鹭羽 发自 凹非寺 量子位 | 公众号 QbitAI
笑不活了！谷歌你就使劲藏吧。。。
Gemini 4 Argon一直拖着不开放，以为能憋个大的。
反而呢，Meta新模型直接给它超了。
多少有点尴尬，Meta刚发布的最强旗舰Muse Wonder Full，已经在Artificial Analysis智能指数上斩获56分。
更适配Meta原生API的Muse Wonder也有52分之巨，和Gemini 4 Argon仅差一分。
而且吧，这边谷歌还在遥遥无期的waiting list，Meta已经选择让广大用户上手了。
后浪拍前浪，这波Gemini 4 Argon是真要出师未捷身先死了……
不过Muse Wonder也挺抽象的，神一阵鬼一阵。
拿3D游戏演示为例，部分效果就明显不如Opus 5.5。
亚历山大王甚至还亲自发声，承认团队没有专门针对3D演示游戏训练模型。
现在整个团队都觉得自己的行为很愚蠢！
但小伙子也不必灰心，再不济也比谷歌强～
Meta发大招
这次发布的是Muse Wonder和Muse Wonder Full两个模型。
普通Wonder可以通过Meta Model API和Muse Code使用，Full目前通过Muse Code订阅提供。
目前Wonder的API价格为输入4美元、输出20美元每百万Token，是Gemini 4 Argon的两倍。
值得强调的是，这次也是Wonder新系列的首次亮相。
Wonder系列延续了Muse Spark的扩展路线，在预训练和强化学习阶段继续推进，并在吉瓦级Prometheus数据中心完成训练。
官方定位为面向智能体的前沿模型，在AA评测上，十项指数都要比六周前的Spark 1.3好得多，尤其是Agent任务提升明显。
围绕Agent，Meta给Wonder强调了两个能力：Active Memory和Active Focus。
Active Memory负责记住跨对话的重要信息，并在任务需要时找回来。
用户不必每次都重新交代自己的偏好和背景，模型都知道，并会合理派上用场。
Active Focus则负责持续执行，比如任务卡住就尝试其他办法，拿到新信息后再调整原来计划，模型在执行重要动作前也会再三确认。
尤其是写代码时，需要不停地修改调试，一般后面修着修着就忘了最初的要求。
Meta这次想解决的，就是让Wonder在这段来回里尽量少掉链子。
所以，看到Wonder Full在长流程编程测试里取得进步，也就不奇怪了。
在考验真实软件工程任务的DeepSWE 1.1上，Wonder Full高于Opus 5.5；到了考察从零编程的ProgramBench，Wonder Full是59分，Opus 5.5则是70.5分。
u1s1，维护已有项目和从头编程出一个新东西，确实是两种考法。
这也为模型发布后褒贬不一的评价埋下了伏笔。
Meta新模型的神鬼二象性
开发者Chris给出了一个案例。
同样是做3D游戏演示，Opus 5.5搭配Unity的效果要明显更优。
这也是相当直观的模型能力体现之一，角色移动情况、镜头交互是否正常，都一目了然。
但也有用户表示，3D游戏演示很酷，但不能代表真实代码工作。不要因为Wonder没有针对这类演示做强化训练，就低估它的编程能力。
另一个开发者也给出了一个相反的示例。
同样是Opus 5.5、Muse Wonder Full和GPT-6.1 Sol，Wonder Full在22分钟内完成任务，用掉5%的周额度，耗时与Opus 5.5相当，Sol则花了约两倍时间。
Meta产出的3D质量也很不错，已经是行业第一梯队。
这样来看，Wonder或许已经有很高的上限，只是还需要摸索它在哪些任务里更顺手。
至少轮子已经转到了Meta。
参考链接： [1]https://x.com/ChrisGPT/status/2109691388430532715?s=20 [2]https://research.meta.ai/blog/muse-wonder [3]https://x.com/ChrisGPT/status/2109760948093522051?s=20
一键三连「点赞」「转发」「小心心」
欢迎在评论区留下你的想法！