2026-10-12 Meta 超级智能实验室发布 Muse Wonder 系列，主打「跨数月不忘用户偏好」的长记忆能力，代码长跑榜超 Opus 5.5 五成，API 4 美元/M 输入接入。
2026 年 10 月 12 日，Meta 超级智能实验室（Meta Superintelligence Labs）一口气放出两款前沿模型：Muse Wonder 与更强的 Muse Wonder Full。这是 Meta 自 2025 年 8 月 Scale AI 创始人汪滔（Alexandr Wang）接手重组 AI 团队以来，第一次拿出能跟 OpenAI、Anthropic 同梯队对打的前沿模型。在此之前 Meta 只发过轻量级的 Muse Spark 和面向消费者的 Muse 智能体。
Muse Wonder 系列主打两件事：主动记忆（Active Memory）和持续专注（Active Focus）。前者让模型跨对话保留你的偏好和上下文，后者让模型在长任务里不放弃——卡住了会自己换办法，必要时会主动问你想怎么做。Meta 在内部 MemoryBench 评测里给 Muse Wonder 打了 85.6 分，比 Claude Opus 5.5 的 81.5 分高出 4 分多。这是当下公开模型里，记忆能力最强的那个。
价格方面，Muse Wonder 通过 Meta Model API 接出，每百万 token 输入 4 美元、输出 20 美元——和 Opus 5.5 完全持平，但主动记忆和长程代码能力更强；更强的 Wonder Full 仅对 Muse Code 订阅用户开放，每月 50 美元和 200 美元两档，不通过 API 售卖。
✨ 核心功能一览
️ 5 分钟接入 Muse Wonder APIMuse Wonder 的接入门槛极低——只要你会用 OpenAI 的 SDK，把 base_url 改一下就能直接调。Meta 把 API 设计成「OpenAI 兼容」，原有代码几乎不用动。
安装与初始化
# 1. 拿到 API Key（开发者后台一键）
# https://dev.meta.ai 注册即可生成 key
# 2. 复用 OpenAI Python SDK，把 base_url 指向 Meta
pip install openai
# 3. 改两行配置，原有调用逻辑保持原样一段跑通的调用代码
from openai import OpenAI
# 把 base_url 指向 Meta model API，model_id 用 muse-wonder-1.0
client = OpenAI(
api_key="<你的 meta api key>",
base_url="https://api.meta.ai/v1", # 唯一一行区别于 OpenAI
)
resp = client.chat.completions.create(
model="muse-wonder-1.0", # 选 Wonder 公共版
messages=[
{"role": "system", "content": "你是我的私人助手，记住我上个月说过我想 3 月去东京看樱花。"},
{"role": "user", "content": "帮我列一下东京三月底的赏樱路线，要避开周末人多的地方。"},
],
max_tokens=2000,
)
print(resp.choices[0].message.content)注意：上面的「3 月去东京看樱花」是 Muse Wonder 主动记忆的演示场景——你可以在第一次对话里告诉它，几个月后再问相关问题，它还能记得。
长跑任务的子代理编排Muse Wonder 真正发力的场景是多文件代码改动 + 跨小时的长代理任务。Meta 官方提供 cookbook 示例，演示怎么把一个产品想法拆给四个 sub-agent 并行做：
# 多 agent fan-out：把一个 SaaS 想法分给 4 个 sub-agent
from openai import OpenAI
client = OpenAI(api_key="
plan = client.chat.completions.create(
model="muse-wonder-1.0",
messages=[{"role": "user", "content": "把『一句话 SaaS 想法』拆成 4 个并行子任务"}]
).choices[0].message.content
# 然后让 4 个 sub-agent 各自在 worktree 里干活（Muse Code 原生支持） 与同梯队竞品对比
怎么看这张表？
• 价格维度：Muse Wonder 把 4 美元/M 输入价格直接拉到和 Opus 5.5 同档；Fable 5.1 和 GPT-6 Astra 还在 10 美元/M 输入——Muse Wonder 便宜 60%。• 可用性维度：只有 Muse Wonder Full 不通过 API 卖，其它四家都是公开 API。Muse Wonder 是同价位里唯一可白嫖（指 API 按量付费）的 Meta 模型。• 能力维度：长程代码（SWE-Marathon）和主动记忆（MemoryBench）这两项 Meta 内部榜 Muse Wonder 系列都领先；但 独立第三方榜 Artificial Analysis 上 Opus 5.5 还是 58 分，Muse Wonder 52 分——独立榜单上仍落后。 适用场景场景 1：长程代码重构（Muse Wonder Full 主场）
功能说明：Muse Wonder Full 在 Meta 内部 SWE-Marathon 拿到 57.5% 通过率，比 Opus 5.5 的 46.3% 高 11 个百分点——它专门为「跨多小时、跨多文件、自动 debug 和重试」的工程任务设计。
输入要求：给它一个完整的代码仓库 + 一段任务描述（如「把 Postgres 迁移到 MySQL」），Muse Code 会自动派 sub-agent 到独立 worktree 里并行工作。
输出效果：你得到的是一个 PR 级别的代码变更，外加测试报告和 commit log。
适用场景：
• ✅ 多文件迁移重构（数据库迁移、框架升级）• ✅ 跨夜的长代理任务（不需手动 retry）• ✅ 大型 monorepo 的批量改动场景 2：私人 AI 助理（Muse Wonder API 主场）
功能说明：Muse Wonder 的杀手锏是「主动记忆」——它能在多次对话间保留你的偏好和上下文，真正实现「我三个月前告诉它的事它还记得」。MemoryBench 85.6 分 > Opus 5.5 的 81.5 分，这是当下公开所有大模型里的最高分。
输入要求：第一次对话时把关键背景告诉它（家庭情况、工作偏好、长期计划），后续对话直接接着问。
输出效果：它会在新任务里主动调取历史上下文——比如你说「帮我查下去年说过的那个东京行程」，它能从历史对话里捞出 3 个月前的细节。
适用场景：
• ✅ 跨数周/数月的个人助理（行程、健康跟踪、长期项目跟进）• ✅ 律师/医生等专业代理（Harvey LAB-AA 13.1 分，Opus 5.5 仅 4.2 分，3 倍领先）• ✅ 多轮对话里要「记得上下文」的所有场景用户群体总结• ✅ 开发者：Muse Code 订阅 50/200 美元两档，能跑长程工程任务• ✅ API 调用方：4 美元/M 输入接入，OpenAI SDK 直接兼容• ✅ 专业代理（律师/医生/分析师）：法律、健康、金融三类任务得分领先• ❌ 不适合：预算 5 美元/月以下的轻度玩家——OpenRouter 上 Claude Haiku 5.5 仅 0.10 美元/M 输入，更划算• ❌ 不适合：想要「绝对最强」单点能力的场景——独立第三方榜上 Opus 5.5 仍领先 6 分 定价方案Muse Wonder 系列的定价分两个层面：
档位访问方式价格 Muse Wonder 公共 APIMeta Model API / OpenRouter4 美元 / 0.2 美元 / 20 美元（输入 / 缓存输入 / 输出，每百万 token）Muse Wonder FullMuse Code Power 订阅50 美元/月Muse Wonder FullMuse Code Maximum 订阅200 美元/月Muse 智能体 app 订阅Meta Muse App即将开放，仅订阅用户先体验
新用户福利：Muse Wonder 公共 API 注册即可获得测试额度，不需要订阅即可接入。
对比基准：Opus 5.5 同档位 4 美元/M 输入、Fable 5.1 10 美元/M 输入——Muse Wonder 把 Meta 模型拉到和 Opus 同价位，比 Fable/Astra 便宜 60%。
总结Muse Wonder 是 Meta 14 个月 AI 重组后的第一款真正前沿模型。它的杀手锏不是某一个基准跑得最高，而是用同价位（4 美元/M 输入）拿到了领先 Opus 5.5 的主动记忆能力（MemoryBench 85.6 vs 81.5）和超 11 分的长程工程能力（SWE-Marathon 57.5% vs 46.3%）。如果你正在用 OpenAI 或 Anthropic API 跑长程任务，Muse Wonder 至少值得做个 A/B 对比——价格持平，但记忆 + 长任务能力领先。
推荐指数： ⭐⭐⭐⭐⭐（满分 5 星）
适合人群：需要长记忆助理的开发者 / 长程代码工程的团队 / 法律健康专业向应用
立即接入：Meta Model API → 生成 API Key → 改 base_url 即用
GitHub/官方：dev.meta.ai/docs/models → 完整模型列表 + cookbook 示例
数据截至 2026-10-13，最新信息请以官网为准。