今日 · 事件日 10 月 12 日

Muse Wonder 兩份外測方向不同。版本未明

Meta 新模型 Muse Wonder 上線當天，兩份外部測試給出方向不同的讀數

概念插圖，分成左右並排的兩格：左格上方是寫著 ARTIFICIAL ANALYSIS 的黑色橫牌，下方桌上有一台超大的紅色筆電，螢幕上是一個帶灰色線條的白色對話框，機身底座寫著 MUSE WONDER 和 META，旁邊有一個藍色環形符號，一名穿黑衣的長髮人物坐在凳子上用它打字，背後是淡粉色圓形。右格上方黑色橫牌寫著 EVERY，下方是同樣的紅色筆電放在桌上，一名穿黑色長大衣和靴子的短髮人物坐在凳子上打字，背後同樣是淡粉色圓形。

為什麼跟你有關： 換模型前，先用自家一組真實工程任務各跑一次，綜合榜前三不代表你的任務也強。

Meta 10 月 12 日發表 Muse Wonder 系列，分快速版 Wonder 與完整版 Wonder Full。執行長 Mark Zuckerberg 稱它是「our new family of frontier models with state of the art performance for personal and professional agentic work」（Mark Zuckerberg，2026-10-12）。

同一天，獨立評測機構 Artificial Analysis 公布第一份外部量測。Wonder Full 在它的綜合智力指數 10 項評測裡有 6 項排進前三，機構自己註明領先幅度很小（Artificial Analysis，2026-10-12）。跟哪些模型比，本報讀的貼文沒列全。其中一項用專業工作任務兩兩對比，Wonder Full 得 1857 分，Anthropic 的 Claude Opus 5.5 得 1866 分。這個分數是把兩個模型答案兩兩比較的勝負換算成的排名分。機構註明兩者的誤差範圍重疊。

科技媒體 Every 執行長 Dan Shipper 用自家的「資深工程師基準」測，任務是重寫一個靠 AI 即興拼出來的程式庫。Muse Wonder 得 52%，OpenAI 的 GPT-Sol 6.1 得 71%（Dan Shipper，2026-10-12）。

本報的讀法：綜合榜量的是多項任務的整體表現，Shipper 量的是一種大規模重寫，兩份讀數不必互相推翻。Artificial Analysis 測的是完整版，Shipper 沒說他測哪一版，兩份可能根本不是同一個模型。

還不能當真： Every 的題組與評分方式本報沒讀到。怎麼查的 →

本報的分析由 Anthropic 的模型協助產生，Claude Opus 5.5 是本則的比較對象之一。

出處與查證

這則刊在2026年10月13日的晨報，同一期還有 13 則。查證經過、引句核對與當天缺的資料，記在那一期的本日驗證。

引用這則

SecondSource（2026），〈Muse Wonder 兩份外測方向不同。版本未明〉，https://secondsource.io/news/2026-10-13-2/，取用日期取用。