刚上线就被捧上神坛，转头就被开发者骂‘一坨’——Meta新发布的Muse Wonder，活脱脱演了一出AI圈的过山车。它真有宣传里那么神？跑分表上，Wonder Full在DeepSWE 1.1和SWE-Marathon两个超长编程测试里干翻了Opus 5.5、Astra和Fable 5.1；在Meta自研的Personal Superintelligence Index（个人超级智能指数）里拿了59.1%，第一。更狠的是MemoryBench长对话记忆测试，普通版Wonder居然以85.6%反超自家Full版，也比Opus 5.5高出4个百分点。这可不是小修小补，是实打实把‘记住你上周提过的租房条款、昨天改的三版简历、前天查的降压药副作用’当核心能力来打磨。
但现实很快泼了盆冷水。API一开，大批开发者冲进去试，结果有人让模型写个3D游戏逻辑，直接编出不存在的Unity API；同一段提示词换档位推理，输出质量断崖式下跌；RocketLeagueBench这种偏工程实操的测试里，表现甚至不如两年前的老模型。Artificial Analysis的数据也耐人寻味：Wonder Full单任务成本4.52美元，虽低于Opus 5.5的5.98美元，但输入Token用量暴涨28%，769万tokens/任务——明显是靠堆上下文硬扛复杂度，不是真聪明。扎克伯格说‘已在AI前沿追上对手’，可追上的到底是榜单，还是真实体验？
有意思的是，Meta这次彻底转向闭源+订阅制。Wonder Full不走API，只喂给Muse Code付费用户；基础版定价直接对标Opus，输入贵了3倍多。这哪是发模型，分明是在卖‘长期陪伴权’。主动记忆不是噱头，是生意锚点——你越依赖它记事、跟进度、管项目，就越难换掉。只是，当一个模型需要靠百亿美元基建、自建评测榜、跳过开源验证来证明自己时，我们该为它的‘强’鼓掌，还是先问问：它记得住用户，用户还敢信它吗？
说到底，记忆这事儿，技术上可以堆参数、扩上下文、加检索模块，但信任不是靠跑分堆出来的。去年斯坦福《AI Trust Survey》问了2700多名开发者：最影响你长期用一个AI工具的因素是什么？排第一的不是准确率，也不是速度，而是“它犯错时，能不能让我看懂错在哪”。Wonder确实记得住你改过三版简历，可当它把“HRBP”错写成“HRPP”，又拒绝承认错误、硬编出个不存在的岗位缩写术语时，那个“记得住”的价值，瞬间打了对折。
更现实的卡点在落地场景。国内某远程协作平台接入Wonder试跑两周后悄悄切回GPT-4o——不是因为能力差，而是它太“较真”：用户随口说“把上周会议纪要发群里”，Wonder真去翻七天聊天记录，结果卡在权限校验环节；而GPT-4o直接问“要发哪段？我帮你润色好”，省掉三步确认。技术上，前者是“强记忆”，后者是“巧妥协”。可真实办公里，人要的从来不是绝对正确，而是“刚好够用+不添乱”。
还有个没明说但谁都心知肚明的事：Wonder的59.1% PSI分数，测的是Meta自己定义的“个人超级智能”——包括主动追问、跨会话调取偏好、自动归档意图等12项行为指标。可这些指标里，有7项依赖Muse生态闭环（比如必须用Meta日历+笔记+通讯录），离开这个环境，得分腰斩。换句话说，它的“聪明”，是穿了定制西装的聪明，脱下来未必合身。
所以别急着站队“神坛”或“一坨”。AI不是奥运会，没有绝对冠军。真正值得盯的，是它愿不愿意在用户说“等等，你记错了”时，先停一秒，而不是立刻用更长的解释来覆盖错误。毕竟，再厉害的记忆力，也救不了不肯认错的脑子。用户不怕AI笨，怕的是它聪明得理直气壮地错。
天创网提示：文章来自网络，不代表本站观点。
