Muse Wonder erreicht OpenCode: Ein Coding-Agent und das erste Token nach 30 Sekunden

Meta Muse Wonder wurde am 21. Oktober 2026 in OpenCode auswählbar, neun Tage, nachdem Meta Superintelligence Labs das Modell am 12. Oktober veröffentlicht hatte. Das ist die berichtenswerte Tatsache, und sie ist kleiner, als die Schlagzeile nahelegt: Das Modell wurde hier nicht eingeführt, sondern einem Coding-Harness hinzugefügt, der bereits eine lange Liste von Modellen hatte. Was die Ergänzung interessant macht, ist die Kollision, die sie erzeugt. Ein Terminal-Agent ist der am wenigsten verzeihende Ort, um ein Modell laufen zu lassen, das Artificial Analysis mit 30,35 Sekunden bis zum ersten Token misst, und Muse Wonder ist genau dieses Modell – 52 auf dem unabhängigen Intelligence Index, 4,00 US-Dollar pro Million Eingabe-Token und 20,00 US-Dollar pro Million Ausgabe-Token sowie eine Wartezeit bis zum ersten Token von etwa dem Achtfachen des Board-Medians. Ob ein Coding-Agent diese Wartezeit absorbieren kann, ist die Frage, um die es in diesem Beitrag tatsächlich geht.Wenn sich ein Wert für das erste Token wie dieser ändert, nachdem ein Anbieter einen Fix ausgeliefert hat, wird die Änderung mit Datum und Quellen in dem AI Incident Archive protokolliert, neben den übrigen Modell- und Anbieterfehlern, die wir verfolgen.

Was hat sich am 21. Oktober tatsächlich geändert?

OpenCode veröffentlicht seine Modellliste in seiner Dokumentation, und Muse Wonder erscheint dort nun unter der Kennung muse-wonder-1.0, bepreist mit 4,00 $ für Eingabe, 20,00 $ für Ausgabe und 0,20 $ für gecachte Lesevorgänge pro Million Tokens — dieselbe Preisliste, die Meta veröffentlicht, ohne Rabatt. Der Eintrag wird über einen OpenAI-kompatiblen Responses-Endpunkt bereitgestellt, was bedeutet, dass eine bestehende OpenCode-Konfiguration keinen eigenen Client benötigt, um darauf zuzugreifen; sie benötigt eine Modellzeichenfolge und einen Schlüssel.

Die ehrliche Einschränkung: Im Changelog von OpenCode selbst wird das Modell nicht genannt. Die neuesten Einträge für diese Woche, v2.1.0 am 20. Oktober und v2.1.2 am 21. Oktober, beschreiben die Wiederherstellung des kostenlosen Limits, die Sichtbarkeit von Modellen und Änderungen am SDK. Die Verfügbarkeit ist also in der Modellliste dokumentiert und nicht als Schlagzeilen-Feature angekündigt – das ist die übliche Art, wie Harness-Unterstützung eingeführt wird, und auch der Grund, warum ein Leser das Modell möglicherweise in einem Auswahlmenü sieht, bevor er einen Blogbeitrag darüber sieht. Wir konnten den Social-Media-Beitrag des Anbieters nicht direkt lesen – er führte zu einer Bezahlschranke –, daher stützt sich das Datum hier auf die Auflistung plus den Zeitstempel des Beitrags selbst, nicht auf eine Pressemitteilung.

Am Modell selbst hat sich am 21. Oktober nichts geändert. Seine Gewichte wurden nicht geöffnet, sein Preis bewegte sich nicht, und es erschien kein neuer Benchmark. Das Einzige, was neu ist, ist die Reichweite: Ein Modell, für das man zuvor Metas API von Hand anbinden musste, ist jetzt eine Zeile Konfiguration in einem Tool, das viele Leute bereits geöffnet haben.

Die Zahl, die entscheidet, ob dies angenehm ist

Artificial Analysis lässt jedes Modell durch dieselbe Testumgebung laufen, und für ein agentisches Coding-Tool sind dessen Latenzwerte wichtiger als sein zusammengesetzter Score. Für Muse Wonder mit seiner maximalen Reasoning-Einstellung:

• Zeit bis zum ersten Token — 30,35 Sekunden, gegenüber einem Board-Median von 3,96 Sekunden

• Ausgabegeschwindigkeit, sobald sie einsetzt – 145,1 Token pro Sekunde, 26. von 185 gemessenen Modellen und deutlich über dem Median von 79,2

• Kosten pro Aufgabe des Intelligence Index – etwa 4,52 US-Dollar, gegenüber einem gemischten Listenpreis von 2,94 US-Dollar pro Million Tokens

• Beim Indexlauf verbrauchte Ausgabe-Tokens — etwa 130 Millionen, gegenüber einem Median von 85 Millionen

• Kontextfenster — 1.048.576 Token, wobei Text, Bild, Sprache und Video als Eingabe akzeptiert und Text zurückgegeben wird

Diese beiden Latenzwerte beschreiben eine bestimmte Form von Modell: Es denkt lange nach und schreibt dann schnell. In einem Chatfenster ist das tolerierbar. In einer Agent-Schleife, die acht Tool-Aufrufe ausführt, wird die 30-sekündige Wartezeit pro Runde bezahlt, und eine Aufgabe mit acht Runden kann vier Minuten allein damit verbringen, auf das erste Token jedes Schritts zu warten. Die 145 Token pro Sekunde sind real, und deshalb fühlt sich das Modell nicht langsam an, sobald es spricht – aber es kann die Stille vor dem ersten Wort nicht wettmachen.

Das ist kein Argument dagegen, es zu verwenden. Es ist ein Argument dafür, die richtigen Durchgänge zu wählen. Die stärkste vom Anbieter gemeldete Behauptung für Muse Wonder ist langfristige professionelle Arbeit – Metas eigene Tabelle listet Muse Wonder Full mit 75,3 auf JobBench, einem langfristig ausgerichteten agentischen Benchmark und der einzigen Stelle, an der seine Zahlen am deutlichsten von denen seines Geschwistermodells abweichen. Wenn Ihre OpenCode-Sitzung ein einzelnes schwieriges Refactoring mit einem großen Plan ist, amortisiert sich die Wartezeit über eine lange Generierung. Wenn sie aus vierzig kleinen Änderungen besteht, wird diese Wartezeit vierzigmal bezahlt.

Das Repository, das kein Release ist

Wer nach den Gewichten sucht, findet meta-01/muse-wonder auf Hugging Face und könnte mit gutem Grund zu dem Schluss kommen, dass etwas Offenes geschehen ist. Das ist nicht der Fall. Das Repository enthält eine .gitattributesDatei und sonst nichts: keine Modellkarte, keine config.json, keine Safetensors-Shards, keine Lizenzdatei. Downloads werden nicht erfasst, und auf der Seite steht, dass das Modell von keinem Inference-Anbieter auf dieser Plattform bereitgestellt wird. Nüchtern betrachtet ist dieses Repository eine Namensreservierung — ein Platzhalter, der eine Zeichenkette enthält, kein Checkpoint.

Die korrekte Aussage zur Offenheit von Muse Wonder lautet also: proprietär, ausschließlich API-basiert, mit einem bloßen Repository, das den Namen besetzt. Wer es als Open-Weight, herunterladbar oder fine-tunbar beschreibt, beschreibt ein anderes Modell. Dieselbe Vorsicht gilt für die Zwei-Checkpoint-Struktur – muse-wonder-1.0 ist das aufrufbare Modell, und muse-wonder-full-1.0 ist die höher bewertete Konfiguration, die Meta über sein Muse-Code-Abo statt pro Token verkauft. OpenCode listet das erste auf.

Wo OrcaRouter steht – und wo nicht

Wir bieten Muse Wonder nicht an. Es gibt kein meta/muse-wonder im OrcaRouter-Modellkatalog, und daran ändert auch die Verfügbarkeit benachbarter Meta-Modelle nichts — die Meta-Checkpoints, die wir führen, sind meta/muse-spark-1.2 zu 1,25 $ für Eingabe und 4,25 $ für Ausgabe pro Million Tokens sowie dessen Vorgänger 1.1, beide mit einem Kontextfenster von 1.048.576 Tokens. Das so klar zu sagen, ist wichtiger als sonst, denn ein Modell, das nur über zwei Anbieter erreichbar ist, ist genau der Fall, in dem die ehrliche Antwort eines Routers „noch nicht dieses hier“ statt eines vielsagenden Schweigens lautet.

Wofür die Routing-Schicht hier wirklich taugt, ist das Experiment. Ein zehn Tage altes Modell mit 30 Sekunden bis zum ersten Token und nur einer einzigen unabhängigen Bewertung dahinter ist kein Kandidat, durch den man einen Produktionspfad blind leiten sollte. Leite einen Teil des Traffics über denselben Schlüssel zu ihm, mit dem du die Modelle erreichst, denen du bereits vertraust, lass den übrigen Traffic dort, wo er ist, und lass das automatische Failover die Timeouts abfangen, während du herausfindest, ob das Verhalten über lange Horizonte das Warten wert ist. Das ist eine günstigere Möglichkeit, die Frage zu beantworten, als einen Workflow zu migrieren und zu hoffen.

Die andere Hälfte des Routing-Arguments ist Arithmetik. Weil wir die Listenpreise der Anbieter ohne Aufschlag weitergeben, schlägt eine Preissenkung eines Anbieters noch am selben Tag bei uns durch, und ein Modell, das wir nicht hosten, erscheint einfach nicht — der Katalog ist eine Aussage darüber, was erreichbar ist, nicht eine Wunschliste. Sobald Muse Wonder hier verfügbar ist, wird der Preis, den du siehst, Metas Preis sein.

Was würde daraus eine größere Geschichte machen?

Drei Dinge, jedes mit einem einzigen Seitenaufruf überprüfbar. Ein Muse Wonder-Eintrag im Changelog von OpenCode und nicht nur in dessen Modellliste würde bedeuten, dass die Integration als Feature und nicht als Katalogeintrag behandelt wird. Ein zweiter unabhängiger Evaluator, der eine Zahl für lange Horizonte veröffentlicht, würde die eine Behauptung untermauern, die derzeit vollständig auf Metas eigener Tabelle beruht. Und jede Bewegung im Repository von Hugging Face – eine Modellkarte, eine Lizenz, eine einzige safetensors-Datei – würde die Frage nach der Offenheit verändern, die heute eine Antwort aus einem Wort hat.

Bis dahin ist die richtige Lesart des 21. Oktober eng und nützlich: Ein Frontier-Modell ließ sich leichter in dem Tool ausprobieren, in dem die meisten es ausprobieren würden, und was darüber entscheidet, ob es konfiguriert bleibt, ist nicht sein Index-Wert, sondern ob 30 Sekunden Stille pro Zug ein Preis sind, den die Arbeit zahlen kann.