Meta新模型跑分超Opus 5.5，实测却被曝刷榜作弊

就在今天深夜，Meta发布王炸大模型Muse Wonder和Muse Wonder Full。前者主打快速前沿性能，后者为完整版。小扎称，创立Meta超级智能实验室一年多，Muse Spark是MSL第一个模型系列，Muse Wonder则是更大、更先进的前沿模型。

基准测试显示，Muse Wonder在多个榜单中超越Astra和Fable 5.1，甚至领先Opus 5.5，表现与Fable 5.1相当。Artificial Analysis结果显示，Muse Wonder Full（Max）在多项测试挤入前3。小扎和Meta首席AI官Alexandr Wang透露，为此模型Meta砸下超1000亿美元基础设施。

然而实测中开发者发现翻车。有人称其为“刷分到极致的产物”，在RocketLeagueBench测试中结果惨不忍睹。Alexandr Wang回应称团队确实没明确在3D演示游戏上训练模型，但不后悔，请大家在实际编码工作中试试。有人维护称3D游戏演示不代表真实代码工作，但也有人指出这意味泛化能力糟糕。

官方博客中，Meta直接对标GPT-6 Astra和Claude Opus 5.5，宣布历经14个月底层重构，Muse Wonder正式踏入前沿梯队。核心卖点包括：个人超级智能指数59.1分，超Opus 5.5的55.2和Astra的54.5；AutomationBench以45.4分力压对手最高41.6；Active Memory在MemoryBench拿85.5分，超Opus 5.5的81.5；Active Focus在FocusBench表现强韧性；SWE-Marathon拿57.5分，对手最高46.3；DeepSWE以79.0对74.2领先；Harvey法律测试以13.1分领先对手最高8.6。官方还以测试时计算扩展图表回应刷榜质疑，称基础模型泛化能力强。

但Muse Wonder也有短板：Terminal-Bench以57.1输给Opus 5.5的59.6；ProgramBench以59.0惨败Opus的70.5；OSWorld以78.4对81.8；GDP.pdf以33.2输给Astra的34.2。完整版仅开放给Muse Code付费订阅用户，API调用的是基础版，Artificial Analysis评其综合仅52分，略低于Astra和Gemini 4 Argon。API定价每百万输入4美元、输出20美元，完成测试任务成本4.52美元，高于Astra的3.26美元。普通用户需等逐步接入，且模型卡明确“采取安全计划保护模型权重”，未提开源。

播客《Cheeky Pint》中，小扎称前沿AI模型反直觉，“必须在知道模型能不能用之前就砸下1000亿到2000亿美元”，背后是吉瓦级Prometheus数据中心。他还提出“模型即产品”，交互界面死亡。