Muse Wonder
8134°
Meta | 1,048,576 token context | $4.00/M input, $20.00/M output. Muse Wonder 是 Meta 推出的前沿推理模型，專為複雜的個人及專業代理任務設計。它接受文字、圖片、影片、音訊及 PDF 文件輸入，並輸出文字，擁有 1M 代幣的上下文視窗。此模型能處理長期任務：規劃、委派子代理、並行調用工具，並能從錯誤中恢復，讓多步驟任務無需逐步指示即可完成。它還能操作瀏覽器及桌面與行動應用程式，並能跨多個現有資料庫中的檔案進行修改與驗證。Muse Wonder 能在對話中攜帶重要上下文，並檢索與任務相關的細節。且經過 Active Focus 訓練，即使任務變得困難，也能持續朝目標努力。Meta 測試中，它在複雜工程任務、長時間代理會話及多檔案重構方面表現優異，能應對開發者最嚴苛的工作。
本模型的指南
如何在2026年10月選擇AI模型：先看封閉源新聞，再看值得下載的開放權重
開放權重、開源與僅API：你到底能做什麼
2026 年最便宜的 10 款 ChatGPT 替代方案：免費本地模型、免費方案和固定費率計劃
船長筆記
2026-10-13 的筆記
Muse Wonder 是 Meta 的前沿推理模型，專為長期自主代理工作打造：它能規劃、並行呼叫工具、操作瀏覽器與應用程式，並跨整個程式碼庫工作，無需你逐步管理。它接受文字、圖片、影片、音訊與 PDF 輸入，擁有百萬 token 的超長上下文視窗。若你的工作涉及多步工程任務、多檔案重構或長時間自主會話，這是其目標階層。
以...聞名
- 自主多步任務完成，並行呼叫工具與錯誤恢復
- 內建瀏覽器、桌面與行動應用控制
- 多檔案程式碼庫作業：閱讀、編輯並驗證整個倉庫變更
- 百萬 token 上下文視窗，適合超長會話與大型文件集
- 單一模型同時接受文字、圖片、影片、音訊與 PDF 輸入
注意
- 輸出價格為每百萬 token 20.00 美元，長時間代理運行成本可能快速累積。
- 權重未公開，僅能透過 API 使用，無本地選項。
- Meta 尚未公布此模型的第三方基準測試結果。
可嘗試的提示詞
多檔案重構計畫
我有一個 Node.js REST API，分散在約 20 個檔案，目前全用回呼函數。請制定具體有序計畫，將整個程式碼庫遷移至 async/await：指出需修改的檔案、避免破壞依賴的修改順序，以及每階段需執行的測試以確保無回歸。
代理式研究綜合
我附上三份過去兩年發表的電網級電池儲能長篇 PDF 報告。請閱讀全部，找出它們在成本預測與循環壽命估計上的共識與矛盾，並製作兩頁簡報，供非技術主管參考。
除錯失敗管線
以下是 CI 管線的完整日誌輸出，整合測試套件偶爾失敗。請診斷最可能的根本原因，逐步說明推理過程，並撰寫應解決問題的精確程式碼變更或設定修正。
比較
- Muse Glimmer 30B開放權重模型131,072 代幣上下文 · $0.30/M 輸入，$1.20/M 輸出
- Muse Spark 1.3 Contributor僅限 API 模型1,048,576 代幣上下文 · $0.10/M 輸入，$0.20/M 輸出
- Muse Spark 1.3僅限 API 模型1,048,576 代幣上下文 · $1.25/M 輸入，$4.25/M 輸出
- Muse Spark 1.2僅限 API 模型1,048,576 代幣上下文 · $1.25/M 輸入，$4.25/M 輸出
更多來自 meta 的文字模型
常見問題
- 我可以本地運行 Muse Wonder 嗎？
- 不行。權重未公開，Meta 也未釋出 Hugging Face 倉庫，僅能透過 API 使用。
- Muse Wonder 成本與上下文長度？
- 輸入價格為每百萬 token 4.00 美元，輸出為每百萬 token 20.00 美元，上下文視窗為百萬 token。
- Muse Wonder 與一般聊天或程式碼模型有何不同？
- 專為代理式長期工作設計——能控制瀏覽器與應用程式、委派子代理、並行呼叫工具，且可在任務中途錯誤恢復，而非僅回應單一提示後停止。
船長評語一款針對開發者與高階用戶的嚴肅代理模型，適合需要無監督完成複雜多步工作的系統，價格也反映其定位。
船長根據模型自身描述與模型卡撰寫這些筆記。價格與上下文大小為撰寫時提供者資料，可能會變動。
Ranking badge
Updated Oct 22, 2026
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
Also ranked: #69 Hottest Text / LLM text model
Not this creator?
Get your own badge
Muse Wonder 熱度趨勢
熱度分數，自 12 Oct 2026 起
熱度分數
8,134°
本週
n/a
尚未發布/追蹤
本月
n/a
尚未發布/追蹤
過去一年
n/a
尚未發布/追蹤
7,000°
基準值
分數範圍是從 0° 到 9,999°。低於 7,000° 的部分是留給還沒被任何來源報告的模型，它們會有一個替代數字，讓列表保持完整。7,000° 是有測量數據開始的地方：有真實數據但幾乎沒下載的模型會在基準值，之後的度數才是測量結果。基準值本身不代表模型好壞，只有基準值以上的度數才會區分模型。
+1,134°
OpenRouter 代幣
此模型在過去30天內透過 OpenRouter 處理了 60,231,074,988 代幣，包含提示和回答。每 10,000,000 代幣算作一次下載，共 6,023 次；最後一天的代幣會加入採用率。來源：OpenRouter (openrouter.ai/rankings)。
顯示詳細分析
這個網站上的每個數字都可以查證。這個模型的熱度分數是 8,134°，這裡會一步步拆解它的組成，每加一項就會顯示目前的總分：基準值、每個來源增加的度數、模型類型的加分，以及權重年齡帶來的扣分。顏色對應上方圖表的區間。最後的詞彙表會解釋每個術語。
- 1從基準值開始。為什麼是 7,000° 而不是零：分數範圍是 0° 到 9,999°，低於 7,000° 的部分是留給還沒被任何來源報告的模型，它們有替代數字，讓列表完整且不會超過有數據的模型。7,000° 是有測量數據開始的地方。有真實數據但幾乎沒下載的模型會在這裡；之後的度數是測量結果，基準值以上有十個十倍下載的階段，每階段增加 300°。基準值對所有模型都一樣，不會決定排名；真正區分模型的是基準值以上的度數。7,000°累計總和
- 2加入下載量。總共 6,023 個下載等值，來自 OpenRouter 代幣。下載量增加十倍會增加相同的 300°，所以大小很重要，但不會主導分數。+1,134°8,134°累計總和
- =熱度分數。這個模型在本網站所有排行榜上的位置。沒有其他因素會調整它。8,134°
詞彙表：這裡使用的術語
- 熱度分數
- 一個數字，表示模型目前的使用和需求程度，範圍從 0° 到 9,999°。本網站所有標示「最熱門」的排行榜都是依此排序，沒有其他排序依據。
- 底線
- 每個有實際數據的模型起始於 7,000°。分數範圍是 0° 到 9,999°；底線以下保留給沒有數據的模型，確保有數據的模型總是排名較前。底線對所有人相同，不影響排名；超過底線的度數才是評分依據。
- 下載等值
- 分數中視為下載的所有項目加總：下載本身、每個種子節點算 1,000、每張 AI Horde 圖像和每次生成網站的執行算一。
- 對數刻度
- 以十為單位計數，不是以一為單位：從 1,000 到 10,000 下載增加的度數，和從 10,000 到 100,000 增加的度數相同。這樣能防止巨頭壓過其他模型。
- 喜歡數
- 來自各來源的讚和喜歡，每個在對數刻度上算半個下載量。
- 採用率
- 模型目前每天的下載次數，根據兩次來源讀取的差異計算。權重是下載量的四分之一。
- 實測與估算
- 實測表示有兩個來源的讀數，且差異是真實的。估算表示只知道今天的總數，過去的數據則分散在模型的整個生命週期；網站會說明顯示的是哪一種。
- 種子節點
- 指在線上保留權重檔案供他人透過種子下載的人，或是提供相同服務的鏡像站。每一個種子節點算作1,000次下載。
- AI Horde
- 一個志願者網絡，利用捐贈的電腦免費生成圖片。它用某模型生成的圖片數量是公開的，每張圖片算作一次下載。
- 生成網站
- 自己托管模型並讓人使用它生成圖片的網站，例如PixAI、SeaArt和Yodayo。它們的下載量和Civitai一樣，每次生成算一次下載。
- OpenRouter 代幣
- 透過 API 提供的文字模型，如 Claude 或 GPT，沒有權重可下載，因此使用量以代幣計算：過去30天內透過 OpenRouter（許多應用使用的閘道）讀取和生成的文字片段。每 10,000,000 代幣算作一次下載。來源：OpenRouter (openrouter.ai/rankings)，CC BY 4.0。
- 完整模型（檢查點）
- 權重本身，是能獨立生成的檔案。它會有額外加分，因為其他附加檔案都依賴它。
- LoRA和嵌入
- 小型附加檔案，用來引導別人的權重走向某種風格、角色或概念。它們無法獨立運行。
- 家族與權重
- 模型所建立的基礎，例如SD 1.5、SDXL、Flux或Wan。每個模型都繼承其家族權重的發布日期。
- 年齡
- 根據家族權重發布時間距今多久，扣除的度數：每年150°，最多750°。它會保留那些有多年累積下載的舊模型，防止它們從排行榜頂端消失。
- 家族加成
- 針對本站目前推廣的某個家族的LoRA給予的小幅度限制加成，會在分解中顯示。
- 替代分數
- 給尚無來源報告的模型一個穩定的最低分，讓列表保持完整。它永遠不會高於有數據的模型。
- 全新！(寬限期)
- 不到 7 天的新模型會顯示「全新！」而非分數，且不列入排名。分數從第一天開始計算，但一天大的模型成長最快，若不等待，週榜首將永遠是昨天剛出的模型，而非持續一週的。
- 趨勢
- 模型在某段時間內的成長與典型模型同期成長的比較。比典型快表示上升，比典型慢表示下降。
- 典型模型
- 目錄中的中間值：一半模型在該期間成長較快，一半較慢。
這個模型的受歡迎程度跟整個目錄相比的變化：它在每個時期的下載量、喜歡數和使用量的成長，跟同一時期一般模型的成長相比，還有當時的熱度分數。高於一般成長代表上升，低於則是下降。過去的數據是從今天的總數、模型的第一天和有兩次讀數時的下載速度推算出來的；如果模型在某時期開始時不存在，會顯示 n/a。
Muse Wonder 是 Text / LLM 系列的文字模型,收錄於 ModelTrends.ai——一個唯讀的開源 AI 圖片、影片與文字模型目錄。將它與其他 Text / LLM 模型比較,並查看熱度分數了解趨勢。
依模型系列瀏覽
Text / LLM 模型
434
Anima 模型
528
Chroma 模型
19
Fibo 模型
2
Flux 模型
1,496
Flux 2 / Klein 模型
1,239
Flux 3 模型
3
Moss 模型
3
Iris 模型
1
MiniMax H3 模型
364
Hunyuan 模型
204
Ideogram 模型
20
Krea2 模型
717
Qwen 模型
20
Qwen2 模型
47
Ltx2 模型
153