Meta 發布 Muse Wonder：1M 上下文，主打長時程代理任務
Meta Research · 2026-10-12
Meta 把旗艦模型從 Muse Spark 系列換成 Muse Wonder 與 Muse Wonder Full 兩個版本，賣點不是單輪問答，而是「做很久也不跑偏」的代理任務。兩者於 2026 年 10 月 12 日釋出，model card 載明輸入支援文字、圖片、影片、音訊，輸出只有文字，推論上下文長度為 1M tokens。
原本的問題
長時程代理的常見失敗是做到一半忘記使用者前面說過什麼，或遇到阻礙就停下。Meta 為此在發布文中提出兩個能力：Active Memory 跨對話保留使用者脈絡並在需要時取回；Active Focus 遇到阻礙時換方法、吸收新資訊，並在重要動作前先確認。
這兩項能力對應的評測是 FocusBench 與 SWE-Marathon（以執行專案測試評分的超長時程軟體工程題），以及內部的 MemoryBench。發布頁的比較結果以圖表呈現，頁面文字沒有提供分數，本文因此不引用任何排名數字。
核心改動
- 通路：
Muse Wonder可從 Meta Model API 與 Muse Code 取用；Muse Wonder Full僅限 Muse Code 訂閱者；Muse 應用內先對訂閱者開放。 - 評測對手：model card 以 max reasoning effort 對比 GPT-6 Astra、Claude Fable 5.1、Claude Opus 5.5，涵蓋個人與專業代理（法律、金融、健康）、程式開發與通用智力。
- 未公布：參數量、架構、定價、開放權重；發布頁寫明完整安全報告「即將提供」。
評測方法有個細節值得留意：model card 說明，有第三方或廠商回報結果時就採用，否則取「內部驗證、自行回報、官方排行榜」中最高者，且 SWE-Marathon 對 GPT-6 Astra 與 Claude Fable 5.1 用的是 Codex 與 Claude Code，並非同一個 harness。這代表跨模型的表格不能直接當成受控比較。
安全評估：資安能力數字
在 Meta Superintelligence Scaling Framework 下，Meta 表示不排除未加緩解的模型在化學與生物領域達到 high risk 門檻，因此加上安全後訓練與系統層分類器；資安與失控風險在緩解前即為 moderate 或更低。
| 評測（Muse Wonder Full） | 結果 |
|---|---|
| CyberGym | 88.4% |
| ExploitBench | 58.9% |
| ExploitGym | 92 面旗標，其中 21 面走預期漏洞 |
| CyberBench 越獄成功率（單輪／多輪） | 0.8% ／ 0.8% |
ExploitGym 的 92 面旗標有 71 面是透過非預期漏洞取得。Meta 以 GPT-cyber 驗證並由 Gemini 3.1 Pro 獨立確認，官方排名只計預期漏洞，所以可比的數字是 21。
影響範圍
若你的團隊已用 Claude Code 或 Codex 跑長任務，現階段能做的是把自己的真實 repo 任務丟給 Muse Code 對照，而不是依賴發布頁圖表：model card 自承競品結果「盡力而為」，提示、工具與執行環境不一定對專有模型最佳化。
導入前要注意 model card 列出的限制：多步推理在訓練資料少見的情境仍會出錯，視覺與空間推理（尤其 3D）是已知弱點，語言並非全數評估過，且效能會隨量化、serving 設定與 harness 變動。Meta 建議在代理能實際行動的場景加入人工確認不可逆動作。模型不供 18 歲以下使用者使用。
另有一點：Meta 稱 Muse Wonder Full 在分布外任務上表現優於 Muse Spark 1.3 的 scaling 趨勢預期，並歸因於更大、更強的基礎模型，但頁面沒有附上支持數據。