Muse Wonder vs Gemini 3.1 Pro: Zweiundzwanzig Indexpunkte, zwei Release-Züge und ein Scoreboard, das sich unter einem von ihnen verschob

Gemini 3.1 Pro erzielte bei seiner Markteinführung im Februar 2026 im Intelligence Index von Artificial Analysis 57 Punkte und führte die Rangliste an. Liest man es heute auf der aktuellen Revision desselben Index, erzielt es 29,7. Am Modell hat sich nichts geändert. Muse Wonder, veröffentlicht am 12. Oktober 2026, steht auf derselben Rangliste bei 52 – und der Vergleich, den die meisten Leute anstellen werden, 52 gegen 29,7, ist eine echte Lücke, die zugleich irreführend ist, denn ein großer Teil davon wurde durch eine Neubewertung erzeugt, nicht durch sechs Monate Modellfortschritt. Die ehrliche Version dieses Duells vergleicht zwei ausgelieferte Modelle, Gemini 3.1 Pro und Muse Wonder, auf einem Maßstab, der zweimal ersetzt wurde, und fragt dann, wofür jedes eigentlich gedacht ist.

Eine Einordnung vor den Zahlen. Das sind keine Wettbewerber im Sinne einer typischen Versus-Seite. Gemini 3.1 Pro ist der letzte aktive Endpunkt der Pro-Tier in dieser Reihe, sieben Monate nach der Ankündigung noch unter einer Preview-Kennung bereitgestellt. Muse Wonder ist die neueste Frontier-Veröffentlichung von Meta Superintelligence Labs, mit einem abonnementgebundenen, höher bewerteten Geschwistermodell. Das eine ist ein Multimodal-Arbeitstier für langen Kontext, dessen Preis sein Argument ist; das andere ist ein ausgabelastiges agentisches Modell, dessen Preis der Punkt ist, über den man am intensivsten nachdenken sollte.

Der Herrscher wechselte, das Modell nicht.

Dies ist der Teil des Vergleichs, den ein Datenblatt Ihnen nicht verrät, und darum ist die in den Schlagzeilen präsentierte Kluft in beide Richtungen irreführend.

Artificial Analysis veröffentlichte Intelligence Index v4.3 Anfang September 2026 und hat ihn seitdem erneut überarbeitet. Dieses Update ersetzte Terminal-Bench v2.1 durch das deutlich schwierigere Terminal-Bench v4.0 und tauschte τ³-Banking gegen AutomationBench-AA aus, einen agentischen Workflow-Benchmark, der auf einem privaten, zurückgehaltenen Aufgaben-Set basiert. Die Gewichtung privater, zurückgehaltener Aufgaben stieg auf 45 %. Infolgedessen fielen die Punktzahlen über die gesamte Frontier hinweg — Modelle, die auf der alten Skala im Sechzigerbereich lagen, landeten im niedrigen Fünfzigerbereich. Gemini 3.1 Pro fiel nicht ganz so tief; es fiel auf unter 30.

Derselbe unveränderte Checkpoint hat also vier veröffentlichte Messwerte im Umlauf – 57, 46, 30 und 29,7 –, je nachdem, welche Seite man öffnet und wann. Das ist kein Skandal, sondern so sieht ein guter Index aus, wenn die Tests darunter schwieriger werden. Es ist jedoch ein Grund, niemals zwei Zahlen zu vergleichen, die aus zwei verschiedenen Revisionen stammen – genau dazu lädt eine Zeile mit 52 gegen 29,7 ein.

Was jedes Modell tatsächlich ist

• Gemini 3.1 Pro — ein nativ multimodales Reasoning-Modell mit geschlossenen Gewichten, angekündigt am 19. Februar 2026 und am Endpunkt noch unter „Preview“ geführt: gemini-3.1-pro-preview. Es gibt kein 3.5, 3.6, 3.7 oder 3.8 Pro in der Reihe; die Flash-Leiter hat sich fünfmal bewegt, während sich die Pro-Leiter überhaupt nicht bewegt hat.

• Muse Wonder — ein Frontier-Modell mit geschlossenen Gewichten, veröffentlicht am 12. Oktober 2026, verfügbar als muse-wonder-1.0 über Metas eigene API und innerhalb von Muse Code. Ein zweiter Checkpoint, Muse Wonder Full, erzielt höhere Werte in Metas eigener Tabelle und ist nur mit Muse-Code-Abonnement erhältlich.

• Kontext — Gemini 3.1 Pro 1.048.576 Eingabe-Tokens; Muse Wonder 1.048.576. Gleichauf, und gleichauf mit dem Großteil der aktuellen Frontier.

• Ausgabeobergrenze — Gemini 3.1 Pro 65.536 Token in einer einzigen Antwort; Muse Wonder 943.718. Dies ist die größte einzelne Kluft zwischen den beiden Modellen, und sie ist vierzehnmal so groß.

• Preis — Gemini 3.1 Pro: $2,00 pro Million Eingabe-Token und $12,00 pro Million Ausgabe-Token unter einem 200.000-Token-Prompt, oberhalb davon steigend auf $4,00 und $18,00, bei zwischengespeicherter Eingabe $0,20 und $0,40. Muse Wonder kostet pauschal $4,00 und $20,00, zwischengespeicherte Eingabe $0,20. Bei kurzen Prompts ist es bei der Eingabe halb so teuer und bei der Ausgabe 40 % günstiger; ab 200.000 Token nähern sich die beiden fast exakt an.

• Modalitäten eingehend — Gemini 3.1 Pro nimmt Text, Bild, Video, Audio und Dateien entgegen. Muse Wonder nimmt Text, Bild, Sprache und Video entgegen. Beide geben nur Text aus. Auf dem Papier ist das derselbe Satz, und in der Praxis hat das Tooling-Ökosystem sieben Monate lang Tooling darum herum aufgebaut.

• Reasoning — Gemini 3.1 Pro unterstützt die Steuerung der Denkstufe mit Thinking-Tokens, die zum Output-Tarif abgerechnet werden. Bei Muse Wonder ist Reasoning verpflichtend, mit einer Aufwandsleiter von minimal bis max, standardmäßig auf medium eingestellt, und es gibt überhaupt keinen Nicht-Thinking-Pfad.

• Unabhängiger Index — Gemini 3.1 Pro 29,7 in der aktuellen Revision, mit einem früheren Wert von 46 und einem Wert aus der Einführungszeit von 57; Muse Wonder 52 in der aktuellen Revision.

Die Repricing-Grenze, die die meisten Teams versehentlich überschreiten

Die Preisliste von Gemini 3.1 Pro weist eine Stufe auf, und dabei handelt es sich nicht um eine Überschreitungsgebühr. Unter 200.000 Eingabe-Tokens kostet das Modell 2,00 $ und 12,00 $; oberhalb dieser Schwelle wird die Anfrage mit 4,00 $ und 18,00 $ neu bepreist. Eine Anfrage mit 210.000 Tokens wird nicht für ihre ersten 200.000 Tokens zum günstigen Satz abgerechnet – die gesamte Anfrage wechselt in die höhere Stufe.

Das ist eine echte Kuriosität für ein Modell, dessen gesamtes Verkaufsargument ein Kontextfenster mit einer Million Token ist: Das Fenster ist real, aber nur das erste Fünftel davon gibt es zum beworbenen Preis. Bei $4.00 und $18.00 oberhalb der Schwelle liegt Gemini 3.1 Pro preislich innerhalb eines Rundungsfehlers von Muse Wonders $4.00 und $20.00, und der Cache-Lesevorgang ist identisch bei $0.20 pro Million. Die Aussage „günstiger bei der Eingabe“ gilt also genau bis zu dem Punkt, an dem man die Fähigkeit nutzt, für die man das Modell gekauft hat.

Das Gegengewicht liegt auf der Input-Seite, wo die Wirtschaftlichkeit der Input-Seite wirklich stark ist und unabhängige Messungen dies belegen. Artificial Analysis verzeichnet für Gemini 3.1 Pro Kosten von etwa 0,67 $ pro Index-Aufgabe und ungefähr 67 Millionen generierte Output-Tokens über den Index-Lauf hinweg, gegenüber einem Median von etwa 90 Millionen für Modelle in seiner Preisklasse. Ein Modell, das mit weniger Tokens zu einem niedrigeren Tarif antwortet, ist auf eine Weise günstiger, die keine Preisliste direkt zeigt — und es ist die Zahl, mit der man Muse Wonders etwa 4,52 $ pro Index-Aufgabe vergleichen sollte, was sowohl eine Folge eines höheren Tarifs als auch von ungefähr 130 Millionen Output-Tokens gegenüber einem Median von 85 Millionen ist.

Was Sie tatsächlich zur Auswahl haben

Die Fähigkeitslücke auf der heutigen Messlatte ist real – 52 gegen 29,7 sind zweiundzwanzig Punkte, und das ist kein Rauschen –, doch es ist ein Vergleich zwischen einem fünf Wochen alten Frontier-Release und einer sieben Monate alten Vorschau, die der Anbieter nie über den Vorschau-Status hinaus befördert hat. Bei der Wahl zwischen ihnen geht es weniger darum, welche höher punktet, als vielmehr darum, mit welchem Fehlermodus man leben kann.

Die Einschränkungen von Gemini 3.1 Pro sind struktureller Natur und bekannt. Die Ausgabeobergrenze von 65.536 Tokens schließt es von der Langtextgenerierung in einem einzigen Turn aus, und genau hier ist das Budget von 943.718 Tokens von Muse Wonder am offensichtlichsten von Vorteil. Die Zeit bis zum ersten Token liegt bei der veröffentlichten Messung bei etwa 35,7 Sekunden, was für alles Interaktive langsam ist. Und die Preview-Kennung ist das eigentliche Risiko: Ein Preview-Endpunkt kann hinter Ihrem Rücken überarbeitet oder eingestellt werden, ohne dass die Version erhöht wird, weshalb es bei diesem Modell Standardpraxis ist, exakte Modell-IDs statt Aliase festzulegen.

Die Grenzen von Muse Wonder sind ebenso struktureller Natur und deutlich neuer. Reasoning ist verpflichtend, daher bezahlt jeder Aufruf Denk-Token zu 20 US-Dollar pro Million, ohne günstigen Weg – das Thinking-Level von Gemini 3.1 Pro lässt sich zumindest in Richtung null herunterregeln. Unabhängige Messung ist lediglich eine Zeile eines Evaluators zu einem zwei Tage alten Modell. Und die bestbewertete Version dessen, was Sie vergleichen, Muse Wonder Full, ist nur über ein Monatsabonnement für 50 bis 200 US-Dollar erhältlich, statt zu den Preisen pro Token auf derselben Seite verfügbar zu sein.

Es gibt außerdem eine Dimension der Benchmark-Integrität, die es wert ist, benannt zu werden, denn genau diese Paarung ist ein gutes Beispiel dafür. Metas Einführungstabelle meldet Muse Wonder Full mit 59,0 im Artificial Analysis Index, während Artificial Analysis selbst 56 veröffentlicht, und meldet das aufrufbare Muse Wonder mit 56, während der Evaluator 52 ausliest. Die eigene Historie von Gemini 3.1 Pro ist das Spiegelbild: eine 57, die in einer Revision eine Schlagzeile von Anbieter und Presse war, und eine 29,7 in einer anderen. Die Lehre ist in beide Richtungen dieselbe – eine Punktzahl ist nur aussagekräftig, wenn ihr Maßstab mitgeliefert wird, und die Anbieterversion eines fremden Index bleibt eine Anbieterzahl.

Beide von einer Taste aus ausführen

Gemini 3.1 Pro ist auf OrcaRouter als google/gemini-3.1-pro-preview verfügbar, zum eigenen Listenpreis des Anbieters und mit der 200.000-Token-Neupreisgrenze unverändert übernommen — 2,00 $ Eingang und 12,00 $ Ausgang darunter, 4,00 $ und 18,00 $ darüber, gecachter Input 0,20 $ und 0,40 $. Auf unserer Seite wird nichts aufgeschlagen, und das 1.048.576-Token-Fenster sowie die Obergrenze von 65.536 Token für die Ausgabe werden wie veröffentlicht durchgereicht.

Muse Wonder ist nicht auf OrcaRouter. Es gibt keinen meta/muse-wonder-Eintrag in unserem Katalog und wir werden keinen beschreiben, als gäbe es einen; heute läuft das Modell auf Metas eigener API und in Muse Code. Was wir vom selben Lab anbieten, ist Muse Spark 1.2 und Muse Spark 1.1, sodass die Muse-Familie mit demselben Schlüssel erreichbar ist, während der Wonder-Checkpoint eine Erfolgsbilanz aufbaut.

Der praktische Grund, der hier zählt, ist die Tarifgrenze. Ein Modell, das eine ganze Anfrage bei 200.000 Tokens neu bepreist, ist etwas, das man messen statt annehmen sollte, denn Ihre Prompt-Längen entscheiden darüber, ob Sie 2 $ oder 4 $ für denselben Aufruf zahlen. OrcaRouter stellt über 200 Modelle hinter einen einzigen OpenAI-kompatiblen Endpunkt, wobei die Listenpreise der Anbieter unverändert durchgereicht werden — ein Durchlauf Ihres echten Traffics gegen Gemini 3.1 Pro auf beiden Seiten dieser Schwelle und gegen alles andere im Katalog kostet also einen Schlüssel und einen Nachmittag statt eines Beschaffungszyklus. Wenn ein Anbieter, den wir routen, beginnt, Muse Wonder bereitzustellen, wird die andere Hälfte dieses Tests zu einer Änderung des Modellnamens.

Das Urteil

• Wählen Sie Gemini 3.1 Pro, wenn Ihre Arbeit in der Analyse langer Dokumente und gemischter Medien besteht, bei der der Input dominiert und die Antwort kurz ausfällt – der Tarif von 2,00 $ unter 200K und die Kosten von 0,67 $ pro Indexierungsaufgabe sind kaum zu schlagen, und die sieben Monate an Ökosystem, die dahinterstehen, sind etwas wert, womit ein Modell aus der Launch-Woche nicht mithalten kann.

• Nutze Muse Wonder, wenn du lange Ausgaben in einem einzigen Turn generierst oder Sprache und Video direkt in das Modell einspeist. Ein Ausgabebudget von 943.718 Token ist kein Spezifikationsdetail, wenn die Alternative darin besteht, Generierungen aneinanderzustückeln.

• Achten Sie auf die 200.000-Token-Marke, bevor Sie einen Preis für Gemini 3.1 Pro nennen. Oberhalb davon kosten die beiden Modelle fast gleich viel, was die intuitive Antwort auf diesen Vergleich genau für die Workloads umkehrt, die das große Kontextfenster nutzen.

• Behandle die 22-Punkte-Lücke als Richtung, nicht als Messwert. Sie entstand durch den Vergleich zweier Index-Revisionen; in der früheren Revision las Gemini 3.1 Pro 46, und derselbe unveränderte Checkpoint wurde zu verschiedenen Zeitpunkten mit 57, 46, 30 und 29,7 veröffentlicht.

Zwei Modelle – das eine seit Februar unter einer Preview-Kennung angeboten, das andere zwei Tage alt –, jenseits der 200K-Grenze nahezu identisch bepreist und auf der aktuellen Rangliste um zweiundzwanzig Punkte getrennt. Nur eine dieser Tatsachen würde einen Wechsel des Maßstabs überleben – und es sind nicht die zweiundzwanzig Punkte.