Muse Wonder 对决 Claude Fable 5.1：Meta 新模型比我预想的更接近
这件事讲了什么
Meta 在 10 月 12 日发布了 Muse Wonder，主打个人和专业 agent 任务，还号称在自研记忆测试 MemoryBench 上拿第一，完整版在 DeepSWE 等编程测试中领先。作者拿标准版和 Anthropic 的 Claude Fable 5.1 比了三项硬任务：修 agent 缺陷、排查故障、长对话记忆。价格上 Muse Wonder 每百万 token 输入 4 美元、输出 20 美元，比 Fable 5.1 的 10/50 便宜六成，但实测中它用的 token 几乎多一倍，三次总花费反而更高（2.24 对 1.85 美元）。成绩互有胜负：故障排查都满分，修缺陷 5/6 对 6/6，记忆测试 Muse 25/25 而 Fable 因被自己的“网络安全”过滤器误拦、50 轮里拒绝 34 轮而拿 0 分。作者只跑了一轮、用默认推理档，结论仅供参考；Muse Wonder 完整版只在 Muse Code 最高订阅档开放。
可以使用的工具
文中可用工具
- Muse WonderMeta 新发布的模型，标准版可通过 Model API 和 Muse Code 使用，完整版仅在 Muse Code 顶级订阅计划中提供
- Muse Wonder FullMuse Wonder 的更高能力版本，仅在 Muse Code 顶级订阅计划中提供
- Claude Fable 5.1Anthropic 的旗舰模型，文中作为对比对象，可通过 API 和 Claude 付费计划使用
- Muse CodeMeta 的编程 agent，提供标准版 Muse Wonder，完整版也仅在此开放
- Model APIMeta 的付费模型 API，提供 Muse Wonder 并支持按 token 计费
- OpenRouter作者用它来调用由 Meta 提供的 Muse Wonder
- Anthropic API作者用它来调用 Claude Fable 5.1
- Claude Opus 4.8Anthropic 自己的 Fable 5.1 基准测试中用来接管被标记为网络安全的任务
- MemoryBenchMeta 的内部记忆测试，文中称 Muse Wonder 系列在此登顶
- DeepSWE编程基准测试，文中称 Muse Wonder 完整版在此领先
- SWE-Marathon编程基准测试，文中称 Muse Wonder 完整版在此领先
讨论 0
登录后参与讨论，阅读资讯无需注册。
还没有评论，来分享第一个看法。