Muse Wonder搞砸會怎樣？Meta財務長私下警告恐釀財務危機

Meta(META-US) AI 負責人亞歷山大王（Alexandr Wang）近日透露，在頂尖AI 模型尚未完成技術驗證之際，執行長祖克柏便拍板投入 1000 億至 2000 億美元建置基礎設施。這場豪賭也讓財務長蘇珊李（Susan Li）鄭重警告，若模型研發失敗，公司將面臨非常嚴重的財務後果。

亞歷山大王與祖克柏近日一同接受 Stripe 共同創辦人 John Collison 的 Podcast 節目《Cheeky Pint》訪問，談及 Muse Wonder 的研發歷程，以及 Meta 如何在龐大資金壓力下，推進前沿模型與個人超級智慧布局。

模型尚未驗證 祖克柏先押千億美元

亞歷山大王回憶，去年底 Meta 核心主管前往夏威夷參加年度高階主管團隊活動時，蘇珊李曾私下將他拉到一旁，嚴肅且反覆提醒：「如果這個前沿 AI 模型研發失敗了，從財務角度來看，後果將非常、非常嚴重。」

這番警告背後，是 Meta 已決定承擔的龐大基礎設施支出。當時 Muse Wonder 及整體前沿模型架構仍處於早期階段，連核心技術驗證都尚未完成，但面對 OpenAI 與 Google 加速推進 AI，祖克柏已決定擴大投入。

在拍板之前，祖克柏直接詢問亞歷山大王，是否確定這項計畫能夠成功。獲得肯定答覆後，他便決定投入 1000 億至 2000 億美元，用於 GPU、資料中心、冷卻設備及電力等基礎設施。

這也意味著，Meta 必須在模型能力尚未獲得充分驗證時，先承擔大規模投資的風險。亞歷山大王與研發團隊接下來數月的任務，就是讓模型成果足以支撐這筆投入。

測試成績亮眼 實際表現仍受質疑

Muse Wonder 隨後交出具競爭力的測試成績。完整版 Wonder Full 在綜合智慧評測中取得 56 分，超越 Fable 5.1，僅次於 Opus 5.5；在長時間軟體工程任務方面，DeepSWE 測試通過率約達 79%。

這些成績也讓 Meta 從開源 Llama 的布局，進一步跨入頂級閉源 AI 智慧體（Agent）的競爭，尤其將焦點放在需要持續執行的軟體工程任務。

不過，亮眼的測試數據並未平息外界對實際使用體驗的疑慮。Muse Wonder 發布後，部分使用者批評，模型可能過度針對基準測試最佳化，實際表現卻未必與分數相符。

例如，在生成熔岩燈的測試中，模型未能呈現燈具、玻璃與熔岩效果，反而做出紅色圓柱體。網路使用者 Token Gremlin 也批評，Muse Wonder 撰寫 Three.js 程式的表現不佳，連製作簡單的《Minecraft》仿作都令人失望。

這些回饋使 Muse Wonder 的競爭力出現兩種評價：一方面，長時間編碼任務的測試成績受到關注；另一方面，視覺化程式與展示效果仍面臨質疑。

亞歷山大王回應爭議 強調真實任務用途

面對批評，亞歷山大王在 X 發文表示，團隊開發 Muse Wonder 的目標，是打造能在真實世界中，協助真實使用者完成實際任務的模型。

他指出，研發重點放在社群平台上看起來未必亮眼的能力，而非花俏的 3D 遊戲展示。這番回應凸顯 Meta 對模型用途的定位，但實際使用體驗與測試成績之間的落差，仍是外界討論焦點。

除了能力表現，定價與版本差異也引發開發者質疑。目前開放 API 呼叫的 Muse Wonder 版本，評測得分為 52 分，低於完整版 Wonder Full 的 56 分。

然而，有開發者指出，API 版本每百萬 token 的輸入與輸出價格分別為 4 美元及 20 美元，與評測得分 58 分的 Opus 5.5 相同。完整版 Wonder Full 則僅向訂閱用戶開放，使不同版本的能力與價格差異成為另一項爭議。

長期記憶與任務應變成重點

在訪談中，祖克柏與亞歷山大王也介紹 Muse Wonder 的兩項核心功能：Active Memory 與 Active Focus，分別著重長期記憶及任務執行時的應變能力。

Active Memory 旨在讓模型記住跨越數天、數週，甚至數月的重要資訊。Meta 表示，團隊投入大量心力，讓模型能保留對使用者重要的事情，使互動不再侷限於單次對話。

當模型參與電子郵件、行程安排與個人文件等工作時，這項能力有助於延續使用者的偏好與需求，也成為部分開發者認為比單一評測分數更值得關注的方向。

Active Focus 則著重模型遇到困難時，能否持續推進任務。團隊透過大量真實世界的失敗情境進行訓練，讓模型在執行受阻時主動尋找替代方案，並在進行關鍵操作前，停下來向使用者確認。

在展示中，Muse Wonder 能持續搜尋租屋資訊，依照個人條件篩選，甚至自主聯絡房東，呈現 Meta 希望發展的個人助理用途。

祖克柏看好個人超級智慧

至於為何願意投入如此龐大的資金，祖克柏在訪談中表示，他不認為 AI 市場最終會走向贏家通吃，也不相信所有需求都將由單一大模型壟斷。

相較之下，他看好由眾多個人超級智慧組成的未來。這項判斷也呼應 Meta 成立超級智慧實驗室，以及推動智慧體商業、發展超越智慧型手機硬體的方向。

在這項構想下，具備長期記憶能力的模型可與智慧眼鏡等裝置結合，使用者的個人智慧體則能與商家的智慧體溝通、出價及購買商品，將 AI 從對話工具延伸至日常生活與商業活動。

Muse Wonder 的測試成績，為 Meta 的頂尖模型布局提供了初步成果，但實際體驗、版本差異與定價仍有待使用者檢驗。對已承擔千億美元投資的 Meta 而言，如何讓模型在真實任務中持續展現價值，正是這場 AI 豪賭的核心考驗。