Muse Wonder Full vs. Muse Wonder: Gleicher Marktstart, gleiche Preisliste, vier Punkte Unterschied auf dem einzigen Board, das beide gemessen hat

Muse Wonder Full und Muse Wonder erschienen in einem einzigen Beitrag am 12. Oktober 2026 von Meta Superintelligence Labs, und fast jede Spezifikation in diesem Beitrag gilt für beide. Beide werden mit einem Kontextfenster von 1.048.576 Token beschrieben. Beide werden mit 4,00 $ pro Million Eingabe-Token, 0,20 $ für gecachte Eingabe und 20,00 $ pro Million Ausgabe-Token angegeben. Beide erfordern Reasoning. Beide nehmen Text, Bild, Sprache und Video entgegen und geben Text zurück. Und im unabhängigen Artificial Analysis Intelligence Index liegen sie vier Punkte auseinander: Muse Wonder Full bei 56, auf Platz vier von 699 gemessenen Modellen, und Muse Wonder bei 52, auf Platz neun von 219.

Die vier Punkte sind der kleinste reale Unterschied zwischen zwei Frontier-Checkpoints, die am selben Tag vom selben Labor veröffentlicht wurden, und zugleich das am wenigsten Entscheidende an dieser Paarung – denn nur eines der beiden ist erreichbar. Muse Wonder ist über die Meta Model API und in Muse Code verfügbar. Muse Wonder Full wird von Meta als ausschließlich über das Muse-Code-Abo erhältlich beschrieben, für 50 $ pro Monat für Power Usage oder 200 $ pro Monat für Maximum Usage. Dies ist kein Vergleich zwischen einem starken Modell und einem stärkeren. Es ist ein Vergleich zwischen einem stärkeren, das man nicht aufrufen kann, und einem schwächeren, das man aufrufen kann.

Eine Ankündigung, zwei Checkpoints und eine Spalte, die sie trennt

Lies das Launch-Material Zeile für Zeile, und die beiden Modelle verlaufen fast bis zum Ende parallel. Wo sie auseinandergehen, ist eine einzige Spalte, und es ist nicht die Leistungsfähigkeit.

• Zugriff — muse-wonder-1.0 antwortet über die Meta Model API und innerhalb von Muse Code; muse-wonder-full-1.0 ist nur im Muse Code-Abonnement verfügbar, ohne nutzungsabhängigen Zugangsweg und ohne SDK, das darauf ausgerichtet werden kann.

• Preis — die gemeinsame Preisliste mit 4,00 $ Eingabe, 0,20 $ Cache und 20,00 $ Ausgabe beschreibt einen Weg, den es für Muse Wonder gibt, für Muse Wonder Full jedoch nicht, während die Kosten dafür ein Monatsplan von 50 $ oder 200 $ sind.

• Unabhängiger Index — Muse Wonder 52, Platz 9 von 219; Muse Wonder Full 56, Platz 4 von 699. Vier Punkte, gemessen auf derselben öffentlichen Testumgebung, der einzigen Stelle, an der beide auf einer Skala erscheinen.

• Ausgabebudget — die Obergrenze für eine einzelne Antwort des aufrufbaren Checkpoints beträgt 943.718 Tokens. Die Obergrenze des Abonnement-Checkpoints ist nicht veröffentlicht, weil niemand außerhalb von Meta sie zählen kann.

• Anbieter-Kompositwert — Metas eigene Tabelle führt Muse Wonder Full mit 59,1 in Metas Personal Superintelligence Index auf und Muse Wonder mit 56. In der Zeile Artificial Analysis Index derselben Tabelle führt Meta Muse Wonder Full mit 59,0 auf, während Artificial Analysis selbst 56 veröffentlicht.

Diese letzte Zeile verdient es, dass man sie auf sich wirken lässt. Die Zahl des Anbieters für seinen eigenen besten Checkpoint liegt drei Punkte über der unabhängigen Messung desselben Checkpoints auf demselben genannten Index — und die unabhängige Messung des anderen Checkpoints, 52, liegt näher an den 59,1 des Anbieters für den ersten als die beiden Zahlen des Anbieters zueinander liegen.

Vier Punkte sind nicht die Zahl, auf die es ankommt.

Auf Metas eigenen Long-Horizon-Zeilen weichen die beiden Checkpoints um weit mehr als vier Punkte voneinander ab, und zwar in beide Richtungen. Alle folgenden Angaben sind Anbieterangaben, erstellt in Metas Harness mit maximalem Reasoning-Aufwand, wobei nichts unabhängig reproduziert wurde.

• JobBench, professionelle Aufgaben mit langem Horizont — Muse Wonder Full 75,3, Muse Wonder 30,8. Eine Lücke von 44 Punkten zwischen zwei Modellen aus derselben Veröffentlichung.

• Terminal-Bench 4.0-AA — Muse Wonder 85,6, Muse Wonder Full 85,5. Der aufrufbare Checkpoint liegt um einen Zehntelpunkt knapp vor der Abo-Version.

• SWE-Marathon — Muse Wonder Full 79,0, Muse Wonder 78,8.

• MemoryBench — Muse Wonder Full 39,4, Muse Wonder 34,3.

• Harvey LAB-AA, Metas Suite für juristische Agenten — Muse Wonder 54.3, Muse Wonder Full 13.1. Der Abo-Checkpoint landet auf dem letzten Platz, 41 Punkte hinter dem, den man tatsächlich aufrufen kann.

Das Paar liegt also auf dem unabhängigen Board vier Punkte auseinander, in einer Zeile 44 Punkte zu Metas Gunsten und in der nächsten 41 Punkte dagegen. Diese drei Zahlen können nicht alle denselben Fähigkeitsunterschied beschreiben, und die sparsamste Lesart ist, dass sie es nicht tun: Ein 44-Punkte-Ausschlag zwischen Checkpoints, die auf einem öffentlichen Harness vier Punkte auseinanderliegen, ist das, wie eine harness-empfindliche Evaluierung einer rollout-förmigen Aufgabe in einem aggregierten Score aussieht.

Die vier Punkte des unabhängigen Boards sind, wenn überhaupt, die ehrlichere Zahl und die weniger nützliche – eine Lücke aus einem einzelnen Lauf dieser Größe liegt innerhalb des Rauschbands der Evaluation selbst. Zusammengenommen mit der zusammengesetzten Tabelle deuten die drei Zeilen in der Summe auf dieselbe Schlussfolgerung hin: Dies sind zwei Top-Ten-Frontier-Checkpoints, deren allgemeine Fähigkeitswerte nahe beieinanderliegen, deren Verhalten über lange Zeithorizonte weit auseinanderliegt, und von denen niemand außerhalb von Meta einen ausführen kann. Was sich damit nicht feststellen lässt, ist, welcher bei Ihrer Workload gewinnt, und das wird auch nicht versucht.

Was die zusätzliche Sprosse bringen soll

Meta nennt zwei Fähigkeiten für die Serie, die überhaupt keine Benchmark-Zeilen sind: Active Memory, beschrieben als persistenter Zustand, der über Sitzungen hinweg mitgeführt wird, und Active Focus, beschrieben als selbstverwaltete Aufmerksamkeit bei langen Aufgaben. Wenn eine davon wie beschrieben funktioniert, ist das eine andere Art von Unterschied als ein Punktestand – sie verändert die Form der Anwendung, denn Zustand, der eine Sitzungsgrenze überdauert, ist etwas, das man sonst selbst, schlecht, in der eigenen Datenbank bauen würde.

Weder wird eines von beiden auf einer Modellkarte gezeigt, noch ist eines von beiden für Tests erreichbar, denn der Checkpoint, der sie trägt, ist derjenige hinter dem Abonnement. Damit steht ein Team vor einem ganz konkreten und wenig glamourösen Problem: Der plausible Grund, 50 $ oder 200 $ pro Monat für Muse Wonder Full zu zahlen, ist eine Funktion, die niemand außerhalb von Meta bewerten kann und die an einen Checkpoint gekoppelt ist, der zudem 13,1 in der Legal-Agent-Suite meldet – gegenüber 54,3 beim Schwestermodell.

Unabhängige Messung füllt einen Teil der Lücke – und nur einen Teil. Artificial Analysis verzeichnet, dass Muse Wonder Full während seiner Evaluierung ungefähr 140 Millionen Ausgabe-Tokens verbraucht, gegenüber einem Median von 88 Millionen, und Muse Wonder ungefähr 130 Millionen gegenüber einem Median von 85 Millionen. Beide betreiben einen hohen Aufwand, um ihre Werte zu erreichen, was mit obligatorischem Reasoning vereinbar ist und Ihnen die Kosten einer Eskalation nennt, bevor Sie sie vornehmen – doch keine der beiden Zahlen sagt etwas darüber aus, ob persistentes Gedächtnis funktioniert.

Die Entscheidung ist eine Drosselung, kein Kauf.

Die meisten Vergleiche zweier Checkpoints münden in eine Beschaffungsfrage: Welchen kaufen wir? Dieser hier kann das nicht, weil eine Seite keine verbrauchsbasierte SKU hat. Dadurch wird das Ganze stattdessen zu einer Routing-Frage, und die Routing-Frage hat hier eine ungewöhnlich klare Form, weil die günstigere Option und die teurere über völlig unterschiedliche Abrechnungsmetriken verkauft werden.

Muse Wonder wird nutzungsabhängig abgerechnet. Seine Kosten skalieren linear mit Tokens bei 4,00 $ und 20,00 $ pro Million, mit einem Cache-Rabatt von 95 % auf der Eingabeseite, weshalb die unabhängigen Kosten pro Index-Task bei etwa 4,52 $ liegen. Muse Wonder Full wird überhaupt nicht nutzungsabhängig abgerechnet. Seine Kosten bestehen in einem pauschalen Monatsplan, der sich nicht mit dem Volumen ändert, was bedeutet, dass die Grenzkosten einer weiteren Anfrage an den Full-Checkpoint innerhalb eines Plans null und außerhalb eines Plans unendlich sind. Diese beiden Ökonomien wollen gegensätzlichen Traffic: Nutzungsabhängige Preisgestaltung belohnt es, das teure Modell bei den meisten Anfragen außen vor zu lassen, und Pauschalpreise belohnen es, so viel wie möglich darüber laufen zu lassen, sobald man einmal bezahlt hat.

Was bedeutet, dass die praktische Architektur eher eine Eskalationsleiter als eine Modellwahl ist. Der aufrufbare Checkpoint bewältigt den Großteil des Verkehrs zu einer Rate, die Sie vorhersagen können. Der Abonnement-Checkpoint absorbiert die Teilmenge, bei der sich sein Verhalten über lange Horizonte angeblich unterscheidet — vorausgesetzt, Sie haben einen Plan, der das Volumen zulässt, und vorausgesetzt, die 44-Punkte-Behauptung bei JobBench übersteht Ihre eigene Messung. Die Messung selbst ist der Teil, der zuerst aufgebaut werden muss, denn eine öffentliche Vier-Punkte-Lücke und eine 44-Punkte-Anbieterlücke können nicht beide richtig sein, und Ihre Arbeitslast ist das einzige Instrument, das dies auflöst.

Zwei Dinge am Rest des Feldes machen diese Leiter billiger zu bauen, als es klingt. Das Erste ist, dass alle diese Modelle auf dieselbe Weise abrechnen – Reasoning-Tokens sind Output-Tokens zu 20 $ pro Million, und die Effort-Leiter reicht von minimal bis max und steht standardmäßig auf medium, sodass die gewählte Einstellung ein größerer Posten ist als die Modellkennung, die Sie austauschen. Das Zweite ist, dass die Vergleichsgruppe, zu der dieser Launch einlädt, bereits routbar ist: Claude Opus 5.5 bei 4,00 $ Input und 20,00 $ Output sowie Metas eigenes Muse Spark 1.2 bei 1,25 $ und 4,25 $ stehen beide auf OrcaRouter zu den Listenpreisen ihrer Anbieter, neben mehr als 200 weiteren Modellen hinter einer einzigen OpenAI-kompatiblen API. Listenpreise werden mit 0 % Aufschlag durchgereicht, sodass sich die Rechnung der Leiter nicht ändert, wenn das Modell wechselt.

Weder Muse Wonder noch Muse Wonder Full ist eine unserer Routen. Es gibt keinen Eintrag meta/muse-wonder oder meta/muse-wonder-full im Katalog, Muse Wonder Full ist außerhalb von Metas Abonnement-Oberflächen zu keinem Preis verfügbar, und wir werden keines von beiden so beschreiben, als wäre es anders. Was ein Router zu dieser konkreten Entscheidung beiträgt, sind das Failover und der Fallback: Die Eskalationsstufe, die nur selten zum Einsatz kommen soll, ist genau die Stufe, auf der ein Aussetzer eines Anbieters am wenigsten tolerierbar und am wenigsten sichtbar ist, und automatisches Failover plus eine Routing-DSL, die die Eskalation als Konfiguration statt als Anwendungscode ausdrücken kann, ist das, was einen selten genutzten Pfad davor bewahrt, zu einem Ausfall zu werden.

Die Version zum Erinnern

Wenn das Einzige, was Sie von diesem Launch mitnehmen, ist, dass Muse Wonder Full höher punktet als Muse Wonder, dann haben Sie den am wenigsten umsetzbaren Teil davon. Die beiden unterscheiden sich um vier Punkte auf dem einzigen unabhängigen Board, das beide gemessen hat, um vom Anbieter angegebene 44 Punkte in einer Suite und um vom Anbieter angegebene 41 Punkte dagegen in einer anderen sowie um ein hartes Entweder-oder beim Zugang: Das eine ist eine API, die Sie heute für 4,00 $ und 20,00 $ pro Million aufrufen können, das andere ist ein Monatsplan ohne Preis pro Token und ohne Möglichkeit, über ein SDK hineinzukommen.

Der richtige Zug ist, die vier Punkte als Beleg dafür zu behandeln, dass diese bei der Leistungsfähigkeit ebenbürtig sind, und den Zugriffsunterschied als Beleg dafür, dass sie keine Substitute sind. Entwickle gegen den aufrufbaren Checkpoint, baue die Messumgebung, die dir deine eigene Lücke aufzeigen würde, und behandle das Abonnement als eine Eskalation, die du einschaltest, wenn die Messung sie rechtfertigt – nicht als ein Upgrade, das du kaufst, weil die zusammengesetzte Punktzahl höher ist. Und wenn ein Anbieter eine 44-Punkte-Spanne innerhalb eines einzigen Launches veröffentlicht, ist die nützliche Frage nicht, auf welchen Checkpoint man sich standardisieren sollte. Sie lautet, welche Zahl den Kontakt mit deinem eigenen Evaluierungsset übersteht, und diese Frage hat nur dann eine Antwort, wenn du es bereits gebaut hast.