Meta 的模型：从 FAIR、Llama 到 Wonder

10 月 12 日，Meta 发布 Muse Wonder 和 Wonder Full。今天值得注意的变化是：Meta 已经有模型进入当前前沿综合能力的竞争区间。10 月 13 日回读 Artificial Analysis v4.3.2，Full 的 max 档为 56，与 Sonnet 5.5 的最高已测档位同分，接近 Opus 5.5 的 58。Full 与这些模型在同一把尺子下相邻，足以让人把 Meta 放进第一梯队来认真比较。这里的第一梯队是本站对这组文字综合评测位置的判断，具体中文、视觉、长任务与费用继续分别看。

把这一变化放回历史，故事就更完整了。Meta 从 2013 年的 FAIR 研究团队出发，参与建立训练工具和开放研究的基础；Llama 把模型权重送到开发者手里；2025 年重组又把前沿模型、人才、算力和产品放到更集中的目标下。2026 年的 Spark、Muse Code、个人 Muse 与 Wonder，逐渐让这条路线从研究成果接到持续工作的工具和日常入口。各阶段有自己的成果和困难，今天的成绩让人有理由重新评估整个过程。

这个专题沿三条线展开：模型怎样演进、关键人物怎样作选择、这些能力怎样进入作品与产品。官方发布说明设计与开放范围，独立机构提供可比参照，访谈解释当事人的思路，开发者作品呈现实际接入。基础材料核对到 2026 年 10 月 13 日；下文历史日期指原事件，左侧更新时间指本站实际公开整理，后续补充仍沿同一个专题继续。

• 先看今天的同口径位置 ↓
• 沿历史转折读下来 ↓

可以先把这段历史看成四个相连的阶段。第一阶段建立研究与工具基础，第二阶段把大型语言模型开放给研究者和开发者，第三阶段在模型竞争与组织选择中重新集中投入，第四阶段让模型和执行环境一起服务更长的任务。这个分期是本站为了理解材料作的梳理，不是 Meta 的官方年代划分。

各节点都链接支持该事件的原始材料，包括当时发布、本人履历与后续回顾；再往下的章节解释它为什么改变了路线。不同年份的榜单、参数和任务不能简单相加，旧版分数也不能直接拿来证明今天的名次。更有价值的纵向变化是：谁能得到模型，模型能处理什么，开发者怎样把结果带给人，以及公司接下来把资源放到哪里。

1. 2013-12 · FAIR 起步，建立长期 AI 研究团队
2. 2015-01-16 · 公开 Torch 深度学习模块，分享训练工具
3. 2017-01 · PyTorch 初次公开，研究框架逐渐形成生态
4. 2022-05-03 · OPT-175B：开放研究模型与训练记录
5. 2023-02-24 · LLaMA：更小模型与研究开放
6. 2023-07-18 · Llama 2：扩大商用与开发者接入
7. 2024-04-18 · Llama 3：模型与 Meta AI 产品一同向前
8. 2024-07-23 · Llama 3.1：405B、多语言与更长上下文
9. 2024-09-25 · Llama 3.2：视觉与端侧小模型分支
10. 2024-12-06 · Llama 3.3：70B 文字型号继续迭代
11. 2025-04-05 · Llama 4：原生多模态与专家混合架构
12. 2025-07-30 · 公司财报说明 MSL 的范围与关键分工
13. 2026-04-08 · Muse Spark：重建模型路线的首版
14. 2026-10-12 · Muse Wonder / Full：走进前沿能力竞争区间

2013 年底，Facebook 建立 FAIR，Yann LeCun 在当年 12 月加入。扎克伯格亲赴学术大会招募研究者，希望实验室长期探索图像、语言、记忆和预测等智能问题。当时，这项工作的主要形态还不是今天熟悉的聊天助手。

研究很早就进入服务。2016 年的自动替代文字，让屏幕阅读器从只读出‘照片’，变成描述照片里可能出现的人、物体和场景。首发面向英语 iOS 屏幕阅读器，视觉识别由此帮助看不见照片的人参与朋友的交流。

FAIR 的 2014 年记忆网络实验，则根据提供的《指环王》摘要回答人物与物品最后在哪里。这是有限任务，但已在问一个至今重要的问题：系统怎样利用当前材料和前文，而不只依赖训练时学到的知识。

从这里回看 Wonder，本站把它放在持续积累中理解：特定能力先进入功能，助手再组织更多能力。早期研究与今日产品有共同问题，但并不是同一个模型从 2013 年一路升级；研究、模型和产品需要分别辨认。

2015 年，FAIR 开放为 Torch 优化的深度学习模块，让别人也能更快训练网络；这不等于 Meta 发明了 Torch。2017 年 1 月公开的 PyTorch，则是供人实验、调试和部署模型的框架，不是另一款聊天模型。

共用实现让研究者接着做实验，也让开发者把结果放进软件。2022 年 9 月，PyTorch 转入 Linux Foundation 旗下的独立基金会，Meta 继续投入，多方参与治理。它从内部研究工具，成长为更广泛的共同基础。

模型也有具体分工：2022 年 7 月的 NLLB-200 关注 200 种语言翻译与低资源语言；2023 年 4 月的 Segment Anything 根据点或框等提示选出图像区域。翻译文章、选中照片里的物体，都能成为实际用途。

Meta 的影响有时来自自己提供功能，有时来自别人拿走工具与模型再创造。本站据此理解其开放生态：价值通过许多参与者扩散，不会全体现在一个助手的排名里。不同项目公开的代码、权重、数据和使用条件，仍各不相同。

2022 年 5 月，Meta 发布 OPT 系列，并公开训练代码和逐日日志。通过 API 得到回答，不等于能够研究权重。OPT 让研究者比较模型规模，也看见大型训练里的硬件、稳定性和人工处理问题，把过程带进了公开讨论。

OPT-175B 当时采用非商用许可，面向学术、政府、公民社会与产业研究实验室提供访问。它不是面向所有人的成品助手；交出权重也不包含托管、产品接入和维护。开放了哪一部分，决定别人可以怎样继续。

同年 11 月，Meta AI 的 Papers with Code 团队发布 Galactica，探索科学引用、公式与问答。原卡说明它未做通用指令微调，需要合适提示；权重采用非商用许可，也不同于代码仓库的 Apache 许可。

Galactica 原卡明确承认，优质学术语料仍不能消除幻觉，引用预测也不保证真实。写得像科学文献，与可靠组织科学知识，并非同一能力。本站把它作为模型、展示与信任之间的早期提醒，而不只用演示成败概括。

2023 年 2 月 24 日，LLaMA 发布 7B、13B、33B、65B。Meta 用更多材料提升较小模型，让资源较少的人也能研究。它仍是基础模型，权重按申请提供、以非商用研究为主，并非今天的 Meta AI 或 Muse 应用。

7 月 18 日，Llama 2 把预训练与对话模型的权重、起步代码扩展到商用，Azure、AWS 与 Hugging Face 等参与分发。开发者可选择托管、微调或自部署，不必从头训练同等规模的基础模型，再围绕需要做成软件。

商用仍遵循定制 Community License、使用政策及特定规模下的额外许可条件。这里称它为可获得权重的开放路线，说明为什么能吸引开发者，同时不把代码、训练数据和每一代使用条件都说成完全开放。

9 月，Meta AI 助手以 beta 进入 WhatsApp、Messenger 和 Instagram，初期面向美国。它使用基于 Llama 2 技术与新研究的定制模型，还接入搜索和图像工具：Llama 提供能力，助手进一步组织对话、工具与社交场景。

2024 年 4 月 18 日，Llama 3 先提供 8B、70B 文本模型，上下文为 8K。Meta 扩大并筛选训练材料、改进指令微调，同时接入 Meta AI。用聊天产品感受能力，和拿到权重自行运行，是不同的接触方式。

7 月 23 日，3.1 增加 405B，并更新 8B、70B，扩到 128K 与八种语言。Meta 称官方多项测试可与 GPT-4、GPT-4o、Claude 3.5 Sonnet 竞争；这是当时自测的结论，不是所有场景的统一冠军。

Meta 还允许用该系列输出改进其他模型，支持合成数据和蒸馏，让大模型的材料帮助较小模型改进。从第一代研究权重到这里，开放路线开始同时讨论最强能力、运行条件，以及能力如何传到更容易部署的模型。

参考系统、Llama Guard 3、Prompt Guard 与 Llama Stack API 把工具和系统也带进来。本站把这一阶段理解为从‘提供模型’走向‘让别人搭建系统’。能打开哪些用途，要继续看数据、工具和环境怎样接入，以及最终结果。

9 月 25 日，Llama 3.2 分两条路：11B、90B 面向图像理解，1B、3B 是端侧文本模型。前者看图表、页面和照片，后者做摘要与改写。不能把同系列的视觉能力借给手机小模型，也不能把理解图像写成生成图像。

小模型提供了在设备上做简单任务的路线，官方也对部分芯片优化。但端侧适用不等于每部旧手机都能流畅运行：型号、量化、硬件和应用一起影响体验。这增加部署选择，不意味着用户应该一律改用最小的模型。

12 月 6 日，3.3 发布 70B 文本指令模型。官方 HumanEval 为 88.4，接近 3.1 405B 的 89.0；IFEval 为 92.1，高于表中的 88.6。但 MMLU-Pro 仍较低，部分项目接近或领先，不能写成全面相等。

这一阶段不只有参数变大，还有视觉、端侧和更强的 70B 文本分工。本站认为，选择应接回具体任务、输入和运行位置。实际费用与体验还要看服务和设备，历史型号的基准成绩不会自动变成今天某款应用的表现。

2025 年 4 月 5 日，Llama 4 提供 Scout、Maverick，转向原生多模态与混合专家。两者激活约 17B 参数，总参数却是 109B、400B，不能只按激活量判断内存。上下文也不同：Scout 10M，Maverick 1M。

官方把图像、编码、推理与成本效率作为卖点。原卡的公开输入是文本与图像，输出文本与代码，使用视频帧训练不等于生成视频。更大 Behemoth 当时仍训练，属于预览与教师模型，不是已交付的第三款下载型号。

发布页的 Arena 1417 分，来自实验聊天版 Llama-4-Maverick-03-26-Experimental。Arena 随后公开该版对战材料。不能将实验成绩直接套给下载版 Maverick；观察回答和选择模型，要核对真正的版本与服务。

这里既有架构进展，也有宣传与使用之间的比较问题。本站认为，可下载权重方便外部检验，共同名称却不保证是同一对象。接着看 Wonder，也应连接官方目标、独立测试、开发者样本和产品实际型号，判断这次走到了哪里。

2025 年 6 月 12 日，Scale 宣布创始人 Alexandr Wang 加入 Meta，自己继续独立运营。Wang 从为 AI 公司提供数据的企业，走进了自己建设前沿模型的实验室。7 月 30 日的 Meta 财报电话会把新分工讲清：他统筹 Meta Superintelligence Labs（MSL），Nat Friedman 负责 AI 产品与应用研究，赵晟佳（Shengjia Zhao）担任新团队的首席科学家。

赵晟佳此前已经参与 OpenAI 的模型训练。GPT-4 原技术报告在贡献说明中，把他列为奖励模型负责人，也列入 ChatGPT 评测工作。奖励模型把“哪种回答更好”的反馈带进训练；这段经历让人理解，他接过的科学职责与模型怎样学习、怎样评估联系在一起，而不是只给新团队增加一个头衔。这里采用原报告列明的工作，不把整个产品的成果归给一个人。

赵晟佳的职位于 7 月 25 日正式宣布。重点是研究方向怎样有人负责，而不是把公司负责人、模型科学家和产品负责人当成同一种角色。当时 LeCun 在 Meta 的原帖下说明：自己的 FAIR 首席科学家职责仍是长期研究，与新模型实验室的职责不同。那次任命并不等于 FAIR 当天被撤销，后来的人事变化也要按各自时间看。

Wonder 发布对谈里，Wang 回忆这次转折从一次会议中的 WhatsApp 来电邀请开始，后来几个人组起核心班底，再密集招募研究者。扎克伯格解释，选择这位数据企业创始人，是看中他的战略判断、人才组织和沟通能力。这个实验室虽然尝试像创业团队一样工作，仍依靠 Meta 的数据中心和其他团队支持。把负责科学、组织团队和交付产品的人接在一起，才是这次重建的具体做法；效果还要回到模型与产品测试。

• 看当时的正式分工 ↗

2024 年 4 月 18 日，Llama 3 发布当天的 Dwarkesh 访谈里，扎克伯格把 FAIR 与生成式 AI 团队分开讲：前者研究长期问题，后者把基础模型带进产品。他还回顾了 Reels 推荐系统曾受 GPU 不足限制，Meta 因而提前增加算力储备；那次准备后来帮助了大模型。开放模型、服务自身产品和提前建设基础设施，在这时已经连接在一起。

2025 年 4 月 29 日的第二次访谈，他承认过度优化外部榜单曾让团队偏离产品体验，并强调速度、自然交互、多模态和个性化。节目里的追问也很有价值：公司自己的用户反馈，怎样与别人的模型公平比较？这段争论说明“用户觉得好用”与“排行榜领先”不是同一个证据；Llama 4 的后续重组应接在这个背景下理解。

2026 年 Wonder 发布后的 Cheeky Pint 对谈又向前一步。扎克伯格认为，产品的很多能力和行为越来越进入模型本身；Wang 谈到主动程度、说话方式与工具使用也需要具体设计。对读者而言，值得看的变化是：Meta 正从“把通用模型接进应用”，走向“同时训练模型怎样完成个人事务”。这是对访谈与发布资料的整理，不代表每项生活任务已经可靠完成。

• 2024：开放模型、产品与算力 ↗原站有完整逐字稿与视频入口。
• 2025：榜单与真正的用户价值 ↗原站有逐字稿；这是当时的判断和计划。
• 2026：Wonder 与重建 MSL 的经历 ↗07:28 模型与产品；14:35 Wonder；1:40:46 重建团队。

Nat Friedman 的个人主页记载，他在 2018—2021 年担任 GitHub CEO。在 2026 年 Stripe Sessions 的原访谈中，他回顾了接手 GitHub 前先花时间听用户的问题，以及进入公司后怎样帮助团队走出“产品太受喜爱，因此不敢改动”的顾虑。这个经历接回 Muse：新能力要到真实用户手里，才能知道哪些地方值得继续训练和修改。

他把关键循环说成：有一个想法，做出用户能用的东西，观察反馈，再改进。谈 Meta 时，他举了标注工具的例子：审批和操作太繁重，研究人员就倾向于把许多任务捆在一起，减少实验次数；工具变容易后，小实验才能更频繁开展。这里讨论的是怎样缩短学习过程，不是“只要少开会，模型就一定更强”。

Wonder 对谈里，扎克伯格进一步把 Friedman 团队的产品判断接到模型后训练上：可靠程度、什么时候主动、怎样交流，都需要被训练和评估。这让产品与模型不再是两个简单串联的部门。BitShovel 的理解是，个人助手要做得自然，既需要实验室提升能力，也需要产品团队把人在具体场景中的感受带回训练。

• 读 Friedman 的产品与团队访谈 ↗公开逐字稿，可查 GitHub 接手经历、反馈循环与 Meta 标注工具。

Yann LeCun 在 2013 年 12 月加入当时的 Facebook，成为 FAIR 的创始负责人。其后他转向首席科学家职责，把长期研究、开放交流和探索下一代学习方法放在重要位置。看 Meta 的历史不能只从 Llama 开始：语言模型热潮之前，视觉、表示学习等研究已在这里持续推进。

2024 年 3 月 7 日的 Lex Fridman 访谈中，他把理解物理世界、持久记忆、推理和规划列为要继续解决的问题。以端起杯子为例，系统应预测行动之后会发生什么，而不只是生成一句合理的话。他介绍的 JEPA，是学习对行动相关的抽象表示，避免必须预测画面里所有像素。这里是 LeCun 当时对技术路线的主张，不是对后来所有模型的最终判决。

2025 年 11 月 19 日，他本人宣布准备离开 Meta，并留到当年年底，继续在独立公司推进 Advanced Machine Intelligence。10 月 13 日回读其个人主页，现列 AMI Labs 执行董事长。因此他在本专题里是早期建设者与另一条研究路线的代表，不应继续被写成 Wonder 当前团队的负责人。

Wonder 也强调记忆与长任务，但相似的目标不意味着同一种架构。不能仅凭这些词，就说 Wonder 已经采用 LeCun 的世界模型路线，或已经解决了他提出的所有问题。把 FAIR 的探索、Llama 的语言模型与 MSL 的个人助手放在一起，才能看见 Meta AI 的发展一直存在多条并行的线。

• 听 LeCun 谈世界模型与规划 ↗25:07 开始 JEPA，原作者视频；逐字稿可在来源区继续读。

4 月 8 日的 Muse Spark，是 Meta 重建模型体系后的第一款产品，起点已经包含多模态理解、工具使用与多代理协作。7 月 9 日的 1.1 继续增强电脑操作、编程与上下文管理，并随 Meta Model API 公开预览进入开发者手中：模型开始从回答问题，走向看材料、调工具、处理变化中的任务。

8 月 5 日，Spark 1.2 与 Muse Code beta 一起发布。前者加强代码生成、复杂调试和代码库理解，后者提供终端、工具、计划与持续的子代理；Meta 将两者共同训练。官方用一段房屋视频制作度假屋网页，说明“看懂输入—写出代码—在浏览器检查”怎样连起来。模型与代理环境都参与结果。

9 月 2 日的 1.3，重点进一步转向长任务：保持细致要求、发现计划缺口、处理同一长对话里的多个请求，并在需要时询问或确认。10 月 12 日的 Wonder 则建立在更大、更强的基础模型上，强调把已有背景带到新任务中，并持续处理阻碍。这是一条从理解与调用，走向记住背景和持续交付的路线。

这条主线还有不同分支。8 月 10 日的 Glimmer 是 30B 开放权重模型，以 Apache 2.0 许可支持本地代理；官方的四位量化方案仍需要合适的电脑内存。9 月 1 日的 Voice Transcribe 负责实时转录、区分说话人和判断一句话何时结束，包含中英混说示例。它们分别解决运行地点与听觉输入，不应拿 Wonder 的综合分数概括所有型号。

• 看视频怎样变成网页 ↗
• 接着理解记忆与持续执行 ↓

Wonder 的官方重点可以放回一件具体事情来理解：你曾说过预算、时间与偏好，之后要改一份方案，它能否找回相关背景；遇到网页变动或工具失败，又能否换路继续？Meta 将前一部分称为 Active Memory，将后一部分称为 Active Focus。价值在于把事情接下去，而不是把记忆容量当成结果。

模型报告的 MemoryBench 用 64K–100K tokens 的多轮对话，夹入干扰和后来改过的信息；FocusBench 则围绕住房、旅行、IT 与财务等任务中的阻碍和变化。两项属于 Meta 内部评测。它们帮助解释训练追求什么；普通用户在产品里如何查看、更正背景，以及任务实际用上哪个模型，还要看具体接入。

Wonder 报告列出文字、图像、视频与音频输入，输出为文字。官方厨房游戏体现的是模型写代码、调工具形成作品的路径。媒体生成还有 Muse Image 和 Muse Video 分支：7 月 7 日原文分别写已推出 Image、预览 Video。理解这些分工，才能把“看懂一段视频”“做一个网页”和“直接生成视频”接到正确的型号与工具。

• 打开厨房样本及已有 Wonder 实践 →
• 看开发者如何核对任务的实际模型 →

BitShovel 的判断是：Meta 的最新大型通用模型已经进入第一梯队，尤其是 Wonder Full。10 月 13 日回读 Artificial Analysis 完整原表，Full 的 max 档综合指数为 56，与 Sonnet 5.5 的最高收录档同分，接近 Opus 5.5 的 58；普通 Wonder 为 52。它已经成为与主流高端模型比较的实际选择。

纵向看，同一版指数中的 Spark 1.3 max 为 48，Wonder 为 52，Full 为 56。横向看，Astra max 与 Fable 5.1 的最高收录档均为 53。这里的“第一梯队”是基于这一独立综合能力参照作的编辑判断；下表保留各模型原档位与回退设置，分数差不能直接换算为能力百分比。

代码能力也值得重点看，但它并非所有任务都领先。Meta 报告注明 Datacurve 提供的 DeepSWE 1.1 成绩为 Full 79.0、普通 78.8；同一报告中的 ProgramBench，Full 59.0，Opus 5.5 为 70.5。前者与后者测不同的软件工作，已经说明“做哪件事”仍会影响选择。

本轮实际打开 Abundant AI 的 SWE-Marathon v1.1 原榜，两款 Wonder 经 Muse Code、max 档列前两行：Full 53.1%，普通 52.5%，随后是 Sonnet 5.5 经 Claude Code 的 51.3%。这里有 20 个任务、每题 8 次试验，必须通过全部验证才得分；模型与代理一起参与结果。两款 Wonder 相差一个成功试验，不必把这点差距放大成普遍优劣。

• 进入模型页看完整参照与口径 →
• 接着看日常同题的费用与小错误 →

普通 Wonder 可以经 Meta Model API 或 Muse Code 使用。10 月 13 日回读官方开发者介绍，API 标价为每百万 tokens 输入 4 美元、缓存输入 0.20 美元、输出 20 美元；这属于普通型号的计费说明，不能给 Full 套同一价格。开发者可以把现有兼容接口接到 muse-wonder-1.0，再比较自己实际的任务。

Full 当前仅在 Muse Code 的 Power Usage 与 Maximum Usage 订阅中提供。官方将 Maximum 的用量上限描述为 Everyday 的 80 倍，同时保留五小时与每周重置；这不是每次任务可以使用的固定 token 数。已经有一个满意的助手时，可以先选最在意的一项长任务比较，再决定是否增加服务。

个人 Muse 是另一层产品。10 月 12 日原发布仍说 Wonder 将很快接入，先面向订阅者，不能由模型上线推定手机、眼镜或 Charm 已经全部换成它。可以从本专题了解模型的变化，再去原 Muse 专题看背景记忆、服务接入和随身硬件究竟怎样让这些能力进入生活。

• 核对官方当前入口与费用 ↗
• 继续看 Muse 的个人代理与硬件 →

• 打开官方厨房游戏样本 ↗外部可操作成品；本站仅进入第一关，未复跑生成或验证完整通关。

Llama 阶段让开发者获得权重，围绕自己的资料、算力和应用做定制；Wonder 阶段增加了直接通过模型服务与 Muse Code 工作的路线。两条路线改变的是使用方式：前者更容易研究和控制部署，后者让人通过现成入口使用前沿能力。今天 Meta 的意义在于它同时连接了研究生态、模型服务和面向普通人的产品，具体开放条件仍按每一个版本看。

对于创作者，官方厨房小游戏让代码与图片输入成为一个可以操作的作品；对于开发者，真实任务要接到自己的会话、工具和文件，再确认实际执行的模型；对于普通用户，个人 Muse 和随身硬件把背景、消息和生活事务接进来。强模型提高这条链路的可能性，产品还需要把记忆、权限、失败后的接续与人的决定处理好。本站已有 Muse 专题继续承接硬件和真实事务，本专题集中整理支撑这些体验的模型与发展脉络。

如果你已经在用 Opus、Astra、GLM 或 Kimi，Wonder 提供了一个新的参照。先比较同一份资料、一次需要修改的作品或同一项有明确结果的事务，看要求有没有保留、改动能否继续、结果是否更贴近你想做的事情，再把费用和等待放进判断。新进入第一梯队的价值，是多了一条值得探索的路径；后续开发者的具体作品与使用经验，会继续补全今天榜单还没有回答的部分。

• 继续看 Muse 的眼镜、Charm 与生活事务 →
• 原作者的 23 题测试与它的局限 →
• Helicon：界面怎样真正用上 Wonder →
• 对照 Opus 的可编辑作品与视频实践 →