Meta推出Muse Wonder AI模型 挑戰用戶付費意願

Meta (Meta Platforms) (META-US) 12日推出全新人工智慧模型 Muse Wonder 與 Muse Wonder Full，進一步擴大旗下 AI 助理 Muse 的能力，同時測試使用者是否願意為更高階的人工智慧服務付費。

新模型鎖定個人及專業工作代理任務，涵蓋法律、金融、健康資訊分析、長時間程式開發及跨應用程式操作，Meta 計畫先向開發者與訂閱用戶開放，再逐步整合至一般消費者使用的 Muse。

Meta 表示，Muse Wonder 系列是公司目前能力最強的模型，建立在先前推出的 Muse Spark 基礎上，經過約14個月的人工智慧研發架構重整後推出。兩款模型的主要目標，是讓 AI 不只回答問題，也能理解使用者的需求、規劃多步驟工作、使用工具、處理過程中遇到的錯誤，並持續執行任務直到完成。

兩款模型的定位有所不同。Muse Wonder 已透過 Meta Model API 及程式開發工具 Muse Code 提供使用者，開發者可以依實際使用量付費。Muse Wonder Full 則是更高階的版本，專門處理複雜程度更高、執行時間更長的工作流程，目前僅提供 Muse Code 的 Power Usage 與 Maximum Usage 訂閱方案使用者。

Meta 同時推出 Muse Code 的 Maximum Usage 方案，使用額度為 Everyday Usage 方案的80倍，並維持相同的5小時及每週額度重置機制。Muse Wonder Full 也可透過 Power Usage 方案使用，讓開發者依照工作量與使用需求選擇訂閱層級。

在 API 定價方面，Muse Wonder 每100萬個輸入 token 收費4美元，每100萬個輸出 token 收費20美元；已快取的輸入 token 則降至每100萬個0.20美元。這代表開發者的實際成本將取決於輸入內容、模型生成的回應長度，以及可利用多少快取內容。

Meta 也計畫將 Muse Wonder 整合至面向一般消費者的 Muse 服務，並優先向訂閱用戶推出。這項安排反映公司正嘗試把 AI 模型的技術能力轉化為直接收入，而不再只依賴廣告等既有商業模式。對 Meta 而言，關鍵不僅是模型能否完成更多工作，也在於使用者是否認為這些額外能力值得付費。

新模型的一項核心功能是 Active Memory，讓 AI 能夠在不同對話之間保留與任務相關的重要資訊，並在後續工作中重新取用。Meta 希望藉此改善使用者長期使用 AI 助理時的連續性，避免每次開啟新對話都必須重新提供背景資料。

另一項功能 Active Focus，則讓模型在遇到困難時持續朝既定目標推進，包括嘗試其他解決方法、從錯誤中恢復，並在必要時向使用者詢問更多資訊。當工作涉及重要操作時，模型也會在執行前確認，以降低代理系統自行採取不適當行動的風險。

Meta 將 Muse Wonder 的應用範圍延伸至法律、金融及健康等專業領域，例如協助使用者理解租賃合約、整理個人財務、處理保險理賠，以及分析複雜文件。程式開發方面，模型則瞄準從製作小型應用程式、遊戲到執行更複雜的軟體開發任務，並強調長時間工作流程中的規劃、工具使用與除錯能力。

在安全設計方面，Meta 表示已針對新模型進行訓練，使其避免未經許可洩露私人資訊、拒絕協助執行具有實際危害的行為，並加強抵禦網路攻擊的能力。由於個人 AI 代理可能接觸使用者的訊息、行事曆與文件，Meta 認為隱私保護與權限控管是此類產品能否擴大應用的關鍵。

不過，AI 代理的價值與風險往往同時增加。當模型從單純回答問題進一步發展至操作軟體、使用工具及代表使用者完成任務，系統如何判斷授權範圍、避免誤操作，以及在何種情況下必須向使用者確認，都將影響產品能否獲得消費者與企業信任。

Muse Wonder 的推出也反映 Meta 正加速追趕人工智慧競爭對手。過去數年，市場焦點集中在大型語言模型的回答品質與推理能力，如今競爭逐漸轉向能夠執行實際工作的 AI 代理，以及如何將這些能力轉化為訂閱收入和開發者服務收入。

Meta 已將人工智慧視為長期策略的核心，並投入大量資源建設運算基礎設施、招募研究人才及開發自有模型。公司指出，Muse Wonder 系列是在大型 Prometheus 資料中心的運算基礎上訓練而成，並結合預訓練與強化學習等技術，提升模型處理複雜任務的能力。

對投資人而言，Muse Wonder 的商業化進展將成為觀察 Meta AI 投資回報的重要指標。若開發者願意持續使用付費 API，或一般消費者願意升級訂閱以取得更強大的 AI 助理功能，將有助於公司建立廣告以外的收入來源；但若使用者對價格敏感，或模型表現與競爭產品的差距不足以支持付費，直接變現的成效仍有待觀察。

Meta 此次採取分層提供服務的方式，一方面透過 API 按用量向開發者收費，另一方面以 Muse Code 訂閱方案提供更高階的模型能力，未來再將部分功能帶入一般消費者使用的 Muse。這套策略能否成功，將取決於模型實際表現、使用成本、可靠性與使用者對個人 AI 代理的付費意願。