花了几百亿美金，但扎克伯格的AI翻身仗栽在一盏灯上
作者｜Chester 原创首发｜蓝字计划 Meta的AI翻身仗，不仅打了一半就翻车，还被马斯克捎带手嘲讽了。 10月12日，Meta发布了最新AI模型Muse Wonder和Muse Wonder Full。为了在下一轮AI竞争中重新拿回主动权，Meta过去一年疯狂砸钱建设算力基础设施，四处高薪挖角顶尖研究员，这两款模型正是其押注数百亿美元后的核心交卷之作。 光看纸面成绩，Muse Wonder确实挺争气。 按照官方公布的数据，新模型在多项主流AI基准测试（benchmark）里直接杀入第一梯队。尤其在考验软件工程能力的SWE-Marathon测试中，Muse Wonder Full甚至压过了部分OpenAI和Anthropic的看家模型。 谁知帅不过三秒，在测评机构BridgeMind随后组织的一场实测里，Muse Wonder翻车了。 测试要求很简单：让AI制作一盏带有透明玻璃外壳、动态熔岩效果和真实光影变化的熔岩灯。 结果Muse Wonder交上来的作品既没有玻璃的通透感，里面的熔岩也动不起来，看着就像个随手糊弄的普通台灯。 这么低级的失误直接引来了 马斯克围观，他在X上留了一句意味深长的“Hmm”。 花了数百亿美元，Meta难道只练出了一个擅长应试的“做题家”？ Meta AI需要一场翻身仗 过去几年，夹在OpenAI、Anthropic和Google DeepMind中间的Meta，处境一直挺尴尬。 手里握着全球最大的社交平台矩阵，也有Llama开源模型攒下的开发者生态，偏偏在最核心的闭源顶尖大模型牌桌上，Meta始终慢人一步。眼看GPT和Claude轮番刷新能力上限，扎克伯格只能憋屈地扮演追赶者。 小扎心里苦呀。 扎克伯格明显坐不住了。 为了改变这一局面，在过去一年里他除了砸重金囤积算力，Meta还专门拉起了一支超级智能团队，把Scale AI创始人Alexandr Wang招致麾下，又从OpenAI和Google DeepMind挖来大批核心骨干。 Muse Wonder就是这场豪赌砸出来的阶段性成果。 平心而论，这次新模型倒也真有两把刷子，在不少高难度任务里摸到了顶级模型的门槛。 比如在Artificial Analysis Intelligence Index综合测试中，Muse Wonder Full拿到56分，普通版也有52分，夹在Claude Opus 5.5（58分）和GPT-6 Astra（53分）之间。 虽然还没能把对手杀穿，但确确实实挤进了当前最强模型的第一梯队。 不过真正让它打出名堂的是写代码和专业垂直任务。 在考察代码库理解、问题定位和长期开发能力的DeepSWE 1.1测试里，Muse Wonder两款模型分别拿下79.0分和78.8分，双双把74分出头的Claude Opus 5.5和GPT-6 Astra甩在身后。 到了耗时数小时的SWE-Marathon长期软件工程测试，差距拉得更大：Muse Wonder Full跑出57.5分，直接断层领先Claude Opus 5.5的46.3分和GPT-6 Astra的42.5分。 代码之外，它在Harvey LAB-AA法律任务测试（13.1分）和AutomationBench-AA企业工作流测试（45.4分）里，也全面压过了GPT-6 Astra（8.6分、41.6分）和Claude Opus 5.5（4.2分、41.2分）。 也就是说至少在这些特定专业场景里，Meta总算有了跟OpenAI、Anthropic正面掰手腕的底气。 另一方面，比起跑分， 更值得留意的还有Meta战略风向的转变 。 以前Meta靠Llama系列打天下，核心逻辑是用开源生态去影响行业；这次推出Muse Wonder，重心明显转向了离普通人更近的个人AI助手。 新模型主打的“长期记忆”和“持续执行任务”，瞄准的正是下半场的竞争核心：哪家能真正地让AI走进用户每天的工作和生活里。 而这也是Meta最大的优势所在：它拥有Facebook、Instagram、WhatsApp等覆盖数十亿用户的平台。如果模型能力和产品生态能够结合，Meta完全有机会在AI时代翻盘。 偏偏在这个节骨眼上，那盏拉胯的熔岩灯，给这场翻身仗泼了一盆冷水。 AI“做题家”？ 事情的起因，是测评机构BridgeMind在官方跑分出炉后，拉着几个主流大模型做了一轮开放式的真实世界任务测试。前面提到的“制作透明动态熔岩灯”，就是其中的一道考题。 看到Muse Wonder生成的那坨完全不搭边的玩意儿后，BridgeMind毫不客气地抛出了一项指控：这模型八成是在搞 “Benchmaxxing”（刷榜应试） 。 这个词最近在AI圈被提得越来越多，说白了就是专门针对测试题库做定向优化，好在发榜时刷出漂亮分
