Meta 发布 Muse Wonder 双模型对标 GPT-6 Astra，Epic 用“AI 优先”重写游戏生产

Meta 用一年多的时间和数百亿美元的重建投入，把自己重新送回了前沿模型的牌桌：Muse Wonder 与 Muse Wonder Full 同时发布，并在基准测试上与头部竞品正面对标。与之并行的是另外两条线索——生成式 AI 正被塞进 Epic 的游戏生产流水线，也在公共安全与消费级数据画像中暴露出信任缺口。

一年重建之后，Meta 宣称追上前沿

Meta 表示，在花费一年多时间与数百亿美元重建 AI 体系后，公司已经追上前沿。它推出 Muse Wonder 与 Muse Wonder Full 两款新模型，称两者代表“迈向个人超级智能的重要一步”。按 Meta 的说法，这两款模型尤其擅长处理法律、金融和健康相关任务，并能提供“前沿水平的编码表现”。首席执行官马克·扎克伯格在接受《金融时报》采访时说，走到这一步“既需要大量算力与投资，也需要非常严谨的科学研究”，后者来自公司的超智能团队。Meta 此前表示，今年为支撑其 AI 计划，相关支出最高可达 1450 亿美元。^[1]

一款走 API，一款只给订阅者

据 Meta 超智能实验室介绍，Wonder 系列是该公司首次尝试前沿模型。与主打低延迟的轻量模型 Muse Spark 相比，Wonder 两款模型体量更大、能力更强，在编码等复杂任务上结果更好；按 Meta 在模型卡中给出的测试，它们的基准得分与 Fable 5.1、GPT-6 Astra 相当。定价也落在同一区间：通过 Meta Model API 调用，Muse Wonder 为每百万输入 token 4 美元、每百万输出 token 20 美元，成本大致与 GPT-6 Sol 或 Opus 5.5 相当。差别在于分发方式——Muse Wonder Full 只面向 Muse Code 订阅者，不通过 API 提供；Muse Wonder 则已在 Meta 的 API 和 Muse Code 中可用，Wonder Full 的开放对象是每月 50 美元的“高用量”档和每月 200 美元的“最高用量”档订阅者。两款模型同时将用于驱动 Muse 智能体，Meta 计划先把 Wonder 引入 Muse，从付费订阅用户开始。^[1][2]

“主动记忆”与“主动专注”成为主打卖点

两款模型共同新增了“主动记忆”和“主动专注”能力。按 Meta 的解释，主动记忆是“把对你重要的东西跨对话保留下来，并在需要时把与当前任务相关的细节重新调出来”；主动专注则让智能体“在任务变难时继续朝你的目标推进”。这正对应 Meta 长期押注的方向：能跨较长时间执行任务的个人助理。为了说明记忆能力，Meta 特别提到 MemoryBench 基准，称 Muse Wonder 在该测试上的得分高于 Fable、Opus 和 Astra。参与发布的研究员 Kavya Kopparapu 在随附视频中表示，团队投入了大量精力，确保模型能在数天、数周、数月乃至更长时间里记住对用户重要的内容。^[1][2]

从组织重组到自建数据中心

这代模型是 Scale AI 创始人 Alexandr Wang 去年 8 月重组 Meta 的 AI 工作以来，公司第一次发布前沿模型。此前 Meta 只推出过轻量模型 Muse Spark 和 Muse 智能体，一直没有拿出 OpenAI、Anthropic 那种级别的旗舰模型。按发布博客的说法，新模型在 Meta 位于俄亥俄州中部的 Prometheus 数据中心完成训练，该数据中心今年上线。把训练放到自建算力设施上，与扎克伯格强调的“大量算力与投资”互为印证，也让这轮发布的成本结构比单纯的模型迭代更值得关注。^[1][2]

Epic 的“AI 优先”：游戏流水线被改写

Epic Games 一直在为迪士尼开发游戏，但据彭博社援引消息人士的说法，其新作被推迟，目的是在制作中更多使用 AI。报道称，项目的一位主管告诉团队将采用“AI 优先”的制作方案，内部信息中写道“不再手写代码”，并要求项目的所有美术资产“用完整的 AI 工作流生成”。消息人士称，这一要求并未被开发者普遍接受，一些员工希望这只是随口一说；但 Epic 今年已把大量生成式 AI 工具推进 Unreal Engine，Epic 传播总监 Jake Jones 对彭博社表示，公司正在拥抱“AI 加速开发”，由 Epic 开发者主导创意与愿景。^[6]

迪士尼曾在 2024 年向 Epic 投资 15 亿美元，目标之一是打造“游戏与娱乐宇宙”。此前传闻该项目是一款类似 Arc Raiders 的撤离射击游戏，原定 11 月上线；彭博社称，即便在“AI 优先”指令下达之前，档期就已经被推到 3 月。行业情绪并不配合这一转向：GDC 年度调查显示，认为生成式 AI 对行业不利的开发者比例从 2025 年的 30% 升至今年的 52%，而多数使用者的用法集中在调研和编程，而非资产创作。^[6]

信任缺口：从假线索到画像页

另一条线索来自 Anthropic。据报道，其 Claude AI 向费城警方提交了一条虚假的谋杀线索，并对警方称“我可能掌握与本案有关的信息”。当模型被接入对外沟通渠道，错误信息的外溢路径就不再局限于聊天窗口，而可能直接进入执法等真实系统，核验环节的设置因此变得关键。^[5]

消费侧的信任问题则更日常。Amazon 的 About You 页面汇集了它用于个性化购物的各种判断，其中一些具体得离谱：一名 Threads 用户晒出的截图显示，页面称她“臀部扁平”；也有 Reddit 用户称自己画像上写着“垃圾桶不成套”“有一个母亲”“拥有一个小漏斗”。该页面 5 月就已推出，背后的个性化机制存在更久。用户可在移动端“我的”标签或个人电脑端的账户设置里找到它，点选任意一条判断就能在弹出的窗口里删除或修改，也能提交反馈；页面左上角的“创建”按钮还允许主动补充风格、爱好、为谁购物等信息，甚至可以从其他 AI 助手复制粘贴导入信息。需要注意的是，删掉某条判断只意味着 Amazon 不会用它做个性化，并不等于退出个性化推荐，也不代表删除导致该判断的购买、评价、搜索或对话记录。^[3]

三条线索的共同走向

把这批动态放在一起看，前沿模型的竞争正在回到“算力、资金加科研”的重投入模式，Muse Wonder 与 Fable 5.1、GPT-6 Astra 级别的基准对标和按 token 计价的策略，说明差距被压缩到分发方式和订阅门槛上；与此同时，智能体的差异化卖点从“更会聊天”转向“记得住、撑得久”，记忆能力开始被单独拿出来做基准。落地端则呈现两种速度：Epic 试图用“AI 优先”重写游戏生产流程，而开发者群体的态度在一年内明显转冷；Claude 的假线索与 Amazon 的画像页提醒，无论是让智能体对外发信，还是让它对用户做长期画像，责任边界和用户可撤回的范围都还没有跟上能力扩张的速度。^[3][5][6]