Meta推出Muse Wonder，将重点放在AI助手的记忆能力上

Meta推出Muse Wonder和Muse Wonder Full，扩充其人工智能产品系列。TechCrunch和The Verge在十月12日的报道中介绍了这些模型的发布。在被定位为低延迟轻量模型的Muse Spark之后，这一新系列面向更复杂的任务，包括编程。

不同模型的访问方式有所区别。据The Verge报道，Wonder和Wonder Full向Muse Code订阅用户提供。Wonder也可通过Meta Model API访问。TechCrunch指出，Wonder Full仅向订阅用户开放，不会通过该API提供。这一区别对开发者很重要：所选模型不同，集成方式也不同。

TechCrunch报道，Wonder的输入价格为每百万token 4美元，输出价格为每百万token 20美元。这些价格反映的是模型访问的单位成本，尚不足以确定一项完整工作的成本，后者还取决于实际消耗量和取得的结果等因素。

Meta称其模型能够与OpenAI和Anthropic的产品竞争。报道转述的比较对象包括GPT-6 Astra和Claude Fable 5.1。不过，相关材料都指出了一项关键局限：所引用的分数来自Meta的评估。这些分数说明了公司的主张，但没有提供独立验证，以证实这些模型在实际使用中具有同等表现。

记忆能力在此次公告中占据特殊地位。据TechCrunch报道，Meta强调模型能够记住并综合用户提供的信息。公司重点介绍了MemoryBench，并称Wonder在该测试中超过了所提及的竞争模型。同样，这些结果由Meta报告，来自其自身测试。

这一方向可能意味着，Meta正尝试将对话的连续性作为其助手的差异化标准。更好地复现信息或许有助于完成持续时间较长的任务，但现有材料尚不足以衡量这种记忆能力在日常使用中的可靠性。

最后，这些模型将用于支持Muse智能体。The Verge指出，Meta计划先向订阅用户开展这项集成，但没有给出详细时间表。因此，已宣布的模型访问和拟议中的助手集成仍是不同阶段。