Meta( META-US ) AI 负责人亚历山大王（Alexandr Wang）近日透露，在顶尖AI 模型尚未完成技术验证之际，首席执行官祖克柏便拍板投入 1000 亿至 2000 亿美元建置基础设施。这场豪赌也让财务长苏珊李（Susan Li）郑重警告，若模型研发失败，公司将面临非常严重的财务后果。

亚历山大王与祖克柏近日一同接受 Stripe 共同创办人 John Collison 的 Podcast 节目《Cheeky Pint》访问，谈及 Muse Wonder 的研发历程，以及 Meta 如何在庞大资金压力下，推进前沿模型与个人超级智能布局。

模型尚未验证 祖克柏先押千亿美元

亚历山大王回忆，去年底 Meta 内核主管前往夏威夷参加年度高端主管团队活动时，苏珊李曾私下将他拉到一旁，严肃且反复提醒：「如果这个前沿 AI 模型研发失败了，从财务角度来看，后果将非常、非常严重。」

这番警告背后，是 Meta 已决定承担的庞大基础设施支出。当时 Muse Wonder 及整体前沿模型架构仍处于早期阶段，连内核技术验证都尚未完成，但面对 OpenAI 与 Google 加速推进 AI，祖克柏已决定扩大投入。

在拍板之前，祖克柏直接询问亚历山大王，是否确定这项计划能够成功。获得肯定答复后，他便决定投入 1000 亿至 2000 亿美元，用于 GPU、数据中心、冷却设备及电力等基础设施。

这也意味着，Meta 必须在模型能力尚未获得充分验证时，先承担大规模投资的风险。亚历山大王与研发团队接下来数月的任务，就是让模型成果足以支撑这笔投入。

测试成绩亮眼 实际表现仍受质疑

Muse Wonder 随后交出具竞争力的测试成绩。完整版 Wonder Full 在综合智能评测中取得 56 分，超越 Fable 5.1，仅次于 Opus 5.5；在长时间软件工程任务方面，DeepSWE 测试通过率约达 79%。

这些成绩也让 Meta 从开源 Llama 的布局，进一步跨入顶级闭源 AI 智能体（Agent）的竞争，尤其将焦点放在需要持续运行的软件工程任务。

不过，亮眼的测试数据并未平息外界对实际使用体验的疑虑。Muse Wonder 发布后，部分用户批评，模型可能过度针对基准测试优化，实际表现却未必与分数相符。

例如，在生成熔岩灯的测试中，模型未能呈现灯具、玻璃与熔岩效果，反而做出红色圆柱体。网络用户 Token Gremlin 也批评，Muse Wonder 撰写 Three.js 程序的表现不佳，连制作简单的《Minecraft》仿作都令人失望。

这些回馈使 Muse Wonder 的竞争力出现两种评价：一方面，长时间编码任务的测试成绩受到关注；另一方面，可视化程序与展示效果仍面临质疑。

亚历山大王回应争议 强调真实任务用途

面对批评，亚历山大王在 X 发文表示，团队开发 Muse Wonder 的目标，是打造能在真实世界中，协助真实用户完成实际任务的模型。

他指出，研发重点放在社群平台上看起来未必亮眼的能力，而非花俏的 3D 游戏展示。这番回应凸显 Meta 对模型用途的定位，但实际使用体验与测试成绩之间的落差，仍是外界讨论焦点。

除了能力表现，定价与版本差异也引发开发者质疑。目前开放 API 调用的 Muse Wonder 版本，评测得分为 52 分，低于完整版 Wonder Full 的 56 分。

然而，有开发者指出，API 版本每百万 token 的输入与输出价格分别为 4 美元及 20 美元，与评测得分 58 分的 Opus 5.5 相同。完整版 Wonder Full 则仅向订阅用户开放，使不同版本的能力与价格差异成为另一项争议。

长期记忆与任务应变成重点

在访谈中，祖克柏与亚历山大王也介绍 Muse Wonder 的两项内核功能：Active Memory 与 Active Focus，分别着重长期记忆及任务运行时的应变能力。

Active Memory 旨在让模型记住跨越数天、数周，甚至数月的重要信息。Meta 表示，团队投入大量心力，让模型能保留对用户重要的事情，使交互不再局限於单次对话。

当模型参与电子邮件、行程安排与个人文档等工作时，这项能力有助于延续用户的偏好与需求，也成为部分开发者认为比单一评测分数更值得关注的方向。

Active Focus 则着重模型遇到困难时，能否持续推进任务。团队通过大量真实世界的失败情境进行训练，让模型在运行受阻时主动寻找替代方案，并在进行关键操作前，停下来向用户确认。

在展示中，Muse Wonder 能持续搜索租屋信息，依照个人条件筛选，甚至自主联系房东，呈现 Meta 希望发展的个人助理用途。

祖克柏看好个人超级智能

至于为何愿意投入如此庞大的资金，祖克柏在访谈中表示，他不认为 AI 市场最终会走向赢家通吃，也不相信所有需求都将由单一大模型垄断。

相较之下，他看好由众多个人超级智能组成的未来。这项判断也呼应 Meta 成立超级智能实验室，以及推动智能体商业、发展超越智能型手机硬件的方向。

在这项构想下，具备长期记忆能力的模型可与智能眼镜等设备结合，用户的个人智能体则能与商家的智能体沟通、出价及购买商品，将 AI 从对话工具延伸至日常生活与商业活动。

Muse Wonder 的测试成绩，为 Meta 的顶尖模型布局提供了初步成果，但实际体验、版本差异与定价仍有待用户检验。对已承担千亿美元投资的 Meta 而言，如何让模型在真实任务中持续展现价值，正是这场 AI 豪赌的内核考验。