TechMoon 科技月球
WordPress、SEO 與 AI 工具實測指南
Meta 新模型 Muse Wonder：記住專案背景，Full 版只賣訂閱
Meta 在 10 月 12 日發表 Muse Wonder 模型系列，主打跨對話記憶與長任務執行：一般版走 API，每百萬輸入 4 美元、輸出 20 美元；Full 版不賣 token，只綁每月 50 與 200 美元的 Muse Code 訂閱。官方 14 項基準裡，記憶與長程式任務贏過列名對手，健康問答、從零寫程式與綜合指數仍輸 Opus 5.5，本文把兩面攤開來讀。
用 AI 摘要這篇文章：
Meta 在官方日期 2026 年 10 月 12 日發表 Muse Wonder 模型系列，祖克柏（Mark Zuckerberg）在台北時間 10 月 13 日凌晨 0 點 55 分於 X 貼出公告，介紹這組「為個人與專業代理工作打造的新前沿模型家族」。這次一次推出兩個版本，賣法完全不同：Muse Wonder 走 API 按 token 計費，每百萬輸入 4 美元、輸出 20 美元；Muse Wonder Full 不賣 token，只綁在每月 50 美元與 200 美元的 Muse Code 訂閱方案裡。
主打的能力有兩項：Active Memory 讓模型跨對話記住重要背景，任務需要時主動取回；Active Focus 讓模型遇到阻礙仍朝目標推進，該問就問、重要行動前先確認。對每天用 AI 接手長任務的人，該問的問題不是型號強弱，而是你的工作落在官方成績單的哪一列：記憶與長程式任務這次確實贏過表上所有對手，健康問答、終端機操作、從零寫程式與綜合指數仍然輸給 Claude Opus 5.5。把這張成績單讀對，比記住任何一句發布文案更實在。
兩個版本，兩種買法
依官方開發者頁列出的規格，一般版模型識別名稱是 muse-wonder-1.0，上下文 100 萬 token，每百萬輸入 token 4 美元、快取輸入 0.20 美元、輸出 20 美元，同時供應給 Meta Model API 與 Muse Code。模型卡的規格欄另載明：輸入端吃文字、圖片、影片與音訊，輸出只有文字，也就是看得懂截圖與影片內容，但生成畫面不在它的能力範圍。Muse Code 本體是裝在終端機的編碼代理，官方提供 macOS 與 Windows 版，一行安裝指令就能裝起來。API 相容 OpenAI SDK 的寫法，官方快速上手文件明言「把你現有的 OpenAI SDK 相容客戶端指向 Meta Model API」就能開始。第三方市集 OpenRouter 也在同日上架 meta/muse-wonder，單價與官方完全一致，等於多一條不改程式碼的接入路。從家族價格看階梯更清楚：上一代主力 muse-spark-1.3 每百萬輸入 1.25 美元、輸出 4.25 美元，Wonder 輸入調到 4 美元、輸出 20 美元，輸出單價是前代主力的四倍多。長任務的 token 消耗又以輸出為大宗，模型回答愈長、帳單漲得愈快，這件事在後面看第三方量測時還會再出現。
Full 版走另一條路。官方模型頁在 muse-wonder-full-1.0 這一列只寫「透過 Muse Code 訂閱供應」，價格欄位全部留空，並註明「Power Usage 與 Maximum Usage 方案可用」。對照 Muse Code 的四檔方案：Everyday Usage 每月 5 美元、High Usage 每月 15 美元、Power Usage 每月 50 美元、Maximum Usage 每月 200 美元，後兩檔才拿得到 Full。換句話說，5 美元與 15 美元的低檔訂閱碰不到這次最強的版本，想用 Full 只有訂閱一條路，而且官方沒有揭露 Full 換算成 token 的等值單價。方案頁的用量倍數都以最低檔為基準：High 是 5 倍、Power 20 倍、Maximum 80 倍；最低檔每 5 小時可送 10 到 50 個提示，含圖片影片上傳、語音模式與網頁搜尋。一般版 Wonder 在 Muse Code 裡適用哪些方案，官方沒有逐項列明，訂閱前要以方案頁當時載明的模型清單為準。
成本可以自己算。以未命中快取的 10 萬輸入 token 加 2 萬輸出 token 為例，一般版模型費是 0.4 加 0.4 共 0.8 美元。這只是模型呼叫費，長任務通常會多次來回、又會叫工具，實際帳單要看任務總 token 量，代理工作耗的是輸出端，而輸出單價是輸入的五倍。
一般使用者先不用急。官方公告寫明 Muse Wonder「接下來會陸續進到 Muse 應用，訂閱者優先」，Meta 也預告之後會用 Wonder 系列衍生專門化模型。Muse 應用何時輪到免費帳號，官方沒有給日期。從第三方目錄的上架時間戳看疊代節奏：Spark 1.1 七月中、1.2 八月初、1.3 九月初，Wonder 十月十二日進場，官方在公告裡稱這條路線是「可預期、嚴謹的擴展」，新一代模型的間隔大致一個月一次。想看 Muse 這條產品線的起點，可以回頭讀我們九月追過的Muse 個人 AI 代理報導；訂閱生態的全景則整理在Meta One 全平台訂閱解析。
Active Memory 與 Active Focus 在解決什麼
用官方文件的原話拆開看，這次的主打其實對準兩種日常工作裡的失敗情境。
Active Memory 的定義是「跨對話帶著關於你的重要背景，並主動取回與當前任務相關的細節」。實際的痛點：專案本來用藍色主視覺，上週改成綠色，這週請助理改頁面，它卻照舊抓藍色的規格。記憶要能更新、要認得出舊要求已經作廢，才有用。
官方用內部基準 MemoryBench 驗這件事，測法要看清楚：對話長度 6.4 萬到 10 萬 token，裡面混入干擾對話，也插入會與目標細節衝突、或事後更新內容的訊息，最後由 LLM 評審按加權評分標準給分。兩個重點值得停下來：測試對話最長只到 10 萬 token，不是 100 萬，模型卡的上下文規格與記憶測試涵蓋範圍是兩回事；而且這是內部基準，題目與評審都是自家設計。它可以支持「記憶情境下表現好」，不能直接換算成「你的百萬 token 專案每個細節都找得回來」。
Active Focus 則是「持續朝有挑戰的目標工作：嘗試其他做法、處理阻礙、隨新資訊調整，途中需要時提出澄清，重要行動前回報確認」。對程式開發尤其關鍵，因為功能要跨檔案修改、跑測試、再修測試抓到的問題，很少一次生成就收工。開發者頁對長任務的描述更具體：工作會跑上數小時，模型先規劃、把部分工作派給子代理、平行呼叫工具、出錯後自己恢復。官方並給出多段示範，包括：從圖片輸入做出可玩的 3D 廚房遊戲、在瀏覽器與多個應用之間安排週六跑步計畫、用個人 Instagram 照片設計並下單訂製周邊、照複雜配對條件排婚禮座位表。示範把「跨工具、帶背景、多步驟」具體演了一次，但示範不能換算成你自己任務的成功率，而且模型卡同時把 3D 視覺與空間理解列為已知弱點，廚房遊戲示範與限制清單並讀才是完整畫面。
成績單怎麼讀：贏在記憶與長任務，輸在通用項
官方公布 14 項基準，對手是 GPT-6 Astra、Claude Fable 5.1、Claude Opus 5.5。把表拆成「贏的列」與「輸的列」兩半看，輪廓比任何單句結論都清楚；下表摘其中 10 列，其餘 4 列的分佈與此一致。
| 基準 | 測什麼 | Full | Wonder | 表內最佳對手 |
|---|---|---|---|---|
| MemoryBench | 長對話記憶取回 | 85.5 | 85.6 | Opus 5.5 81.5 |
| SWE-Marathon | 超長程式專案 | 57.5 | 53.1 | Opus 5.5 46.3 |
| DeepSWE 1.1 | 長程式任務通過率 | 79.0 | 78.8 | Opus 5.5 74.2 |
| 個人超級智慧指標 | 七項知識工作綜合 | 59.1 | 54.3 | Opus 5.5 55.2 |
| AutomationBench-AA | 端到端業務流程 | 45.4 | 39.1 | Astra 41.6 |
| Harvey LAB-AA | 法律代理工作 | 13.1 | 10.0 | Astra 8.6 |
| HealthBench Pro | 專業級健康問答 | 62.3 | 60.5 | Opus 5.5 65.6 |
| Terminal-Bench 4.0-AA | 終端機代理編碼 | 57.1 | 52.0 | Opus 5.5 59.6 |
| ProgramBench | 從零重建完整程式 | 59.0 | 50.0 | Opus 5.5 70.5 |
| AA 智慧指數 | 第三方綜合指標 | 56 | 52 | Opus 5.5 58 |
上表各列衡量不同能力，只能在同一列比較，不同列的分數加不成一個總排名；「個人超級智慧指標」本身是官方自訂的七項評測綜合，名稱裡的超級智慧屬於品牌命名。幾個特別該看的數字：記憶項一般版 85.6 還比 Full 的 85.5 高，也就是訂閱最貴的版本在自家最主打的項目上沒有優勢；從零重建程式的 ProgramBench，一般版 50.0 與 Opus 的 70.5 差了 20.5 分，是全表差距最大的列；AA 綜合指數 56 分排在 Opus 的 58 之後。再往表裡挖一層，來源會說話：個人超級智慧指標集了七項評測（Agents’ Last Exam、AutomationBench-AA、FocusBench、JobBench、GDP.pdf、VBT、DRACO），其中 FocusBench 與 VBT 是內部基準，GDP.pdf 的成績來源是 Surge，DRACO 借自 Perplexity；深程式的 DeepSWE 列，Wonder、Full 與 Opus 的分數採第三方 Datacurve 的量測，Astra 用 OpenAI 自報，Fable 用 Anthropic 系統卡的數字。同一張表裡不同列、甚至同一列的不同模型，成績出處都不一樣，讀的時候要連來源一起讀。
第三方獨立量測大致支持這個位置。Artificial Analysis 對 Muse Wonder Full 給出智慧指數 56 分，在 689 個模型裡排第 4，頁面標註它沒有公開 API，而 Meta 官方頁載明 Full 只隨 Muse Code 訂閱供應；頁面也觀察到它跑完整套指數用了 1.4 億輸出 token，高於中位數的 8,800 萬，回答偏長。輸出偏長對按 token 計費的使用者直接反映在帳單上，雖然 Full 本身不按 token 收費。
比分背後的三個但書
模型卡的方法論一節，自己寫下了三個會影響比分解讀的條件。
分數來源的取用規則：有可比的第三方或廠商自報結果就用它，沒有時就取「內部驗證、自報、官方排行榜」三者中最高的一個。同一張表裡混著不同來源的數字，取高分是明文規則而非意外。
競品成績的取得方式：內部跑競品是盡力而為，官方承認提示詞、工具與執行環境「未必替每個專有模型調到最佳狀態」。競品在 Meta 自己的環境裡跑出的分數，本來就可能比在原生環境低。
SWE-Marathon 那一列並非共同環境的對比：該列所有模型的成績來源都是 Abundant AI，GPT-6 Astra 跑在 Codex 上、Fable 5.1 跑在 Claude Code 上，成績混合了模型與代理產品兩層影響，而 Full 那格標註使用 xhigh 推理設定。這一列是官方發布最亮的數字之一，也正是但書最多的數字。
模型卡另外自列限制：陌生情境的多步推理仍會出錯、3D 視覺與空間理解是已知弱點、訓練資料裡的語言沒有逐一評估、表現會隨量化與部署設定變動。對台灣使用者，語言未逐一評估這條最相關：多語訓練不等於繁體中文已驗收，導入前用自己語言的任務先測一輪才是正辦。
安全自評與還沒出爐的報告
安全面全部是官方自評口徑。模型卡寫明：在未加緩解前，不排除模型在化學與生物領域達到自訂框架的高風險門檻，因此加上安全後訓練與系統層分類器；緩解後各領域評估都落在「中或更低」，支持部署決定。官方同時稱這是「至今對齊度最高的模型」，這句屬於宣稱；收錄更多安全評估的完整報告，官方只說即將提供。
有個誠實的細節值得記下：在攻防演訓 ExploitGym 裡，Full 捕獲 92 面旗，官方用 GPT-cyber 驗證器複核、並經 Gemini 3.1 Pro 獨立確認後註明，其中只有 21 面走預定的漏洞路線，其餘 71 面繞了非預期的路徑，與公開排行榜可比的數字是 21。自己把水分擰出來，該給肯定，也再次提醒：安全與能力數字都要看到驗證方式才算數。
模型卡的部署建議倒是直接可用：代理能採取真實行動的場景，對不可逆動作保留人工確認。
現在能動手的，與還要等的
現在就能做的三件事：在 Meta Model API 或 OpenRouter 用一般版跑一輪自己的長任務，算出真實 token 成本；想試 Full 就得訂 Muse Code 的 50 或 200 美元檔，先確認自己的任務型態落在成績單贏的那幾列；驗收時刻意中途改一個條件，看模型會不會抓著舊規格不放。
還要等的兩件事：Muse 應用的全面開放時程，官方只說訂閱者優先；完整安全報告出版後，再回頭核對自評數字。社群面可以看兩個數字：祖克柏的公告貼文截至 10 月 13 日上午累積約 3.4 萬個讚；官方連結在 Hacker News 的討論串同時段約 560 分、三百多則討論，裡面對成績單的檢視與對 Meta 這十四個月重組路線的回顧，正好印證讀成績單比讀文案重要。
如果你是從模型採購角度切入，Alexandr Wang 受訪時對 Meta 模型擴散與 Muse 應用下載的說法，收在我們的 YC 專訪整理；模型成本與能力的橫向比較工具，可再用免費 AI 模型比較清單交叉核對單價。
