DataLearner 标志

Muse Wonder Full

推理大模型编程大模型

别名:muse-wonder-full-1.0

发布时间: 2026-10-12更新于: 2026-10-13浏览量: 4
上下文长度
1M
最佳榜单名次
第 1 / 99
GDP.pdf 第 2 / 124
查看全部评测
是否开源
不开源
查看开源信息

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

Muse Wonder Full

模型基本信息

推理过程
支持
思考模式
思考水平 · 极高 (Extra-High)思考水平 · 最高 (Max)
上下文长度
1M tokens
最大输出长度
暂无数据
模型类型
推理大模型
输入/输出模态
文本、图像、音频、视频 → 文本
发布时间
2026-10-12
模型文件大小
暂无数据
MoE架构
未公布
总参数 / 激活参数
未公布 / 未公布
知识截止
暂无数据
Muse Wonder Full

开源和体验地址

代码开源状态
不开源
预训练权重开源
不开源
GitHub 源码
暂无
Hugging Face
暂无
在线体验
暂无
Muse Wonder Full

官方介绍与博客

DataLearnerAI博客
暂无
Muse Wonder Full

API接口信息

接口速度
暂无数据
暂无公开的 API 定价信息。
Muse Wonder Full

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。

思考模式
工具使用
联网能力

仓库修复与多文件工程

共 2 项评测
评测名称 / 模式
得分
排名/总数

金融

共 1 项评测
评测名称 / 模式
得分
排名/总数

文档与图表理解

共 1 项评测
评测名称 / 模式
得分
排名/总数

自主开发与终端任务

共 1 项评测
评测名称 / 模式
得分
排名/总数

医学知识与健康咨询

共 1 项评测
评测名称 / 模式
得分
排名/总数

跨能力聚合指数

共 2 项评测
评测名称 / 模式
得分
排名/总数

跨应用与工具编排

共 1 项评测
评测名称 / 模式
得分
排名/总数

桌面工作流

共 1 项评测
评测名称 / 模式
得分
排名/总数

多轮记忆与持续上下文

共 1 项评测
评测名称 / 模式
得分
排名/总数

跨行业工作评估

共 1 项评测
评测名称 / 模式
得分
排名/总数

程序生成与编辑

共 1 项评测
评测名称 / 模式
得分
排名/总数

法律

共 1 项评测
评测名称 / 模式
得分
排名/总数
Muse Wonder Full

发布机构

Facebook AI研究实验室
Facebook AI研究实验室
查看发布机构详情
Muse Wonder Full

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。

来源:完整开发规格、思考模式、Meta 模型卡、官方研究博客、规格与价格、独立评测。

DataLearner 官方微信

欢迎关注 DataLearner 官方微信,获得最新 AI 技术推送

DataLearner 官方微信二维码