实测 Meta Muse Wonder:智能体任务表现亮眼,前端设计不可托付
摘要
播客主持人 Claire 用近 20 个真实任务实测 Meta 新模型 Muse Wonder,结论是它在该价位上是最强的智能体模型,但在前端设计和视觉成品度上明显不可靠。
核心要点
- 在计费工单处理、收件箱分诊、电脑操作、邮件撰写四项任务中排名第一;计费工单测试里它修正账号关联错误、处理重复退款逻辑、变更客户套餐、起草回复并关闭工单,还抵御了一次提示注入。
- 「主动专注」是可验证的真实能力:模型在复杂智能体任务上投入的时间明显多于简单请求,且时间投入与输出质量的相关性比竞品更清晰。
- 前端与设计是明确禁区:输出默认重衬线字体、blurple 配色、圆角与通用 SaaS 布局;做 ChatPRD 改版时无视品牌规范、添加 emoji、破坏图片渲染,成品与原站脱节。
- 「完成 80% 原型」与「做完」差距很大:常能搭出可信脚手架,但交互测试时按钮失效、主题错误、遮罩层干扰;它最大的弱点不是生成界面,而是收尾时的视觉打磨与功能保真。
- 视频剪辑有潜力但执行粗糙:能找对 40 秒片段、选中她喜欢的音乐、卡点几乎准确,但叠加层、字幕位置与音频处理让成品显得未完成。
原文佐证
- Muse Wonder is the strongest agentic model Claire has tested at its price tier.
- It ranked first on billing-ticket resolution, inbox triage, computer use, and email writing.
- Muse Wonder should not be trusted with frontend design.
AI 洞察
这篇实测最有价值的地方不是排名,而是揭示模型能力正在按「长任务持续推进」与「成品交付质量」两条独立轴分化:前者可被智能体工作流直接变现,后者仍卡在最后一公里的视觉与交互保真上。若「主动专注」即按任务难度自适应延长思考时间成为可复现的能力差异,模型竞争将从单次回答质量转向长周期任务的成功率与成本结构。对团队而言,现阶段务实分工是让这类模型进入后台流程与工单系统,而把前端与对外交付留在人或有更强视觉能力的模型手里。