Muse Wonder Full
推理大模型编程大模型别名:muse-wonder-full-1.0
Meta 面向个人及专业 Agent 的多模态推理模型,支持 1M token 上下文,目前仅供 Muse Code 订阅用户使用。
数据优先来自官方发布(GitHub、Hugging Face、论文),其次为评测基准官方结果,最后为第三方评测机构数据。 了解数据收集方法
模型基本信息
开源和体验地址
官方介绍与博客
API接口信息
评测结果
Muse Wonder Full 当前已收录的代表性评测结果包括 DeepSWE(1 / 99,得分 79)、GDP.pdf(2 / 124,得分 33.20)、AA Intelligence Index v4.3(2 / 32,得分 56)。 本页还汇总了参数规模、上下文长度与 API 价格,便于结合评测结果与部署约束一起判断模型适配度。
仓库修复与多文件工程
共 2 项评测自主开发与终端任务
共 1 项评测医学知识与健康咨询
共 1 项评测跨能力聚合指数
共 2 项评测跨应用与工具编排
共 1 项评测法律
共 1 项评测发布机构
模型解读
Muse Wonder Full 是 Meta 于 2026 年 10 月 12 日发布的多模态推理模型,定位于个人及专业 Agent。选型时必须区分两个版本:更强的 Full 版目前仅供 Muse Code 订阅使用,标准版才提供公开 API。
1M 上下文与持续任务能力是该系列的主要定位
官方模型卡列出 1M token 上下文,开发文档给出精确值 1,048,576 token,支持文本、图像、视频、音频及 PDF 输入,输出为文本。Meta 将跨对话检索相关信息称为 Active Memory,将遇到阻碍后继续尝试和恢复任务称为 Active Focus。参数量、最大输出和具体语种清单未在所查官方资料中披露。
支持思考,但标准版与 Full 的档位证据需要分别说明
官方模型卡以 max 档报告主要成绩,SWE-Marathon 例外使用 xhigh。Full 目前仅供 Muse Code 订阅用户使用;本页登记已公开验证的 xhigh 与 max,不将标准版 API 的全部档位直接移植为 Full 的已确认规格。
独立指数验证了提升,但不等于所有工作流都领先
Artificial Analysis 在 2026 年 10 月 12 日公布的 Intelligence Index v4.3 中,Wonder 与 Full 在 max 档位分别为 52 和 56,Muse Spark 1.3 为 48。该综合指数支持能力提升的判断;Meta 模型卡也说明,部分软件工程比较使用不同 Agent 或测试框架,不能直接视作受控的同条件实验。
接入方式决定能否使用更强版本
目前仅在 Muse Code 的 Power Usage 与 Maximum Usage 订阅中提供,没有公开的按 token API 报价。需要嵌入现有 API 工作流时应选择 Wonder;接受 Muse Code 订阅并需要更高能力时可考虑 Full。两款模型都未提供公开下载的权重。
DataLearner 官方微信
欢迎关注 DataLearner 官方微信,获得最新 AI 技术推送
