原始来源：Meta AI Research
原始来源：Artificial Analysis · 自有测试
发现渠道：Hacker News · 原讨论
Meta 发布 Muse Wonder 与 Muse Wonder Full，强调跨会话记忆、遇阻换策略及在重要动作前确认。普通版进入 Meta API 与 Muse Code，Full 起初只在 Muse Code 提供。Artificial Analysis 以最大推理强度测得 Intelligence Index v4.3 为 52 与 56，前代为 48；另有低强度小样本测试。它们回答的条件不同，不能把同价、单一总分或厂商自报直接换成仓库工作效率。
可信度 65 · 重要性 80 · 新颖度 80
技术与主题
Agent 系统 · AI 编程 · 评测与基准 · 基础模型 · Agent Memory · Long-horizon Tasks · Coding Agent
Artificial Analysis
10月12日自有测量；Index v4.3，最大推理强度；普通版与Full分开。
忠实转述（非原句）：机构报告相对前代的智能指数增长，同时提醒 Full 没有按 token 的定价，所以没有给它计算同口径的每任务费用。
Quantslant
10月12日23任务、每任务一次、低推理强度、自动判定；关于AA排名的段落仍是转载，不另计证据。
忠实转述（非原句）：测试者报告大部分任务接近满分，并明确不到一个百分点的差距属于噪声范围。这个测试只支持它实际运行的题目和设置。
编辑评读
较强的独立线索是 AA 自己发布的分项结果，而不是多家媒体引用同一张厂商图。不过，Full 的 Coding Agents Index 在 Muse Code 内测量，已把执行器的工具和上下文方式算进结果。拿它与另一家 API 的裸模型分数比较，会把产品流程差异混进模型差异。
Quantslant 的 23 项任务只各跑一次，统一低推理强度，各模型又接近满分。它适合作为上线能否使用、具体输入会不会失败的探路结果，不能据小数点后的差距宣布谁普遍领先。AA 的 max 条件也不能代替这个低预算场景。两组结果并不必然矛盾。
如果最关心长期编程，就用同一批仓库任务和验收规则，逐项标明模型、推理强度、执行器及费用。记忆能否找对约束、需求改变后能否放弃旧路线、重要操作的确认是否有效，都需要过程证据。新模型值得试，但“持续专注”这个产品描述本身还不是完成率。