Muse Wonder Full 對比 Muse Wonder：同一時間發布、同一份費率表，在唯一同時評測兩者的排行榜上相差四分

Muse Wonder Full 和 Muse Wonder 於 2026 年 10 月 12 日由 Meta Superintelligence Labs 在同一則貼文中推出，而該則貼文中的幾乎每一項規格都適用於兩者。兩者皆被描述為具備 1,048,576 個詞元的上下文視窗。兩者皆定價為每百萬輸入詞元 $4.00、快取輸入 $0.20，以及每百萬輸出詞元 $20.00。兩者皆需要推理。兩者皆接受文字、圖像、語音和影片輸入，並回傳文字。而在獨立的 Artificial Analysis Intelligence Index 上，兩者相差四分：Muse Wonder Full 為 56，在 699 個受測模型中排名第四；Muse Wonder 則為 52，在 219 個中排名第九。

這四點是同一實驗室在同一天發布的兩個前沿檢查點之間最小的實際差異，而它們也是這組配對中最不具決定性的一點——因為兩者之中只有一個能觸及。Muse Wonder 會在 Meta Model API 上以及 Muse Code 內提供回答。Muse Wonder Full 被 Meta 描述為僅限 Muse Code 訂閱，Power Usage 每月 50 美元，Maximum Usage 每月 200 美元。這不是一場強模型與更強模型之間的比較。而是一場你無法呼叫的較強模型，與你能呼叫的較弱模型之間的比較。

一則公告、兩個檢查點，以及分隔兩者的一欄

逐行閱讀發布資料，這兩個模型幾乎一路到最後都彼此吻合。它們出現分歧的地方只有一欄，而那並不是能力。

• 存取方式 — muse-wonder-1.0 會在 Meta Model API 及 Muse Code 內提供回應；muse-wonder-full-1.0 僅限 Muse Code 訂閱使用，沒有按量計費的途徑，也沒有可指向它的 SDK。

• 價格 — $4.00 輸入、$0.20 快取和 $20.00 輸出的共享費率表，描述的是一條對 Muse Wonder 存在、但對 Muse Wonder Full 不存在的路徑；Muse Wonder Full 的成本是每月 $50 或 $200 的方案。

• 獨立指數 —— Muse Wonder 52，219 中的第九名；Muse Wonder Full 56，699 中的第四名。四分，是在同一個公開測試框架上測得，而那也是兩者唯一會出現在同一尺度上的地方。

• 輸出預算 —— 可呼叫檢查點的單次回應上限為 943,718 個 token。訂閱制檢查點的上限並未公布，因為 Meta 以外沒有人能數得出來。

• 廠商綜合分數——Meta 自己的表格在其 Personal Superintelligence Index 上將 Muse Wonder Full 列為 59.1，Muse Wonder 列為 56。在同一張表的 Artificial Analysis Index 那一列，Meta 將 Muse Wonder Full 列為 59.0，而 Artificial Analysis 本身公布的是 56。

最後一行值得細細咀嚼。廠商為自家頂尖檢查點給出的數值，比同一具名指標上同一檢查點的獨立測量結果高出三點——而另一個檢查點的獨立測量值 52，反倒比廠商那兩個數字彼此之間的差距，更接近廠商為第一個檢查點給出的 59.1。

重要的不是四分這個數字

在 Meta 自家的長時程測試列上，這兩個檢查點的差距遠超過四分，而且兩個方向都是如此。以下全部都是廠商自行報告的結果，是在 Meta 的評測框架中、以最高推理強度產生，且沒有任何一項經過獨立重現。

• JobBench，長時程專業任務 — Muse Wonder Full 75.3，Muse Wonder 30.8。來自同一版本的兩個模型之間有 44 分的差距。

• Terminal-Bench 4.0-AA — Muse Wonder 85.6，Muse Wonder Full 85.5。可呼叫的檢查點以零點一分之差，微幅領先訂閱版。

• SWE-Marathon —— Muse Wonder Full 79.0，Muse Wonder 78.8。

• MemoryBench — Muse Wonder Full 39.4，Muse Wonder 34.3。

• Harvey LAB-AA，Meta 的法律代理套件 — Muse Wonder 54.3、Muse Wonder Full 13.1。訂閱檢查點敬陪末座，以 41 分之差落後你能實際呼叫的那個。

所以，這對模型在獨立排行榜上相差四分，在其中一列上以 44 分之差有利於 Meta，而在下一列上則以 41 分之差不利於 Meta。這三個數字不可能全都在描述同一項能力差異，而最簡約的解讀是：它們確實不是。在公開評測框架上僅相差四分的檢查點之間出現 44 分的擺盪，正是對 rollout 型任務所做的、對評測框架敏感的評估在總合分數中呈現的樣子。

獨立排行榜上的那四分，真要說的話，是比較誠實的數字，也是比較沒用的數字——單次執行就出現那麼大的差距，仍落在評估本身的雜訊帶內。若與綜合表合併來看，這三列整體上指向同一個結論：這是兩個排名前十的前沿檢查點，一般能力量測結果相近，長時程行為量測結果相差懸殊，而且其中一個 Meta 以外沒有人能執行。它無法確立的是，哪一個會在你的工作負載上勝出，而它也不試圖這麼做。

多出來的那一階應該換來什麼

Meta 為該系列命名了兩項根本不是基準測試列的能力：Active Memory，被描述為跨工作階段持續保存的狀態，以及 Active Focus，被描述為對長時間任務的自我管理注意力。如果其中任何一項如描述般運作，那會是與分數不同的一種差異——它改變了應用程式的形態，因為能跨越工作階段邊界存續的狀態，是你原本得自己動手、而且做得很糟地在自己的資料庫裡打造的東西。

這兩項功能都未在模型卡上展示，也都無法進行測試，因為搭載它們的檢查點正是訂閱背後的那一個。這讓團隊陷入一個具體且毫不光鮮的難題：每月花 50 或 200 美元訂閱 Muse Wonder Full 的合理理由，是一項 Meta 以外無人能評估的功能，而該功能所依附的檢查點，在法律代理套件上也只回報 13.1，相較其同系列模型的 54.3。

獨立測量填補了部分缺口，而且只是部分。Artificial Analysis 記錄到 Muse Wonder Full 在評估期間消耗約 1.4 億個輸出 token，而中位數為 8,800 萬；Muse Wonder 則約消耗 1.3 億個，中位數為 8,500 萬。兩者都為了達到其分數而付出高額成本，這與強制推理一致，並且讓你在進行升級之前就知道升級的代價——但這兩個數字都沒有說明持久記憶是否有效。

這項決定是節流閥，而不是購買。

大多數兩個檢查點的比較，最終都會落到一個採購問題上：我們該買哪一個。這次不行，因為其中一方沒有按用量計費的 SKU。這反而把整件事重新框成一個路由問題，而在這裡，這個路由問題的形狀異常乾淨，因為較便宜的選項與較貴的選項是以完全不同的計量方式販售。

Muse Wonder 是按用量計費的。其成本隨 token 呈線性成長，每百萬 token 為 $4.00 與 $20.00，且輸入端享有 95% 的快取折扣，這正是為什麼每項索引任務的獨立成本落在約 $4.52。Muse Wonder Full 則完全不按用量計費。它的成本是固定月費方案，不隨用量變動，這意味著在方案內，多送一個請求到 Full checkpoint 的邊際成本為零；在方案外則是無限大。這兩種經濟模式想要的流量方向恰恰相反：按用量計費獎勵的是讓昂貴模型避開大多數請求，而固定價格獎勵的是在你付費之後，盡可能把大量請求都推給它。

這意味著，實務上的架構其實是一道升級階梯，而不是單純挑一個模型。可呼叫的檢查點會以你能預測的速率處理絕大多數流量。訂閱制檢查點則吸收那批其長時程行為據稱有所不同的子集——前提是你有一個能承接該流量的方案，也前提是那項 44 個百分點的 JobBench 宣稱能通過你自己的實測。實測本身才是該優先建立的部分，因為公開差距 4 個百分點和廠商宣稱的 44 個百分點不可能同時成立，而你的工作負載是唯一能釐清這件事的量測工具。

關於這個領域其他同類模型的兩件事，讓那座階梯建構起來比聽起來更便宜。第一，所有這些模型的計費方式都一樣——推理 token 就是輸出 token，每百萬 $20，而投入程度階梯從 minimal 一路到 max，預設為 medium，所以你選擇的設定，比你更換的模型識別碼是更大的一筆支出項目。第二，這次發布所招來的比較組合已經可以路由：Claude Opus 5.5 輸入 $4.00、輸出 $20.00，以及 Meta 自家的 Muse Spark 1.2 每百萬 $1.25 與 $4.25，兩者都在 OrcaRouter 上以各自供應商的定價提供，同時還有 超過 200 個其他模型 全都在同一個相容 OpenAI 的 API 之後。定價以 0% 加成原樣傳遞，因此階梯的算術不會因為換了模型而改變。

無論是 Muse Wonder 還是 Muse Wonder Full，都不是我們的路由。目錄中沒有 meta/muse-wonder 或 meta/muse-wonder-full 項目，無論以任何價格，Muse Wonder Full 都無法在 Meta 的訂閱介面之外取得，而我們也不會把兩者中的任何一個描述成好像是我們的路由。路由器對這個特定決策的貢獻在於容錯移轉與備援：那個理應很少執行的升級層級，正是在供應商出現小狀況時最難以容忍、也最不容易被看見的層級，而 自動容錯移轉加上能夠將升級表達為配置而非應用程式碼的路由 DSL，正是避免鮮少使用的路徑演變成中斷的關鍵。

值得銘記的版本

如果你從這次發布中唯一帶走的結論是 Muse Wonder Full 的分數高於 Muse Wonder，那你拿到的正是其中最難據以行動的部分。這兩者在唯一同時評測兩者的獨立排行榜上相差四分；Muse Wonder Full 在某個測試套件上廠商宣稱領先 44 分，在另一個套件上廠商宣稱則落後 41 分；而在存取方式上更有著硬性的二分：一個是你今天就能呼叫的 API，每百萬 token 收費 $4.00 和 $20.00，另一個則是月費方案，既沒有每 token 費率，也無法從 SDK 接入。

正確的做法，是把這四點當成它們在能力上旗鼓相當的證據，並把取用權限的差異當成它們並非彼此替代品的證據。以可呼叫的檢查點為基礎來開發，建立能測出你自己落差的量測框架，並把訂閱視為在量測結果證明有其必要時才開啟的升級途徑——而不是因為綜合分數較高就買下的升級。而當供應商在單一次發表中就公布四十四點的差距時，有用的問題不是該以哪個檢查點作為統一標準，而是哪個數字在接觸你自己的評估集之後仍能站得住；而這個問題，唯有在你已經把它建好之後才有答案。