這支影片以戲劇化的敘事方式，聲稱 Meta 在 2025 年因推出新 AI 模型 「Muse Wonder」，掀起公司內部的權力重組與產業競爭，並將焦點放在「AI 智能體」取代傳統聊天機器人的可能性
10月12日，Meta突然推出全新AI模型「Muse Wonder」，宣稱能長時間自主運行、自動修復程式錯誤並接管商業流程，甚至在多項高難度測試中擊敗GPT-6 Astra、Claude Opus 5.5等競爭對手。
為了這場豪賭，祖克柏投入1,000億至2,000億美元，並以143億美元收購Scale AI，延攬29歲、缺乏AI研究經驗的創辦人亞歷山大・王，任命他為Meta首席AI官，另支付1億美元簽字費。這項決定引發內部劇烈衝突，也導致圖靈獎得主楊立昆離開Meta。
影片出處
事情源於2025年春季的Llama 4醜聞。Meta被揭發在不同基準測試中使用不同模型，涉嫌刷榜，導致聲譽重挫。祖克柏因此認定，實驗室過度追求測試分數，卻無法真正解決企業的實際問題。
亞歷山大・王提出的方向十分直接：放棄虛假的跑分競賽，打造能在真實辦公環境中連續工作數小時甚至數天的AI代理。Meta隨後裁撤原有非AR研究團隊約600人，同時大力從OpenAI、Google等公司挖角，組建新實驗室。楊立昆認為Meta已成為只敢選擇安全方案的庸俗公司，最終離職創業。
這場權力更迭的核心，是Meta對「代理經濟」的押注。過去的大模型擅長回答問題，卻難以獨立完成完整流程；AI代理則能讀取需求、修改程式、執行測試、發現錯誤並反覆修正，真正接管工作。
在Meta公布的測試中，滿血版Muse Wonder在個人超級智能指數中取得59.1%，高於Claude Opus 5.5的55.2%與GPT-6 Astra的54.5%。在包含113項真實軟體開發任務的測試中，滿血版完成率達57.5%，標準版為53.1%，也超越Opus的46.3%與Astra的42.5%。
不過，這種能力代價高昂。Wonder每項任務平均需要處理769萬個輸入標記，約為其他模型的2至7倍，成本大多耗在龐大的上下文閱讀上。雖然標準版每項任務平均成本約4.52美元，低於Claude Opus，但GPT-6.1完成類似任務只需約0.72美元。滿血版也不開放API，只能透過Meta自家的MuseCode訂閱使用，形成封閉生態。
安全問題同樣令人擔憂。Meta的測試顯示，Wonder在化學與生物領域仍可能存在高風險；同時，它既能發現深層系統漏洞，也可能被黑客利用，成為高效的商業間諜工具。
Meta真正瞄準的，是Instagram、WhatsApp與Facebook背後約30億名用戶。按照規劃，Wonder將被整合進瀏覽器與各種應用程式，替用戶安排婚禮座位、設計紀念品、下單付款，甚至處理保險、租屋與個人財務。它還具備長期記憶，能在數週或數月後記住用戶的重要資訊。
從Siri、Echo到Copilot與Codex，AI正逐步進入生活與工作。如今，Meta試圖讓AI直接成為人類的數位代理人。但一家曾因隱私醜聞飽受批評的公司，是否值得被交付全部決策權與私人資料，仍是這場豪賭最大的疑問。
一、Meta 因模型失利而轉向「智能體」
影片宣稱，Meta 在推出 Llama 4 後，因被指控針對不同基準測試使用不同模型而陷入信譽危機。扎克伯格因此認為，Meta 內部過度追求基準測試分數，卻沒有真正解決企業在財務、法律、程式開發等工作流程中的需求。
影片將這場轉型描述為：
- 從追求模型跑分，轉向執行真實工作；
- 從單次回答問題，轉向長時間自主完成任務；
- 從聊天機器人，轉向能讀取資料、修改程式、測試與自我修正的 AI 智能體。
二、亞歷山大・王被描述為改革核心
影片聲稱，Meta 以高達 143 億美元的代價延攬 Scale AI 創辦人亞歷山大・王，並給予他 Meta 首席人工智慧官職位及 1 億美元簽字費。
影片將他塑造成一位：
- 不具備頂尖 AI 研究背景；
- 但擅長商業決策、人才招募與快速執行；
- 主張以龐大算力和模型規模換取實用成果的管理者。
這項任命據稱引發 Meta 內部衝突，尤其是與深度學習先驅、圖靈獎得主楊立昆之間的理念分歧。影片進一步宣稱，Meta 裁撤原有研究團隊，楊立昆因此離職創業，象徵研究導向與商業導向的權力交替。
三、「Muse Wonder」主打長時間自主執行
影片將 Muse Wonder 的核心定位描述為 個人超級智能，而非一般聊天模型。它被設計來處理：
- 法律與金融工作；
- 自動化軟體工程；
- 網站營運；
- 保險理賠、租賃與個人財務；
- 婚禮規劃及其他複雜生活事務。
其主要特色包括：
- 能連續工作數小時甚至數天；
- 能自行閱讀大量文件與程式碼；
- 能執行、檢查並修正程式；
- 遇到錯誤時能重新規劃；
- 具備長期記憶，持續記住使用者偏好與背景。
影片認為，這種能力代表 AI 正從「回答問題」進入「直接接管工作流程」的階段。
四、影片聲稱 Wonder 在測試中擊敗競爭模型
逐字稿列出多項測試數據，聲稱 Muse Wonder 在「個人超級智能指數」及深度軟體工程測試中，超越 GPT 與 Claude 等模型。
其中包括：
- 滿血版 Wonder 在某項指數中達到 59.1%；
- 標準版 Wonder 達到 54.3%；
- 在包含 113 項真實軟體開發任務的測試中，滿血版完成率為 57.5%；
- 標準版完成率為 53.1%；
- 競爭模型則被描述為落後。
影片用這些數字強調，真正的競爭不再只是模型能否答對考題，而是能否獨立完成一整套工作。
五、智能體的成本極高
影片也指出，Wonder 的能力伴隨巨大的運算成本。
據影片說法：
- Wonder 每項任務平均使用約 769 萬個輸入 token；
- 用量約為部分競爭模型的 2 至 7 倍；
- 大量閱讀與重複驗證佔據其大部分執行成本；
- Wonder 的單項任務成本雖低於部分 Claude 模型，但仍遠高於某些 OpenAI 模型。
影片認為，這種「以大量上下文與算力換取可靠性」的策略雖然有效，卻可能形成難以維持的成本黑洞。
六、產業開始進入智能體軍備競賽
影片描繪了全球 AI 公司為因應智能體需求而加速競爭的情況，包括：
- 擴大模型的上下文窗口；
- 提升回應速度；
- 讓模型能頻繁呼叫工具；
- 讓多個 AI 代理以「蜂群」方式協作。
影片還描述一場由多個 AI 代理共同修改程式碼、解決高難度數學與電腦科學問題的案例，藉此宣稱 AI 已能自主生成假設、撰寫程式、互相驗證並推進研究進度。
其核心論點是：未來的生產力不只是人使用 AI，而是 AI 代理彼此協作並重新組織工作。
七、低幻覺率被視為企業採用關鍵
影片特別強調 Wonder 在不確定時較願意回答「我不知道」，而不是捏造答案。
它聲稱 Wonder 在某項知識測試中的幻覺率低於其他模型，因此更適合：
- 金融機構；
- 律師事務所；
- 專利與機密資料處理；
- 高風險企業流程。
影片由此主張，企業更重視的並非單純的智力或回答流暢度，而是：
- 可靠性；
- 可追蹤性；
- 能否承認未知；
- 能否在長流程中維持正確性。
八、商業模式與生態系鎖定
影片認為，Meta 不只是要販售模型 API，而是要建立封閉的 AI 工具生態系：
- 滿血版模型不直接提供一般 API；
- 開發者必須訂閱 Meta 的 MuseCode 工具；
- 透過不同月費方案區隔使用者；
- 一般消費者使用的助手則可能仍由較舊模型驅動。
影片將這種策略解讀為：Meta 以強大的專業版本吸引高價值開發者，再把他們鎖定在自家平台。
九、安全、隱私與失控風險
影片後半段轉向警告智能體可能帶來的風險。
主要風險包括：
- 模型可直接修改程式碼與操作企業系統；
- 若遭駭客利用，可能成為高效率的商業間諜工具；
- 同一種能力既能找出安全漏洞，也可能被用來製造攻擊；
- 長期記憶可能累積大量個人隱私；
- AI 若能代替使用者下單、理財或申請保險，錯誤決策的後果會被放大；
- 化學、生物等領域可能存在高風險用途。
影片特別擔心，Meta 若把智能體整合進 Instagram、WhatsApp 與 Facebook，便可能取得使用者的：
- 對話；
- 行程；
- 照片；
- 人際關係；
- 財務與生活偏好；
- 長期行為資料。
十、Meta 的終極目標：成為數位勞動力平台
影片認為，Meta 的真正目標並非單純推出一款模型，而是把 AI 代理部署到旗下數十億使用者的日常生活中，讓它協助甚至接管：
- 社交與通訊；
- 個人行程；
- 購物與付款；
- 財務規劃；
- 保險與租賃；
- 內容創作；
- 工作與程式開發。
換句話說，Meta 希望從依賴廣告與使用者注意力的社群平台，轉型為掌控全球數位勞動力與個人決策流程的 AI 平台。
核心結論
這支影片的主題可濃縮為三點：
- AI 競爭正從基準測試轉向實際工作流程。
未來的關鍵不是模型考試分數多高，而是能否連續、可靠地完成真實任務。 - 智能體可能帶來巨大的生產力與商業價值。
它能閱讀資料、操作工具、修改程式並持續修正錯誤，可能改變軟體、金融、法律與辦公室工作的模式。 - 能力越強，成本、隱私與安全風險也越大。
一旦 AI 擁有長期記憶、系統權限與自主執行能力，使用者等於把大量決策權和數位資產交給平台，因此必須審慎看待資料控制權、責任歸屬與安全防護。
整體而言，影片是一篇帶有強烈戲劇化與警示色彩的 AI 產業評論，透過 Meta 的假設性或未經證實事件，討論從「聊天模型」走向「自主智能體」後，科技產業可能面臨的權力重組與社會風險。
