Meta 同時規劃利用 Muse Wonder 開發專用模型，讓不同類型的 AI Agent 任務能由更適合的模型處理。

至於台灣一般用戶何時能透過 Muse App 使用 Wonder 系列，Meta 尚未公布明確的開放時程。目前部分海外使用者分享，可透過 VPN 切換至美國或加拿大節點，嘗試註冊及使用 Muse App。有興趣嘗試的台灣用戶，可參考 Muse AI Agent 完整介紹了解功能與使用方式。若有跨區連線需求，也可查看 2026 VPN 推薦與優惠整理，比較 NordVPN、Surfshark、ExpressVPN 的方案。

目前 Surfshark 推出限時優惠（10 月 12 日至 12 月 1 日），兩年期 One 方案享 Starter 優惠價格，官方公告每月 US$2.49 起。

Muse Wonder 的隱私與安全機制

隨著 AI Agent 能存取訊息、行事曆及私人文件，資料安全與操作權限成為重要議題。Meta 表示，Muse Wonder 已針對敏感資訊、惡意指令與網路安全風險進行評估，並依據 Meta Superintelligence Scaling Framework 執行安全審查。官方 Model Card 指出，部署安全防護措施後，各項重大風險領域的剩餘風險均被評為「中度或以下」，但模型仍可能出現判斷與執行錯誤，因此涉及金融交易、個人資料傳送等敏感操作時，仍建議保留人工確認機制。

Muse Wonder 值得關注的地方：Meta 加速追趕頂尖 AI 模型，實際使用成本仍是挑戰

Muse Wonder 的發布，意味著 Meta 正加速縮小與 OpenAI、Anthropic 等頂尖 AI 模型的差距。從早期 Llama 系列到 Muse Spark、Muse 個人 AI Agent，再到此次 Wonder 系列，Meta 已逐步建立涵蓋底層模型、雲端執行環境與終端應用的 AI 生態系，並將競爭延伸至長期記憶、複雜任務執行及專業工作市場。

新模型也引發 X、Reddit、Hacker News 等科技社群討論。部分使用者肯定 Muse Wonder 在 Coding 與 AI Agent 評測上的進步，尤其看好 Active Memory、Active Focus 對長期任務的應用潛力；但也有開發者質疑模型存在「Benchmaxxing（針對基準測試過度優化）」的問題，認為高分未必能完整反映實際使用體驗。此外，Wonder Full 的訂閱限制、Token 消耗與使用額度也成為討論焦點，部分早期使用者反映，執行相同任務的額度消耗高於 Claude Opus 5.5。這些回饋仍屬發布初期的個別經驗，有待更多獨立測試驗證。

整體而言，Muse Wonder 已展現 Meta 重返前沿 AI 模型競爭的實力，但接下來的關鍵在於能否將評測優勢轉化為穩定且具成本效益的產品體驗。隨著 AI Agent 逐步走向日常與企業工作流程，模型的實際任務成功率、使用成本、開放程度與資料隱私保障，將成為影響使用者選擇的重要因素。

---

Muse Wonder 常見問題 FAQ

加密貨幣屬於高風險投資，本網站內容均不構成任何投資建議與責任。

掌握虛擬貨幣、區塊鏈大小事