Meta发布Muse Wonder与Muse Wonder Full：百万上下文Agent模型全面解读

Meta在模型产品线上再度加码，一次性推出Muse Wonder与Muse Wonder Full两款面向Agent场景的大模型，二者均支持100万token的超长上下文窗口。前者开放于Meta Model API，定价为每百万token输入4美元、输出20美元；后者则绑定Muse Code订阅计划，并在DeepSWE与SWE-Marathon两项基准测试中取得领先成绩。

百万上下文为何瞄准Agent场景

100万token的上下文窗口并非单纯堆参数，而是Agent工作流的刚需。多轮工具调用、代码库级别的检索、长期记忆沉淀，都会把上下文迅速撑满。Meta选择把"1M-context"直接写进产品定位，说明它并不打算把Muse Wonder当作通用聊天模型来卖，而是切向需要持续读写大量文件的自动化任务。

对开发者而言，上下文变长意味着不必频繁做摘要与截断，减少信息在压缩过程中的损耗。但超长上下文也带来推理成本与延迟压力，这也是Meta为什么要用两档产品来区分使用场景。

什么是 Agent 工作流

Agent 工作流指模型不再只做单轮问答，而是作为"智能体"自主调用外部工具（如文件读写、代码执行、网页搜索、API 请求）来完成多步任务。典型流程是：模型先规划步骤，再调用工具获得结果，根据结果决定下一步行动，循环往复直至任务完成。

与普通聊天不同，Agent 每一步的工具返回结果都要写回上下文，才能支撑后续推理，因此上下文消耗速度极快。一个涉及十几个文件、数十次工具调用的任务，轻松就能累积到几十万 token。这也是为什么长上下文窗口被视为 Agent 场景的基础设施，而不是可选的性能指标。窗口不足时，系统只能靠摘要压缩历史信息，而压缩往往意味着细节丢失，进而导致模型在关键步骤上"失忆"或走错方向。

Muse Wonder：API可用，按量计费

据MarkTechPost报道，Muse Wonder通过Meta Model API对外开放，价格结构为输入每百万token 4美元、输出每百万token 20美元。输出价格是输入的5倍，符合当前主流大模型的定价惯例，也暗示该模型在生成侧的计算开销更高。

这一定价对高频调用Agent的团队并不便宜。若一次任务需要反复读写几十万token，成本会快速累积。因此Muse Wonder更适合对上下文长度有硬性需求、且能通过缓存或提示复用降低重复输入的业务。

为什么输出价格远高于输入

大模型的推理分为两个阶段：处理输入（prefill）和处理输出（decode）。输入阶段可以高度并行，算力利用率高；输出阶段必须逐 token 串行生成，每一步都依赖前一步的结果，GPU 利用率低、耗时更长。因此输出 token 的单位计算成本天然更高，主流厂商普遍把输出定价设为输入的数倍。

对使用方而言，这意味着控制输出长度比控制输入更能省钱。在 Agent 场景中，若模型倾向于生成冗长的思考过程或解释文本，成本会显著上升。合理的做法是限制不必要的输出，并尽量复用输入前缀（如利用提示缓存），把重复的长上下文输入成本压下来。

Muse Wonder Full：绑定Muse Code，基准表现领先

Muse Wonder Full并未单独开放API，而是随Muse Code计划提供。它主打的方向更偏向代码与工程类任务，官方给出的成绩集中在DeepSWE与SWE-Marathon两项基准上，均处于领先位置。

这两项基准通常用来自动化评估模型在真实软件工程问题上的解决能力，包括跨文件修改、缺陷定位与多步推理。Muse Wonder Full在其中的表现，说明其在长链路Agent任务上做了针对性优化，而非单纯扩大上下文。

DeepSWE 与 SWE-Marathon 是什么

SWE 类基准（SWE 即 Software Engineering）用于评估模型解决真实软件工程问题的能力，题目通常来自开源仓库的真实 issue 与 PR。模型需要阅读代码库、定位缺陷、修改多个文件并让测试通过，考验的是跨文件理解与多步推理能力，而非单点代码生成。

DeepSWE 侧重复杂、深度依赖的工程问题；SWE-Marathon 则强调长链路、多环节的任务，模拟长时间持续工作的场景。二者共同关注的是模型能否在长上下文中保持目标一致性。因此在这两项上领先，意味着 Muse Wonder Full 在长上下文工程任务上做了针对性优化，而不仅仅是把窗口开大。

两档产品如何选择

从定位看，Muse Wonder面向需要API集成、对调用灵活性要求高的开发者；Muse Wonder Full则偏向已经在使用Muse Code工具链的团队，以订阅方式获得更强的代码Agent能力。

若团队主要跑通用Agent任务、且希望按量控制预算，Muse Wonder的API模式更合适。如果任务集中在代码仓库级别的理解与改造，Muse Wonder Full在基准上的优势可能转化为实际效率。具体效果仍需在自身工作流中验证，基准分数不能完全代表生产环境表现。

对Agent生态的影响

Meta同时推出API版与订阅版，反映出大模型厂商正在把Agent能力拆分成不同价位的产品层级。百万上下文正在从"炫技指标"变为"可购买的服务规格"。

对开发者来说，选择变多，但迁移成本也在上升——不同模型在工具调用格式、上下文管理与计费方式上的差异，会直接影响Agent架构设计。在接入前，最好先用真实任务做小规模对比测试。