Meta 於 2026 年 10 月 12 日公布 Muse Wonder 與 Muse Wonder Full。Muse Wonder 已提供 Meta Model API 與 Muse Code 存取；Full 則限 Muse Code 的 Power Usage、Maximum Usage 訂閱，沒有 API 版本。個人助理 Muse 的導入仍是後續分批推出，先從訂閱者開始，不能據此認定台灣帳戶已開放。
這次發布最需要分清楚的，是「模型可呼叫」、「程式開發工具可選用」與「個人助理已升級」三件事。以下依 Meta 公告及開發文件整理價格與使用門檻，並說明我們認為值得評估的情境。本文未進行模型、訂閱或台灣帳戶實測。資料查核日期：2026 年 10 月 13 日（Asia/Taipei）。來源：Meta 發布公告。
Muse Wonder、Wonder Full 與 Muse，有什麼不同？
Muse Wonder 是模型；Muse Code 是使用模型執行開發工作的工具；Muse 則是面向個人的助理產品。名字相近，不代表三者的權益與上線時間相同。
| 項目 | 已公布的存取方式 | 需要注意 |
|---|---|---|
| Muse Wonder | Meta Model API；Muse Code 隨用隨付及各訂閱方案 | API 模型 ID 為 muse-wonder-1.0；官方文件標示 preview |
| Muse Wonder Full | Muse Code 的 Power Usage、Maximum Usage 訂閱 | 不提供 API；將 Wonder 推理強度設為 max 也不會變成 Full |
| 個人助理 Muse | 公告稱稍後導入 Wonder，先向訂閱者推出 | 本次公告未確認台灣帳戶資格，也未給出全面導入日期 |
上述差異可對照 Meta 模型與方案文件及 API 入門文件。若你想了解的是助理本身能做什麼，而非模型 API，可先看本站的 Muse AI 功能與台灣可用性整理。
Wonder API 價格：每百萬輸入 4 美元、輸出 20 美元
官方列出的 Muse Wonder API 費率如下，單位均為美元／每 100 萬 tokens。這是隨用隨付的模型費率，不是 Muse Code 的月費。
| 計費項目 | 每百萬 tokens |
|---|---|
| 一般輸入 | US$4.00 |
| 快取輸入 | US$0.20 |
| 輸出 | US$20.00 |
Meta 說明沒有長上下文加價；若使用 web search grounding，另收每 1,000 次搜尋查詢 2.50 美元，並加上該請求的 token 費用。快取費率只適用實際命中快取的輸入，不能將全部輸入預設按 0.20 美元計算。來源：官方價格與速率限制。
成本試算：100 萬個非快取輸入 tokens，加上 10 萬個輸出 tokens，模型 token 費用為 4＋2＝6 美元；搜尋與其他服務另計。這是依牌價計算的例子，並非實測帳單。對多步驟代理而言，應統計整個任務所有回合的用量，不能只算使用者最後看到的答案。
Wonder 的上下文視窗為 1,048,576 tokens，可接收文字、圖片、影片、音訊及 PDF，回傳文字。這個數字描述可處理的上下文容量，不等於單次可輸出同樣長度，也不保證放入大量資料後都能正確運用。來源：模型規格。
Wonder Full 要買哪個方案？
官方 Wonder 頁面列出支援 Full 的兩個 Muse Code 方案：Power Usage 每月 50 美元、Maximum Usage 每月 200 美元。Full 的可用範圍以模型文件列出的這兩個方案為準，不能把「付費訂閱」一概視為已包含 Full。來源：Wonder 官方產品頁。
月費與 API token 費率不可直接互換。讀者仍需在適用方案確認用量、模式、超額處理與帳戶資格；上述價格也不是經台灣結帳驗證後的含稅新台幣總額。我們尚未實際購買或確認台灣付款與開通流程。
Active Memory 與 Active Focus，解決的是長任務問題
Meta 將這次重點稱為 Active Memory 與 Active Focus：前者強調跨對話保留重要背景、在需要時找回資訊；後者著重持續處理困難任務、嘗試其他方法、從錯誤恢復，並在必要時澄清及確認重要行動。這些是官方對能力的描述，並非本站測得的可靠度。來源：Meta 研究說明。
本站觀點：對台灣開發者而言，最有價值的評估問題不是模型能連續工作多久，而是它在中途遇到錯誤、需求變更或互相衝突的資料時，能否維持原本的交付標準。會繼續執行，也可能持續放大錯誤；長任務能力必須和檢查點、權限及人工驗收一起測。
因此，不宜只用官方排行榜決定遷移。模型版本、推理強度、代理執行框架、工具配置與測試語言都會影響結果。本文不把廠商評測推論成繁中任務或特定團隊程式庫的勝率，也不宣稱 Wonder 全面優於其他模型。
導入前先確認 Contributor：Muse Code 訂閱預設開啟
Standard 模式下，送出的提示、程式碼、檔案與上下文，以及模型回覆，不用於訓練 Meta 模型。Muse Code 訂閱另有預設開啟的 Contributor 模式，以允許 Meta 使用這些內容訓練未來模型，交換較多用量；使用者可在設定中關閉。Wonder 的 API 隨用隨付目前只提供 Standard，沒有 Contributor 版本。來源：模式與存取條件。
「不供訓練」不應再被延伸解讀成零保存、資料永不離開電腦，或已滿足公司的所有資料處理要求。若準備處理客戶文件或非公開程式碼，先核對實際模式與適用條款，再決定可送出的資料範圍。這是導入檢查，不是對特定企業合規狀態的判定。
台灣讀者如何取捨？先用小型任務比較，再決定是否升級
我們認為，Wonder 優先值得放入評估名單的，是需要跨多個檔案修改、長時間除錯與反覆工具操作的開發工作。若工作只是大量分類、短文整理或簡短工具呼叫，不必因為新模型發布就全部換用；Meta 自己也把 Muse Spark 定位為較重視成本、延遲與大量處理的選擇。來源：官方工作負載選型說明。
一個可重複的小型比較，可以由團隊挑選三類已知答案的任務：跨檔修正、帶有中途失敗的工具流程，以及繁中需求理解。保留相同輸入與驗收條件，記錄完成率、人工修正時間、總費用及錯誤操作。這是本站建議的方法，並非已完成的測試結果。
如果 Wonder 讓初稿更快，但後續審查和重做時間增加，就不一定值得全面更換。若 Full 只在少數困難任務才有明顯收益，也可以先用實際工作量判斷是否需要較高月費，而不是把最大方案當成預設答案。涉及對外發送、花費或重要資料變更時，保留人工確認與可回復的工作副本。
哪些新證據會改變我們的判斷？
- 台灣資格的官方明確說明：國家清單與帳戶條件若確認台灣，才足以更新目前「未確認」的結論；全球擴大開放的宣傳用語仍不夠。
- 可重複的任務結果：若在相同工具與驗收條件下，繁中或團隊常見任務確實減少返工，且總成本合理，才有更充分的遷移理由。
- 產品與資料政策變動：若 Full 開放 API、方案門檻調整，或模式與資料使用條款改變，應重新比較存取方式與費用。
- 消費版的實際導入證據：官方更新與帳戶內可核對的模型資訊，可支持特定帳戶已升級；單一帳戶仍不能證明所有人都已導入。
現階段最穩妥的結論是：Wonder 已有開發者使用入口，Full 有明確但較窄的訂閱門檻；消費版 Muse 與台灣資格要分開確認。把存取方式、資料模式和整個任務的成本確認清楚，比先追逐「最強模型」更能幫助實際選型。
封面採用 AI 生成概念插畫，呈現長任務與資訊記憶的概念；不是 Meta 官方素材、產品介面或模型實測結果。
