Muse Wonder vs Claude Opus 5.5 bei der SVG-Generierung: Was der erste Praxistest tatsächlich zeigt

Muse Wonder wurde am 12. Oktober 2026 allgemein verfügbar – am selben Tag, an dem das höher bewertete Schwestermodell Muse Wonder Full hinter einem Abonnement veröffentlicht wurde – und es hat bereits mehr Vergleichsseiten angesammelt als fast jedes Modell, das dieser Blog behandelt hat. Was es bis zu dieser Woche nicht angesammelt hatte, war ein veröffentlichter Test aus erster Hand zu einer bestimmten, überprüfbaren Fähigkeit. Am 12. Oktober veröffentlichte das X-Konto @scaling01 einen direkten Vergleich von Muse Wonder gegen Claude Opus 5.5 bei der SVG-Generierung, mit zwei Erkenntnissen, die es wert sind, sorgfältig gelesen zu werden: Muse Wonder Full sei „gut und versuche sich sogar an 3D-Generierung“, und sein Ausgabestil sei „zu verspielt“ und es „übertreibe“.

Das ist eine echte, konkrete, falsifizierbare Behauptung über ein real ausgeliefertes Modell, und sie stammt von jemandem, der angibt, beide Modelle selbst ausgeführt zu haben. Zum jetzigen Zeitpunkt ist es außerdem ein einzelner, nicht reproduzierter Lauf von einem einzigen Account, dessen eigener Beitrag mit einer Werbeoffenlegung beginnt. Beides ist gleichzeitig wahr, und in diesem Text geht es darum, beides zusammenzuhalten, statt sich für eines zu entscheiden.

Die Bedingungen des Tests, so wie sie genannt wurden

Die Offenlegung steht in der ersten Zeile des Beitrags und nicht in einer Fußnote, was erwähnenswert ist, weil es für das Format untypisch ist. Die verfassende Person gibt an, dass Meta kostenlosen Vorschauzugang zu Muse Wonder bereitgestellt hat, dass Claude Opus 5.5 aus eigener Tasche bezahlt wurde und dass die Tests und Schlussfolgerungen von ihr stammen. Das ist eine wesentlich schwächere Position in Bezug auf Interessenkonflikte als eine nicht offengelegte bezahlte Platzierung – eine Seite des Vergleichs wurde kostenlos bereitgestellt, die andere nicht, und die verfassende Person gibt das auch an.

Drei Dinge am Aufbau werden nicht angegeben, und jedes davon schränkt ein, was das Urteil stützen kann.

• Welcher Endpunkt wurde getestet — Muse Wonder und Muse Wonder Full existieren als zwei separate Modell-IDs mit zwei unterschiedlichen Scoreboards, und der Beitrag nennt Muse Wonder im Vergleich, schreibt die Beobachtung zur 3D-Generierung jedoch Muse Wonder Full zu

• Welche Effort-Einstellung verwendet wurde — das Reasoning von Muse Wonder ist verpflichtend und durchläuft eine Effort-Leiter von minimal bis max, standardmäßig auf medium, und Reasoning-Tokens werden als Output abgerechnet, sodass die Einstellung sowohl die Kosten als auch den Charakter der Ausgabe verändert

• Wie viele Prompts ausgeführt wurden — keine Prompt-Anzahl, kein Prompt-Text, kein Seed, kein erneuter Lauf

Das Zweite und das Dritte davon sind wichtiger, als sie aussehen. Ein Modell, dessen Reasoning immer eingeschaltet ist und dessen Effort vom Nutzer festgelegt wird, erzeugt bei minimal einen sichtbar anderen SVG-Output als bei max, und ein Urteil über Stil ist genau die Art von Einschätzung, die ein einzelner Lauf eines einzelnen Prompts falsch treffen kann. Das ist keine Kritik am Autor – ein kurzer Post auf X ist kein Paper, und die Offenlegung plus die Zeile „Tests und Schlussfolgerungen sind meine eigenen“ ist mehr Transparenz, als die meisten Launch-Day-Vergleiche mit sich bringen. Es ist eine Aussage darüber, wofür das Stück verwendet werden kann und wofür nicht.

Was ein SVG-Test tatsächlich misst

SVG ist ein ungewöhnlich gutes Ziel für einen praxisnahen Vergleich und ein ungewöhnlich schlechtes Ziel für einen beiläufigen; und zu verstehen, warum, erklärt, was das Urteil aussagt und was nicht.

Ein SVG ist Text, der deterministisch gerendert wird. Das ist der gute Teil: Ein Prüfer kann die Rohausgabe des Modells in einen Viewer einfügen, sie ansehen und genau sehen, was das Modell erzeugt hat – keine Pipeline zur Bilderzeugung, kein Sampling-Seed auf einem Diffusions-Decoder, keine Frage, ob das Kriterium das Bild oder die Datei ist. Wenn ein Modell fehlerhaftes Markup ausgibt, schlägt die Zeichnung sichtbar fehl. Wenn es 40 Kilobyte Gradientdefinitionen ausgibt, wo 2 Kilobyte Pfade ausreichen würden, ist das messbar.

Der unschöne Teil ist, dass Stilurteile wie „gimmicky“ und „overindulges“ die am wenigsten trennbaren Aussagen im gesamten Feld sind. In ihnen stecken zwei unabhängige Urteile:

• Handwerk — hat das Modell gültiges, gut strukturiertes, renderbares SVG erzeugt, oder hat es etwas produziert, das repariert werden musste, bevor es irgendetwas gezeichnet hat?

• Zurückhaltung — hat es das minimale Markup verwendet, das die Anfrage erforderte, oder hat es zu Farbverläufen, Filtern, Weichzeichnern, Animationen und eingebetteten Rastereffekten gegriffen, weil sie verfügbar waren?

Handwerk ist nahezu objektiv und kann per Skript bewertet werden. Zurückhaltung ist ein Geschmacksurteil, das als technisches verkleidet ist, und vernünftige Reviewer sind sich darüber ständig uneinig — eine Designerin, die eine Portfolio-Illustration anfordert, will die Farbverläufe, und ein Ingenieur, der ein Icon-Sheet anfordert, will sie nicht. Wenn also ein Reviewer sagt, ein Modell übertreibe, ist die nützliche Frage nicht, ob das stimmt, sondern für welche Aufgabe es stimmt. Der Beitrag trennt die beiden Behauptungen nicht, und es ist wirklich schwierig, sie in einem einzigen Durchgang zu trennen.

Der vergleichende Claim und der Compliance-Claim

Das Framing des Beitrags stellt Claude Opus 5.5 auf die andere Seite und die Beobachtung zur 3D-Generierung auf die Seite von Muse Wonder Full, was daraus einen Drei-Wege-Vergleich in einem Titel mit zwei Namen macht — dieselbe strukturelle Ungereimtheit, die sich durch den gesamten Muse Wonder-Launch zieht.

Auf dieser Achse ist der nützliche Kontext über alle seine Geschwister hinweg derselbe: Claude Opus 5.5 ist kein brandneues Modell. Es erschien am 22. September 2026, rund drei Wochen vor Muse Wonder, und sein Kosten- und Fähigkeitsprofil ist gut charakterisiert. Unabhängig davon zeigt der Artificial Analysis Intelligence Index für Claude Opus 5.5 (max) einen Wert von 58 — die höchste Punktzahl in der Klasse der 219 Modelle —, während Muse Wonder (max) 52 erreicht und damit auf Rang neun von 219 liegt. Der Listenpreis von Opus 5.5 beträgt 4,00 US-Dollar pro Million Input-Tokens und 20,00 US-Dollar pro Million Output-Tokens; der Listenpreis von Muse Wonder ist identisch: 4,00 und 20,00 US-Dollar. Der Witz an der Sache ist, dass Opus 5.5 sich in der Praxis als das teurere Modell erweist – nicht wegen seiner Preisliste, sondern weil es geschwätzig ist: Artificial Analysis verzeichnet für es einen Verbrauch von etwa 260 Millionen Output-Tokens während der Evaluierung, gegenüber einem Median von 85 Millionen und etwa 130 Millionen bei Muse Wonder, was etwa 5,98 US-Dollar pro Index-Aufgabe gegenüber etwa 4,52 US-Dollar ergibt. Das ist die Art von Zwei-Zahlen-Vergleich, die ein token-basierter Evaluator messen kann und ein einzelner SVG-Prompt nicht.

Was der SVG-Test hinzufügt, ist eine Kategorie, die der Index nicht abdeckt. Strukturierte Textgenerierung liegt irgendwo zwischen Code und Illustration, und keine Bestenliste bewertet sie – weder der Personal Superintelligence Index noch JobBench noch Terminal-Bench 4.0-AA noch SWE-Marathon. Wenn es zur tatsächlichen Arbeit einer Leserin oder eines Lesers gehört, saubere Vektordateien zu erzeugen, schweigen die gängigen Scoreboards zu ihrer Frage – und genau deshalb lohnt es sich überhaupt, einen hemdsärmeligen direkten Vergleich zu verlinken.

Worum es bei der zweiten Behauptung wirklich geht

„Selbst 3D-Generierung wird versucht" ist die interessantere Hälfte der Beobachtung, und sie lässt sich leicht fälschlich als Behauptung einer Fähigkeit lesen.

Im SVG-Kontext beschreibt dies am plausibelsten ein Modell, das über die flache zweidimensionale Zeichnung hinaus in eine angedeutete oder partielle dritte Dimension reicht – isometrische Konstruktionen, extrudierte Formen, Perspektivgitter, gestapelte Pseudo-Ebenen oder generiertes Markup, das als dreidimensionale Szene gerendert wird. Es ist nicht dasselbe wie ein 3D-Modell. Ein Mesh, ein gescanntes Objekt oder ein druckbares Asset zu erzeugen, ist eine völlig andere Ausgabeart, und der Ausdruck „3D-Generierung“ wird in diesem Bereich locker verwendet, um alles von einer 2.5D-Illustration bis zu einer tatsächlichen Geometriedatei zu bezeichnen. Ohne die Prompts oder die Dateien kann der Leser nicht sagen, um welchen Fall es sich handelte.

Wenn es die lockerere Lesart war, ist die Behauptung mit der Stilbeschwerde vereinbar, statt mit ihr in Spannung zu stehen. Der Griff nach isometrischer Projektion oder gestapelten Ebenen ist derselbe Instinkt wie der Griff nach Farbverläufen: mehr Maschinerie, als das Briefing verlangte. Beide Aussagen beschreiben möglicherweise ein und dasselbe Verhalten – ein Modell, das verfügbares Markup als Erlaubnis behandelt –, was eine nützlichere Erkenntnis ist als jede der beiden Hälften für sich, und zugleich die Version, die ein zweiter Prüfer am ehesten entweder bestätigen oder widerlegen wird.

Es gibt hier allerdings eine Asymmetrie, die es wert ist, benannt zu werden. Wo die beiden Checkpoints in den Launch-Daten voneinander abweichen, verläuft die Aufspaltung entlang der Struktur und nicht des Feinschliffs. In Metas eigener Benchmark-Tabelle schlägt Muse Wonder Full das API-Modell auf JobBench mit großem Abstand (75,3 gegen 30,8) und bei Vals Finance Agent V2 (59,1 gegen 10,0) – während es bei Harvey LAB-AA mit 41 Punkten Rückstand gegen dieses verliert, 13,1 gegen 54,3. Diese Zahlen sind vom Anbieter gemeldet, in Metas Harness erzeugt und nicht reproduziert. Aber sie beschreiben ein Labor, das zwei Profile statt nur eines trainiert hat, und ein Stil- oder Zurückhaltungsunterschied zwischen den Checkpoints ist genau die Art von Sache, die eine strukturelle Aufspaltung hervorrufen würde. Auf welchen Checkpoint die rezensierende Person blickte, als sie „gimmicky“ schrieb, ist daher keine pedantische Frage – der Beitrag ordnet die beiden Beobachtungen verschiedenen Modellen zu.

Wo die Modelle tatsächlich erreichbar sind

Für alle, die diesen Vergleich selbst durchführen möchten, statt das Urteil einfach auf Treu und Glauben hinzunehmen, ist die praktische Frage, wo jedes Modell beheimatet ist, und die Antworten sind nicht symmetrisch.

• Claude Opus 5.5 — allgemein verfügbar seit dem 22. September 2026, 4,00 $ pro Million Eingabe-Tokens und 20,00 $ pro Million Ausgabe-Tokens, mit einem Cache-Lese-Tarif von 0,20 $, einem Kontextfenster von 1 Million Tokens und Thinking-Budgets, die eine Konfiguration ohne Thinking umfassen

• Muse Wonder — seit dem 12. Oktober 2026 allgemein verfügbar, über die Meta Model API und in Muse Code, zu denselben $4.00 für Eingabe und $20.00 für Ausgabe, mit einem Kontext von 1.048.576 Token und einer Ausgabegrenze von 943.718 Token

• Muse Wonder Full — am selben Tag angekündigt, aber nicht pro Token verkauft; es ist nur über ein Muse Code-Abonnement zugänglich und hat keine veröffentlichte Preisliste pro Token, weshalb es hier überhaupt keine Preiszeile gibt

Der Haken ist Muse Wonders Reasoning-Konfiguration. Sie lässt sich nicht abschalten. Die Aufwandsleiter reicht von minimal über niedrig, mittel, hoch, xhigh bis max, standardmäßig auf mittel, und Reasoning-Tokens werden als Output abgerechnet. Jeder Head-to-Head-Lauf gegen ein Modell, dem gesagt werden kann, es solle nicht denken, vergleicht daher eine gedrosselte Konfiguration mit einer ungedrosselten, es sei denn, der Rezensent nennt die Einstellung, und dieser Beitrag tut das nicht. Das ist die folgenreichste einzelne Lücke in der Reproduktion, mehr noch als die fehlende Prompt-Anzahl.

Wie man es an einem Nachmittag reproduziert

Der Grund, warum es sich lohnt, diesen Test zu erweitern, anstatt ihn zu verwerfen, ist, dass er kostengünstig zu erweitern ist. Eine nützliche Version benötigt vier Dinge, die das Original nicht bietet: einen festen Prompt-Satz von vielleicht einem Dutzend Vektoraufgaben, die Icon, Diagramm, Illustration und Chart abdecken; eine Angabe zur Effort-Einstellung; die rohen SVG-Dateien, die zusammen mit den Renderings aufbewahrt werden; und einen Bewertungsdurchgang, der Handwerk von Zurückhaltung trennt, anstatt sie zu vermischen. Zwölf Prompts bei zwei Effort-Einstellungen über zwei Modelle hinweg sind 48 Durchläufe — ein paar Dollar an Output-Tokens gegen diese Preislisten, und ein wirklich nützlicheres Artefakt als jeder Eindruck vom Starttag.

Das ist auch der Fall, in dem sich ein Router auf eine Weise bezahlt macht, wie es ein reiner Preisvergleich nicht tut. Claude Opus 5.5 wird auf OrcaRouter zu Anthropics eigenem Listenpreis angeboten — 4,00 $ pro Million Input-Tokens, 20,00 $ pro Million Output-Tokens, 0,20 $ pro Million für Cache-Lesevorgänge — mit der Weitergabe ohne Aufschlag, die im gesamten Katalog gilt, sodass eine Preisänderung eines Anbieters am selben Tag bei uns ankommt, an dem sie auch bei ihm ankommt. Die Listenpreise der Anbieter werden unverändert durchgereicht; die Routing-Schicht schlägt keinen Spread auf. Ein Sweep über ein Dutzend Prompts hinweg über zwei Modelle ist ein Schlüssel und ein Endpunkt statt zwei Konten, zwei SDK-Integrationen und zwei Abrechnungsbeziehungen, und wenn man etwas so Unerprobtes wie ein gestern veröffentlichtes Modell durchtestet, bedeutet automatisches Failover, dass ein rate-limitierter oder beeinträchtigter Anbieter nicht den gesamten Durchlauf mit in den Abgrund reißt.

Um ganz explizit zu sagen, was wir nicht haben: Es gibt keinen Eintrag meta/muse-wonder oder meta/muse-wonder-full in unserem Katalog. Wir routen keinen der beiden Checkpoints, und wir werden keinen so beschreiben, als würden wir es tun. Was wir aus demselben Labor führen, ist die Muse-Spark-Reihe — Muse Spark 1.2 liegt bei 1,25 $ pro Million Input und 4,25 $ pro Million Output, also dasselbe Kontextfenster wie das Flaggschiff zu einem Bruchteil des Preises, und es ist das Modell, zu dem man greifen sollte, wenn man Metas Reasoning-Familie über denselben Schlüssel wie alles andere möchte. Muse Wonder zu einem Sweep hinzuzufügen, bedeutet derzeit ein zweites Konto; Muse Spark 1.2 hinzuzufügen, ist eine Zeile in derselben Konfiguration.

Worauf man achten sollte und was die Sache klären würde

Drei Dinge würden dies von einem interessanten Eindruck in einen Beweis verwandeln.

• Ein zweiter Begutachter mit anderem Geschmack, der zum selben Zurückhaltungsurteil gelangt — Stilurteile, die einen Wechsel des Begutachters überstehen, betreffen das Modell; solche, die das nicht tun, betreffen den Begutachter.

• Muse Wonder Full wird pro Token erreichbar — das in der Beobachtung zur 3D-Generierung genannte Modell ist dasjenige ohne Preisliste, sodass niemand, der diese Hälfte der Behauptung überprüfen möchte, Zugang dazu kaufen kann, ohne ein monatliches Abonnement für einen Coding-Agenten abzuschließen

• Jede unabhängige Bestenliste, die eine Vektor- oder strukturierte Grafikaufgabe hinzufügt – die Lücke, in die dieser Test fällt, besteht nicht darin, dass ihn niemand ausgeführt hat, sondern darin, dass keine Bestenliste ihn bewertet, weshalb der Nachmittag einer Person derzeit den gesamten Rekord ausmacht

Die ehrliche Zusammenfassung ist, dass dies ein echter Befund mit einer echten Einschränkung ist. Ein Rezensent, der bezahlten Preview-Zugang offengelegt, die andere Seite selbst bezahlt und ein konkretes negatives Urteil veröffentlicht hat, hat mehr getan, als eine Launch-Zusammenfassung leistet – und ein Modell, das Dinge „versucht“, um die es nicht gebeten wurde, ist eine Aussage über Zurückhaltung, nicht über Fähigkeit, und Zurückhaltung ist das, was der nächste Rezensent am leichtesten anders sieht. Wenn Sie heute zwischen Claude Opus 5.5 und Muse Wonder für Vektor-Ausgabe wählen, beträgt der Abstand im unabhängigen Index sechs Punkte und der Token-Volumen-Abstand zwei zu eins zugunsten von Muse Wonder; das Stil-Urteil ist der Nachmittag einer Person und sollte eher als Hypothese denn als Ergebnis behandelt werden.