API看着便宜却花更多钱：Meta新模型编程夺冠背后的成本账

北京时间10月13日凌晨，Meta Superintelligence Labs正式推出新一代旗舰模型系列Muse Wonder和Muse Wonder Full。第三方评测显示它在长程软件工程测试中以79．0分击败Claude Opus 5．5夺冠，综合智能指数56分紧追58分的行业标杆。

但在欢呼声里，另一组数字更让开发者皱眉：完成同样评测任务的实际算力开销，从上一代的1．60美元飙升至4．52美元，涨幅183％。API定价每百万Token 4美元看似比竞品低60％，可真正跑起来时，账单并不会因此变薄。

从跟随者到前沿玩家

过去几年，Meta的开源大模型路线一直被贴上“性价比替代”的标签——能力强一档，价格低一半。但这次发布会释放的信号变了：它不再满足于做平替。

Zuckerberg在X上直接定调：“Meta重新回到了AI技术前沿。”这不是客套话。Artificial Analysis的最新数据显示，Wonder Full在包含10项测试的综合指数中，有6项跻身前三。科学推理CritPt、基于PDF的专业工作测试GDP。pdf均排在第一位。

真正的硬仗在编程领域。DeepSWE 1．1测试涵盖91个代码仓库、5种编程语言、113项复杂任务，考验的不是写一个函数，而是理解整个工程框架并修复回归bug。Wonder Full在这里拿到79．0分，比Opus 5．5高出近5个百分点。SWE－Marathon——强调超长任务执行的测试——它以57．5％的成绩进一步拉开差距。

这些成绩不是偶然。Alexandr Wang在Cheeky Pint播客中透露，Wonder的内部代号是Watermelon（西瓜），使用了一轮独立完成的、更大规模的预训练，而非像Spark那样只在既有底座上做增量优化。这种“从头来一遍”的策略意味着更强的基础泛化能力——后训练学到的技能更容易迁移到陌生问题上。

记忆系统也是关键差异点。Meta提出的Active Memory概念试图让模型记住用户的长期偏好，而不是每次对话都像失忆一样重新开始。内部MemoryBench测试中，Wonder Full获得85．5分，高于Opus 5．5的81．5分。虽然这个测试基于64K至100K Token的多轮对话，不能直接等同于真实环境下持续数月的使用，但至少方向是对的。

4．52美元的真实含义

性能追上来了，成本也跟着膨胀。

Artificial Analysis的测算揭示了另一个真相：Wonder在综合评测中平均消耗约769万输入Token、5．4万输出Token，涉及多轮请求和工具调用。把这些全部算进去，每道题的花费是4．52美元。而上代Spark 1．3只要1．60美元。这意味着如果你用Wonder处理同样的工作负载，开销翻了将近三倍。

对比其他模型更有意思：GPT－6 Astra的任务成本是3．26美元，GPT－6．1 Sol只有0．72美元。Wonder的API定价虽比GPT－6 Astra低60％，但按实际完成任务算，反而贵了约39％。

问题的根源在于token用量爆炸。模型越聪明，需要的中间思考步骤和上下文窗口就越长。Meta官方承认这一点——Wonder支持100万Token上下文，而Spark的上下文窗口更小。更大的窗户打开更多风景，也漏掉更多热量。

Zuckerberg在访谈中的回应很直白：Wonder推理服务成本更高，现阶段优先提供给付费用户，免费服务继续采用Spark。他希望未来能把Wonder级别的能力压缩到Spark形态，为数亿消费者提供服务。这句话翻译过来就是：目前你付不起全价，但我们正在想办法降下来。

3D生成的尴尬

技术亮点之外，一场来自社区的即时拷问也不容回避。

X用户Max Blade用同一组提示词让Wonder Full和Opus 5．5分别生成一款可驾驶割草机的AAA级游戏场景。结果显示，Opus生成了相对完整的驾驶舱、草坪、建筑等三维环境，而Wonder的版本更接近低多边形原型，材质和视觉细节明显逊色。

网友调侃这是“AAA游戏和Roblox风格作品的区别”。更重要的是，这并非偶然现象。Meta自身就在模型卡中标注：视觉与空间推理，特别是3D任务，仍是已知局限。Wang随后在X上承认，团队没有针对3D演示游戏专门训练模型，并建议开发者多用真实编程任务来评估Wonder。

两个测试考察的能力并不相同。DeepSWE强调理解修改复杂工程代码，3D场景生成还涉及空间理解、审美判断和物理模拟。前者是逻辑推演，后者需要创造力与感官直觉。Meta的短板恰恰暴露了一个更深层的问题：当一家公司全力押注Agent和代码生成时，其他维度可能暂时被牺牲。

算力军备竞赛的真实代价

把视线拉远看，这场模型迭代的底层是一场算力军备竞赛。

Wang披露，支撑Wonder训练的算力基础设施极其昂贵——一座1GW集群建设成本高达500亿至600亿美元，年度运营成本约150亿美元。Meta去年底讨论的资本开支规模，更是达到1000亿至2000亿美元量级。

相比之下，Meta用于研发前沿模型的核心团队只有约100人。人均支撑数千亿美元的基础设施投入。这种杠杆比例前所未有，但也意味着一旦营收跟不上投资速度，利润率将面临巨大压力。

OpenAI、Anthropic和Google都在加速迭代。2026年下半年的AI竞争格局已经从“谁能做出更好用的模型”转变为“谁能以更低的成本稳定交付智能”。Wonder的推出至少证明了一点：Meta不再只是跟跑者，它有实力冲进第一阵营。但接下来要回答的问题是——这份实力能不能撑住资产负债表？

对于下游开发企业和云计算资源采购方来说，选择模型不再只看跑分。你需要计算自己的日均任务量、平均token消耗和预算上限。如果每天跑10万次推理，选便宜的还是选强的，结论完全不同。

接下来的三个观察信号

1。 Muse Code订阅额度的调整节奏：上线初期出现的额度异常已被修复，但后续是否会为Full版本引入阶梯定价或直接限制调用频率，将直接影响企业用户的选择。 2。 第三方独立评测对Wonder在办公场景和长尾任务中的表现反馈：目前已有数据集中在编程和专业Agent领域，真实应用场景的可靠性仍需更多验证。 3。 Meta 2027年资本开支计划的官方指引：如果500－600亿美元的集群投入转为实际支出，其自由现金流和ROIC将成为检验这场豪赌的关键指标。