Meta 新模型 Muse Wonder:Agent 任务强,设计能力弱
摘要
Claire Vo 在 Lenny's Newsletter 播客中,用自建的 How I AI 基准对 Meta 新发布的前沿模型 Muse Wonder / Muse Wonderful 做了首测,结论是它在 Agent 类任务上表现突出,但设计与创意类输出不佳。
核心要点
- 评测覆盖近 20 项任务,横跨原型制作、Agent 工作流、编程、写作与创意工作,评分方式为 LLM-as-a-judge 结合作者自己的语音点评。
- Muse 在三项 Agent 任务中排名第一;作者认为 Meta 关于“个人 Agent + 专业 Agent”的定位基本站得住,但不是所有场景都成立。
- 设计输出质量不佳是明确短板;在 SVG 插画与短视频剪辑两项上,作者把它与 Opus 5.5、Astra、Fable 做了横向对比。
- 语音助手类任务上作者将 Muse 与 Sonnet 做了对照,邮件写作也被单独测试。
- 速度特征分明:一次性(one-shot)任务快,但在 Agent 长任务上偏慢,节目中还专门讨论了 active focus mode 在长任务中是否真的起作用。
原文佐证
- The three agentic tasks where Muse ranked first, and why those categories matter
- What Muse s design output actually looks like (it s not good)
- Fast on one-shot work, slow on agent tasks
AI 洞察
前沿模型的竞争焦点正在从通用对话转向 Agent 长任务与多模态创作,而“单项登顶、另一项垫底”的割裂表现说明已不存在全能冠军,团队需要按任务类型组合多模型,而非押注单一供应商。同时,KOL 自建基准正在成为官方榜单之外的第二评价体系,对选型与采购的影响力上升;而 Agent 任务上的速度瓶颈也提示延迟与推理成本仍是落地的硬约束。