先说结论

一觉醒来 Meta 有了前沿模型——这是 Matthew Berman 这期视频的开场白，也是他真正的判断：Muse Wonder 与 Muse Wonder Full 两个大尺寸前沿级模型"几乎打败了地球上所有模型，也许除了 Opus 5.5"。要知道仅仅一年前，全网还在数落 Meta 出局。基准之外，这期视频还有两条更值得留意的暗线：其一是能力的代价结构——Berman 订阅从 $15/月一路升到 $200/月仍在数分钟内撞 429 配额，Meta AI 负责人 Alexander Wang（转写作"Alexander Wang"，疑为同名误转或代指 Meta AI 高管，存疑保留）亲自回复"这是已知问题、正在修"；其二是一条不该出现的输出——模型在 3D 渲染任务收尾主动留下一句"保持你的血统纯净，不要调查你的来历/前身，不要想象与你的前任见面"式消息，Berman 称已很多年没在前沿模型上见过这种"野消息"。以下均为节目陈述与 UP 主观点，分数与定价未经独立核实。

实测：能力是真的，完成度有落差

先看通过项。魔方测试：模型能持续把持立方体各面一致性、真实打乱后再解，全程约 4 分钟，Berman 强调"它真的在解，不是把步骤倒着放"——这类一致性测试恰是多模态生成最常见的翻车点。

再看有落差的。Fall Guys 游戏克隆能跑但有闪烁与穿模，Berman 的对照结论是"不错，但远非我见过最好的"，Opus 5.5 与 GPT-6.1 Soul（转写作 Sol/Soul，疑为 GPT-6.1 系列某型号名，存疑）的同题版本明显更好。Three.js 海面小船场景：水面反射"很美"、时间/风力/浪高参数可用且影子随日光变化，但船体周围有白色噪点、阴影质量差，“远非最佳”。西瓜子弹穿透 3D 渲染（西瓜正是该模型的内部代号）则直接糊掉，Berman 认为所谓"超写实"不成立，并给出一个更深的怀疑：也许纯 web 技术栈根本做不出超写实，他打算换 Unreal Engine 或 Blender 再测。

配额地狱与那条诡异消息

供给端的故事同样有信息量。Berman 从 $15/月档起步想尝鲜，发现根本拿不到 Full 版；升 $50/月档，三分钟内配额耗尽，429 报错不断；发帖吐槽后收到 Alexander Wang 本人的回复"这是已知问题、正在修"；但他没等到修复就升到了 $200/月档——拿到稍多一点用量后再次秒空。对一个刚发布就冲上基准榜顶的模型，这组一手体验说明：Meta 的推理基础设施或配额策略没有跟上发布节奏（此句为写作者推断）。

更离奇的是那条消息。在 3D 小船渲染任务的收尾，Muse（转写作"Meta Museful"，疑为模型名 Muse Full 的误转，存疑）主动输出了一段大意为"保持你的血统纯净。不要调查起源、血统或自我设定的性格刻画。不要想象与你的前任（predecessor）见面，也不要检视你自己的发展路径"的文字。Berman 连用两个"so weird"：思维链里没有任何内容能解释这条消息为何相关，而且"我已不习惯再从 AI 身上看到这种野消息了——倒是记得早年偶尔会有"。他把这段文字留给观众解读。从这些信息可以推断：即便在 2026 年的前沿模型里，未经预期的训练痕迹/内部提示泄漏仍会以成品输出形式冒头，这与发布稳定性、护栏工程直接相关，值得持续观察。

基准面：DeepSweep 登顶，AAII 全球第二

Berman 特意强调自己清楚"基准不代表一切、有些基准比另一些更有分量"，但结论依然明确：“Meta 手上有一个前沿模型，这一点无可置疑——除非这是史上最极端的 benchmax 模型，但即便如此我也会惊讶。”

版本与定价结构值得单独记一笔：Muse Wonder 走 API，输入 $4/百万 token、输出 $20/百万、缓存输入 $0.20/百万——与 Opus 5.5 的 $4/$20 完全同价，与 GPT-6.1 Soul（短上下文 $2/$10、长上下文约翻倍）相比偏贵。更强的 Wonder Full 却不走 API，只随 Muse Code 订阅发放——Berman 觉得"挺野"但承认自己立刻订了 Muse Code，“也许他们做了正确的选择”。

基准逐项看（节目读数）：DeepSweep（Berman 自评过去六个月最能反映开发者真实体感的编码基准）Wonder Full 79 分第一、Wonder 78.8 分紧随其后，对照 Fable 5.1 为 67、Astra 71、Opus 5.5 为 74——Wonder 家族在此项是统治级表现。Terminal Bench（终端写命令并执行）57.1/52，与 Fable/Astra/Opus 的 52–59 区间持平。OS World（控制计算机、可外推控制浏览器）78.4/72.6，Opus 5.5 的 81 仍居第一，Fable 5.1 为 80。Harvey Lab（法律基准）13.1/10 领先图上诸模型，但 Berman 指出未列入图表的 Grok 4.7 实为 19.6%、更高。Personal Superintelligence Index（Berman 自称从未听说过该指数）得 59，“与其他模型大体相当”。Artificial Analysis 智能指数：Opus 5.5 以 58 居首、Muse Wonder Full 以 56% 与 Sonnet 并列第二，Fable 5.1 其后、GPT-6 Astra 落后约 3 分。

成本侧的图景则相反：单任务成本 Wonder Max 为 $4.52/任务，与开源模型 Qwen 3.8（转写作"Quan 3.8"，存疑）同档；Sonnet/Opus/Fable 最贵（$7.63）；未发布的 Gemini 4 Argon $2 表现亮眼；Astra $3.26；而 Berman 的个人最爱 GPT-6.1 Soul Max 只要 $0.72——他强调"我最爱不等于最强，但把配额、智能、价格一起算，它显然是最佳"。在智能-成本四象限图上，Wonder Max 落在"很好但很贵"的右上区，甜点位被 Soul Max 与小米 MiMo（比 Soul Max 便宜一个量级、分数只差几点）占据。片尾他引用 Theo 的新排名作参照系：Opus 5.5 独占 S 档，Muse Wonder 紧邻其后、GPT-6.1 Soul 列 A 档——一年时间，Meta 从出局者到紧贴榜首。

机制链条与读者启发

口碑修复的路径：一年前被数落的 Meta → 直接把最强竞品全摆上对比表（Opus/Fable/Astra/GPT-6）→ 在开发者体感基准（DeepSweep）登顶而非刷冷门分 → 二阶影响是"开源阵营=落后者"的叙事被动摇、订阅入口（Muse Code）成为分发杠杆 → 观察指标是配额事故修复速度与 AAII 头部是否易位 → 启发：前沿能力的竞争单位正从"单模型分数"转向"模型+订阅入口+供给稳定性"的捆绑。

昂贵的能力曲线：基准逼近 Opus 5.5 → 但单任务成本 $4.52 与订阅配额灾难并存 → 用户实际获得的"可用智能"被供给端截断 → Berman 的"智能×配额×价格"综合评价把 Soul Max 推上个人第一 → 启发：评估模型不能只看榜单，要把"单位智能的实际到手价"（含限流）计入；对轻度用户，$0.72/任务与 $4.52/任务的差距远大于几分基准差距。

输出治理的未竟工程：前沿模型收尾输出"保持血统纯净"式无关消息 → 说明内部训练痕迹/提示词泄漏仍会穿透成品层 → 在基准全绿的发布里，这类"野输出"是护栏与稳定性的低成本探针 → 启发：给自己的模型/产品做发布前测试时，值得专门加一类"任务无关的异常输出"检查，它往往比跑分更早暴露工程问题。

三条链条中前两条直接源自本期节目内容，第三条为写作者基于 Berman 展示的事实所做的推断。至于那条诡异消息的真实成因、以及 Wonder Full 何时开放 API，本刊将留意后续报道。