Meta发Muse Wonder，官方说在多项测试中达到了前沿水平，部分指标甚至超过了GPT-6和Claude。在独立评测机构的综合智能指数里，更强的Full版本拿了56分，超过了GPT-6 Astra的53分。

但有意思的是，新模型发布之后，开发者的反馈并不是一片叫好。

有开发者把Full排在跟Claude Opus 5.5同一档，但同时提醒说，通过API提供的标准版Wonder明显更弱。他连同两个版本的命名方式、Full只能订阅使用的安排，一起吐槽了一遍。

还有开发者测了代码库重写任务，标准版Wonder的通过率是48%，而GPT-6.1 Sol是71%，差距不小。另一位用户直接说实际表现配不上榜单成绩。

Meta的首席AI官回应说，团队没有专门针对某些演示场景做训练，希望大家把模型用到实际编程工作中去。

我觉得这件事挺正常的。榜单是实验室里的成绩，开发者的体验是真实工作里的感受。两者之间有落差，不一定是谁在说谎，只是评测的场景和实际使用的场景，本来就不完全一样。

新产品好不好，榜单只是一个参考。真正的答案，得等更多人用起来才知道。