Meta Muse Wonder 被指刷榜，实测全面翻车
Meta 于 10 月 13 日发布 Muse Wonder 与 Muse Wonder Full，官方宣称其在 Artificial Analysis 智能指数排名第二、DeepSWE 表现 SOTA，定位个人与专业 Agent 场景并提供 1M 上下文窗口。但发布当天即遭多位实测者质疑「刷榜」，实际表现与宣传存在明显落差。
已确认
- 官方宣传口径：智能指数第二、DeepSWE SOTA、1M 上下文窗口（@WorldofAI 转述发布信息）
- @Rasmic 转述 bridgemindai 的实测：BridgeBench 熔岩灯测试中模型只建出一个红色圆柱体，没有玻璃罩也没有熔岩，bridgemindai 称这是其见过「刷榜最严重」的模型
- @lyraxana（转发）记录的用户对比：同一 prompt、最高推理档位下，Muse Wonder 耗时 24 分钟、花费约 18 美元；SWE 2 用时 15 分钟、零成本，效果反而更好，成本差距达 24 倍；该博主还指出 Muse 的评测分数高于 Astra 和 Fab 系模型
- GamowLabs 发布的 RareBench 基准（122 个案例）显示 Muse Wonder High 召回率仅 19%，低于 Muse Spark 1.3 系列，榜单由 Opus 与 Fable 领跑（@danielmckinn0n）
尚未确认
- Meta 官方尚未回应刷榜质疑
- 各项第三方测试的完整方法论与可复现性未经独立核验
为什么重要
多个独立来源的实测结果高度一致地指向「跑分亮眼、实操翻车」，配合显著更高的使用成本（约为 SWE 2 的 24 倍），引发了关于 Meta 模型基准宣传可信度的广泛讨论。对于按官方跑分选型的用户与开发者，这一轮质疑提醒实际任务验证比榜单排名更可靠。
2026-10-13 ~ 2026-10-13 · 5 条相关
- 第 1 集:Meta Muse Wonder 被指刷榜，实测全面翻车(2026-10-13,5 条)
- 第 2 集:Abaka AI 创始人称 Muse Wonder 远不及 Fable 与 Astra(2026-10-13,2 条)
一手来源
- Meta Muse Wonder 实测翻车:跑分第二,实操远逊 Opus 5.5 — WorldofAI ·
- 实测者吐槽 Meta Muse Wonder「刷榜」：熔岩灯测试翻车遭群嘲 — Neurogence ·
- RareBench 新榜单:Muse Wonder 表现平平,Opus 与 Fable 领跑 — danielmckinn0n ·
- Muse Wonder 被指刷榜：比 SWE 2 贵 24 倍实测却更差 — lyraxana · 2026-10-13
- 【源头】实测者吐槽 Meta Muse Wonder「刷榜」：熔岩灯测试翻车遭群嘲 — Neurogence · 2026-10-13
- 【源头】Meta Muse Wonder 实测翻车:跑分第二,实操远逊 Opus 5.5 — WorldofAI · 2026-10-13
- 【源头】RareBench 新榜单:Muse Wonder 表现平平,Opus 与 Fable 领跑 — danielmckinn0n · 2026-10-13
- Meta Muse Wonder 被指刷榜:BridgeBench 熔岩灯测试只建出红圆柱 — Rasmic · 2026-10-13