Meta Muse Wonder 发布：第三方评测显示其推理成本低于竞品但订阅策略存疑

Meta Superintelligence Labs（MSL）正式发布第二代模型家族Muse Wonder与Muse Wonder Full，旨在对标OpenAI的Sol/Terra/Luna及Anthropic的Opus/Sonnet/Haiku分层体系。根据Artificial Analysis等第三方独立评估，Muse Wonder Full在Intelligence Index v4.3中得分56，仅次于Opus 5.5的58分，且在Terminal-Bench等代理任务上表现显著提升。然而，该模型仅在Muse Code付费订阅计划中可用，且未公开Token定价，导致无法直接计算单任务成本。

关键事实细节在于单位经济与部署架构的差异。Artificial Analysis数据显示，Muse Wonder（非Full版）单次任务成本为$4.52，主要由高输入Token量驱动；相比之下，GPT-6.1 Sol仅需$0.72，而Claude Sonnet 5.5为$5.46。尽管Muse Wonder Full在Coding Agents Index中得分68，与Claude Code持平，但其高昂的输入消耗和封闭的API访问模式引发了关于实际商业可行性的讨论。此外，Launch-day出现的配额耗尽Bug虽已修复，但也暴露了初期工程稳定性问题。

推断与猜测方面，Meta试图通过“Active Memory”和“Domain expertise”构建差异化，但在长期上下文窗口（1M context）的实际效能上仍缺乏足够验证。对于开发者而言，Muse Wonder Full的高性能可能意味着更高的推理延迟或更复杂的本地部署需求，而非单纯的API调用替代方案。目前市场对其定位存在分歧：部分早期用户认为其在代码审查和架构设计上优于GPT-6.1 Sol，但也有观点指出其创意写作能力较弱，且价格策略可能阻碍大规模采用。最终，Muse Wonder能否真正挑战现有格局，取决于其后续是否开放更透明的API定价以及能否解决长上下文下的性能衰减问题。