Muse Wonder مقابل Intern S2: 1,048,576 توكن مقابل 256 ألفًا، ولا مسطرة مشتركة

Intern-S2-397B and Muse Wonder have never been measured against each other by anyone. That is not a gap in the research — it is a structural fact about how each model came to exist. I​nternLM published Intern-S2-397B on September 13, 2026 as an Apache-2.0 open-weights checkpoint for scientific intelligence and long-horizon agents, benchmarked entirely by its own makers, with no third-party score at all. Meta Superintelligence Labs began selling Muse Wonder on October 12, 2026 through the Meta Model API and Muse Code, and it has exactly one independent evaluator's row. So everything below requires labelling which side of the fence each number sits on, and the two models disagree about something more basic than benchmark scores: what a context window is for. Muse Wonder's 1,048,576 tokens are a flat, priced, single-response budget. Intern-S2-397B's are split — 256K for text reasoning and 64K for multimodal input — on a checkpoint you download rather than call.

النسخة المفيدة من هذه المقارنة ليست أيّ النموذجين يفوز. بل إن أحدهما أداة للعمل على الوثائق العلمية يمكنك تشغيلها داخل محيطك الخاص، والآخر نموذج عام مستأجر بنافذة كبيرة جدًا بسعر ثابت. هذان شراءان مختلفان.

ما هو كل نموذج في الواقع

Intern-S2-397B is Shanghai AI Laboratory's I​nternLM flagship, released September 13, 2026 under Apache-2.0. The name carries 397B; the model card says 403 billion total parameters, and that difference is the kind of inconsistency a checkpoint built in public accumulates. Architecturally it is a standard mixture-of-experts transformer — 60 layers, 512 experts with 10 active per token — and its headline claim is a pre-training paradigm that reads raw pages of scientific literature, figures, layout, symbolic notation and prose together, rather than parsing the text out first. Around that it scales reinforcement learning across more than twenty scientific domains and adds long-horizon agent training in sandboxed environments. It takes text, image and time-series input, produces forecasts from the time-series path, serves on LMDeploy, vLLM and SGLang, supports tool calling, and thinks by default unless you pass enable_thinking=False per request. In BF16 the checkpoint is roughly 807 GB, so self-hosting means a serious multi-GPU node.

Muse Wonder هو إصدار Meta Superintelligence Labs الرائد في 12 أكتوبر 2026، وأُعلن كسلسلة من نقطتي تحقق. لا يمتلك سوى muse-wonder-1.0 نقطة نهاية لكل رمز، على Meta Model API وداخل Muse Code؛ أما Muse Wonder Full، التهيئة الأعلى تقييمًا، فيُباع فقط عبر اشتراك Muse Code وليس له قائمة أسعار عامة. نقطة التحقق القابلة للاستدعاء تستقبل مدخلات نصية وصورة وصوت وفيديو، وتعيد نصًا، وتحمل نافذة سياق من 1,048,576 رمزًا، وتحدّ استجابة واحدة عند 943,718 رمزًا، وتُسعّر بـ $4.00 لكل مليون رمز إدخال، و$0.20 للمخزّن و$20.00 للإخراج، وتُشغّل الاستدلال إلزاميًا على سلّم جهد من الحد الأدنى إلى الأقصى، بقيمة افتراضية هي المتوسط. لا توجد أوزان، ولا ترخيص، ولا نسخة يمكنك الاستمرار في تشغيلها إذا تغيّرت نقطة النهاية.

هذا هو أول اختلاف حقيقي بينهما، وهو ليس صفًا في اختبار أداء. أحدهما ملف. والآخر عقد.

نافذة السياق، التي يقصدها النموذجان بمعنيين مختلفين

هنا يكون تضليل مقارنة أوراق المواصفات في أقصاه، لأن كلا الطرازين يُوصفان عادةً بأنهما طويلا السياق.

• سياق النص — Muse Wonder 1,048,576 رمزًا في نافذة واحدة؛ Intern-S2-397B بسعة 256K للاستدلال النصي

• السياق متعدد الوسائط — تغطي نافذة Muse Wonder الكاملة مدخلاتها من الصور والكلام والفيديو؛ بينما يحمل Intern-S2-397B سياقًا متعدد الوسائط منفصلًا بسعة 64K

• الحد الأقصى للإخراج في استجابة واحدة — Muse Wonder ‏943,718 رمزًا؛ ولم يُنشر عن Intern-S2-397B رقم مماثل

• سطح الإدخال — Muse Wonder: نص، صورة، كلام، فيديو؛ Intern-S2-397B: نص، صورة، سلاسل زمنية

• التنبؤ بالسلاسل الزمنية — Muse Wonder: لا يوجد؛ Intern-S2-397B مدعوم، ومربوط حاليًا عبر LMDeploy فقط

• السعر — Muse Wonder: 4.00 دولار للإدخال، و0.20 دولار للمخزَّن مؤقتًا، و20.00 دولار للإخراج لكل مليون رمز؛ Intern-S2-397B: لا يوجد سعر منشور لكل رمز، لأن طريقة التوزيع هي التنزيل

صف التنبؤ هو الصف الذي لا نظير له على الجانب الآخر، وهو ليس ميزة تسويقية — بل هو السبب الذي وُجد النموذج من أجله بالشكل الذي هو عليه. النموذج الذي يستوعب إشارة سلاسل زمنية وينتج تنبؤًا يقوم بشيء لا يمكن أن يُطلب من نموذج نصي فعله، مهما كان حجم نافذته. إذا كان هذا هو عبء عملك، فالمقارنة قد انتهت بالفعل.

أما بالنسبة إلى كل من عداهم، فالسؤال ذو الصلة هو ما الذي يتّسع له فعلاً. إن نافذة من 1,048,576 رمزاً بسعر ثابت منتج مختلف عن نافذة نصية من 256 ألف رمز على عتاد تملكه، ويظهر الفرق تحديداً في أعباء العمل التي جعلت السياق الطويل مثيراً للاهتمام — قاعدة شفرة في المطالبة، أو مجموعة من الأوراق البحثية، أو جلسة وكيلية طويلة تحتفظ بتاريخها.

قواعد الأدلة، التي لا تتلامس

لا يمكن وضع الأرقام المنشورة للنموذجين على المحور نفسه، ومن الجدير أن نكون صريحين بشأن السبب.

Intern-S2-397B's benchmark card is I​nternLM's own, run through OpenCompass, VLMEvalKit and AgentCompass by the team that built the model, with no independent reproduction. Its columns are Qwen3.5-397B-A17B, D​eepSeek V4 Pro, Kimi K2.7-Code, GLM-5.2, GPT-5.5, Gemini 3.1 Pro and Claude Opus 4.8 — no model from M​eta, and no Muse Wonder, so the vendor's own table does not contain a single Muse comparison. and any "Intern-S2 versus Muse Wonder" figure circulating anywhere is an extrapolation across two unrelated tables.

What that card does publish, all of it I​nternLM-reported: 89.77 on MMLU Pro, 93.56 on HMMT-2026, 81.68 on MMMU Pro, 68.54 on SWE-bench-Pro, 64.04 on TerminalBench 2.1, and on the scientific sets 55.71 on Biology-Instructions, 63.28 on SciReasoner 1.5 and 53.95 on Mol-Instructions. Read that as a portrait: strong on knowledge, maths and multimodal reasoning, leading on software engineering, and twenty points behind Claude Opus 4.8 on terminal work — the exact axis a production agent spends its day on.

Muse Wonder's evidence is the inverse shape. M​eta's launch table covers both checkpoints at maximum reasoning and is built largely from sustained-agent benchmarks — DeepSWE 1.1, SWE-Marathon, Terminal-Bench 4.0-AA, OSWorld V2.1 — all of it vendor-reported, in M​eta's harness, unreproduced. Independent commentary has repeated the strongest rows without the caveat, which is how a vendor harness becomes a fact in public. The one genuinely independent row is Artificial Analysis' Intelligence Index at 52 at maximum effort, ninth of more than 200 models, with about $4.52 of measured cost per completed index task and roughly 130 million output tokens consumed against a board median near 85 million.

إذن: قوة أحد النموذجين يؤكدها صانعه استنادًا إلى معايير علمية لم يُعِد تشغيلها أي طرف ثالث. وقوة الآخر، على معايير وكيلية، كذلك. ولم يقارن أحدٌ أحدهما بالآخر. الشيء الوحيد الذي يمكن لصفحة صادقة فعله بذلك هو أن تجهر به.

حيث تُحدَّد المقارنة بالسعر، وحيث لا تكون كذلك

Intern-S2-397B has no rate card. That is the whole pricing section, and it is a real finding rather than a missing value: you either self-host roughly 807 GB of BF16 weights on hardware you own, or you register for a token on I​nternLM's own API and live within whatever quota is granted. There is no per-token number to put beside Muse Wonder's $4.00 and $20.00, and no invoice to compare with a pay-per-token bill.

ما يفعله ذلك بالقرار أدقّ من مجرد «مجاني مقابل مدفوع». فنقطة التحقق المنزّلة تحوّل تكلفة متغيرة إلى تكلفة رأسمالية، وتحوّل علاقة مع مورّد إلى أصل تملكه. وهذا يساوي الكثير عندما لا تستطيع بياناتك مغادرة محيطك، أو عندما يكون عبء عملك ثابتًا بما يكفي لتبرير وحدات معالجة الرسوميات، أو عندما تكون قابلية التكرار أهم من نقطة في اختبار أداء. لكنه لا يساوي إلا القليل إذا كانت حركة الاستخدام لديك متسمة بالذروات، أو إذا لم يكن لدى فريقك حزمة تقديم، أو إذا كنت تحتاج إلى أن يتحسّن النموذج دون أن تفعل شيئًا.

Neither model is served by us, and it is worth saying so plainly rather than implying otherwise: Intern-S2-397B is a brand-new Apache-2.0 checkpoint with no routing coverage, and Muse Wonder is on M​eta's API and inside Muse Code with no third-party serving we can verify. What a router does help with is the half of this that is callable. OrcaRouter carries more than 200 models behind one key at provider list price with 0% markup — no middleman delta, so a vendor price cut is live the same day — including M​eta's own Muse Spark 1.2 and Muse Spark 1.1, so the M​eta models you can reach today sit next to everything else on the same credential. If your production traffic lands on a routed model and your scientific batch work runs on Intern-S2-397B somewhere you control, that seam is a routing decision rather than a second integration.

من الذي يجب أن يختار ماذا

اختر Intern-S2-397B عندما تكون المهمة قراءة العلم: ورقة كثيفة الأشكال، أو مخطط جزيئي، أو جدول ممسوح ضوئيًا، أو توقعًا من إشارة سلاسل زمنية، أو وكيلًا يجب أن يواصل العمل عبر مهمة بحثية. تعني رخصة Apache-2.0 أنه يمكنك ضبطه الدقيق على بيانات خاصة والاحتفاظ بالنتيجة داخل محيطك الخاص، وهو الجزء من هذه المقارنة الذي لا تلتقطه أي بطاقة أسعار. خصص ميزانية للعتاد وتوقع ألا يكون هناك لوحة نتائج مستقلة لعدة أشهر — فالمستودع عمره أسابيع ولا يحمل أي قياس من طرف ثالث.

Take Muse Wonder when the work is general, long and agentic, and when you would rather rent than own: a 1,048,576-token window at a flat rate with no step, a 943,718-token response ceiling that nothing in Intern-S2's published material answers, mandatory reasoning for hard multi-step tasks, and a pay-per-token bill you can put in a spreadsheet today. The caveat is the same one that applies to every row M​eta published: two days of independent measurement is two days, and one evaluator is one evaluator.

الفريق الذي يحتاج إلى كليهما ينبغي أن يتعامل مع الحدّ الفاصل بينهما كمسألة توجيه لا كمسألة هجرة. شغّل حركة العمل العامة على نموذج يمكنك استدعاؤه، وأبقِ العمل العلمي على نقطة التحقق التي يمكنك الاحتفاظ بها، وأعِد تشغيل تقييماتك الخاصة على Intern-S2-397B قبل أن تصدّق رقمًا يقدّمه المورّد عن أدائه النهائي — لأن جدول المورّد نفسه هو الصف الأقل مجاملة فيه.