GPT-Rosalind vs Muse Wonder : ce qu’un contexte de 1M vous apporte dans un laboratoire de biologie

Muse Wonder et GPT-Rosalind sont les deux modèles de cette comparaison qui sont les plus proches sur le papier et les plus éloignés en termes d’usage. Meta Superintelligence Labs a publié Muse Wonder le 12 octobre 2026 à $4.00 par million de jetons d’entrée et $20.00 par million de jetons de sortie, avec un contexte de 1M de jetons et un indice Artificial Analysis de 56 — soit le même niveau de prix et la même taille de contexte que GPT-Rosalind, un modèle que O​penAI commercialise depuis le 16 avril 2026 à $5.00 et $25.00. Les cinq dollars et cinq dollars d’écart ne sont pas ce qui est intéressant. Ce qui est intéressant, c’est que l’un de ces modèles répondra à n’importe quelle question qu’on lui pose, tandis que l’autre ne répondra qu’aux questions d’organisations ayant passé un examen, et que le second est le seul des deux à avoir été ajusté sur ce que fait réellement un laboratoire de biologie. Lorsqu’une version à accès restreint s’ouvre ou qu’un score est révisé, la modification est consignée avec ses dates et ses sources dans l’AI Incident Archive, aux côtés des autres incidents de modèles et de fournisseurs que nous suivons.

Même fenêtre de contexte, raison différente d'en avoir une

Les deux modèles embarquent un million de tokens, et il est utile de comprendre qu’il s’agit d’une coïncidence entre deux décisions de conception sans lien plutôt que d’une capacité partagée.

La raison de Meta est l’étendue. Muse Wonder accepte du texte, des images, de la parole et de la vidéo en entrée, renvoie du texte, et est conçu pour ce que Meta appelle des tâches agentiques personnelles et professionnelles. Son homologue Muse Wonder Full est enfermé dans un abonnement Muse Code — 50 $ par mois pour l’offre Power Usage, 200 $ pour Maximum Usage — ce qui en fait une décision produit plutôt qu’un niveau d’API. Un million de tokens, c’est ce qu’il vous faut lorsqu’une seule session d’agent doit contenir en même temps un enregistrement d’écran, un document, un historique de conversation et une transcription d’outil.

La raison d’OpenAI, c’est la profondeur. GPT-Rosalind embarque un million de tokens, ce qui permet à un laboratoire de faire tenir un atlas de référence complet, une bibliothèque de protocoles et la description d’un jeu de données en une seule passe. Sa surface d’outils est un plugin pour les sciences de la vie comptant plus de cinquante outils ; ses benchmarks publiés portent sur la chimie et la génomique ; sa restriction d’accès existe parce que le modèle est jugé suffisamment bon en biologie pour en avoir besoin.

• Fenêtre de contexte — Muse Wonder 1 000 000 de tokens contre GPT-Rosalind 1 000 000 de tokens. Une véritable égalité.

• Modalités d'entrée — Muse Wonder : texte, image, parole et vidéo. GPT-Rosalind : entrées textuelles et fichiers scientifiques via ChatGPT, Codex et l'API ; aucune affirmation générale concernant l'entrée d'images n'a été publiée.

• Sortie — Texte uniquement, les deux.

• Prix — Muse Wonder 4,00 $ en entrée / 0,20 $ en cache / 20,00 $ en sortie pour 1 M, contre GPT-Rosalind 5,00 $ / 0,50 $ / 25,00 $. Le spécialiste coûte 25 % de plus sur chaque ligne et 2,5× plus sur les lectures de cache.

• Accès — Muse Wonder est disponible aujourd'hui sous le nom de muse-wonder-1.0 sur l'API Meta Model et dans Muse Code. GPT-Rosalind nécessite un examen d'accès de confiance.

• Score indépendant — Muse Wonder 56 sur l'Artificial Analysis Index, v4.3.2. GPT-Rosalind : non suivi dans ce classement.

Cette dernière paire est le nœud du problème. Sur chaque axe qu’une équipe achats peut mesurer sans faire de science, Muse Wonder l’emporte : il est moins cher, il est disponible sans candidature, il prend en charge davantage de types d’entrées et il dispose d’un score indépendant. Le seul axe sur lequel GPT-Rosalind l’emporte est celui qu’aucun classement ne mesure, et c’est précisément celui dont traite cet article.

Les scores non comparables, énoncés simplement.

Le 56 de Muse Wonder et les 27,5 % de Rosalind ne sont pas deux lectures de la même chose, et tout tableau qui les place dans des colonnes adjacentes est trompeur. Le 56 est un composite indépendant portant sur dix évaluations générales : AA-Briefcase, GDPval-AA, AutomationBench, Terminal-Bench, SciCode, Humanity's Last Exam, GDP.pdf et d'autres. Les 27,5 % correspondent au benchmark de chimie médicinale propre à OpenAI, noté face à GPT-5.5, non reproduit.

• Muse Wonder — 56 sur l'Artificial Analysis Index ; le propre tableau de Meta indique Terminal-Bench 4.0-AA à 85,6, SWE-Marathon à 78,8, OSWorld V2.1 à 72,6, HealthBench Pro à 56,6 et DeepSWE 1.1 à 52,0. Toutes les lignes Meta sont déclarées par le fournisseur ; le chiffre de l'indice est indépendant.

• GPT-Rosalind — MedChemBench 27,5 % contre 25,1 %, GeneBench 21,6 % contre 20,4 %, LabWorkBench 63,2 % contre 55,8 %, et un gain de performance par token de 4,42 % sur LifeSciBench. Tous rapportés par OpenAI, aucun reproduit indépendamment.

• Le seul chevauchement qui mérite d’être signalé — HealthBench Pro est un benchmark de connaissances cliniques, et GPT-Rosalind ne publie rien à son sujet. Le 56,6 de Meta ne dit rien sur la question de savoir si Muse Wonder peut concevoir une expérience de perturbation.

Il n’existe aucun benchmark public en biologie sur lequel ces deux modèles aient tous deux été évalués. Cette absence est le fait le plus important de la comparaison, et aucun des deux fournisseurs ne va y remédier.

Ce que Muse Wonder Full fait à la comparaison des prix

Meta a livré deux checkpoints le 12 octobre, et cette scission change ce que signifie « Muse Wonder » selon la porte par laquelle on entre.

• Muse Wonder — muse-wonder-1.0, sur l'API Meta Model et dans Muse Code, 4,00 $ / 0,20 $ / 20,00 $.

• Muse Wonder Full — un checkpoint distinct, au score plus élevé, que Meta dit réservé aux abonnés Muse Code. Pas un simple indicateur sur le modèle API ; un modèle différent derrière un produit mensuel de 50 à 200 $.

• L’écart — le propre tableau de Meta montre Muse Wonder Full à 75,3 sur JobBench contre 30,8 pour Muse Wonder, et 59,1 contre 10,0 sur Vals Finance Agent V2. Un écart de 44 points entre deux checkpoints d’un même laboratoire sur un seul benchmark est soit une véritable différence de capacités, soit un artefact du harnais d’évaluation, et seule une tierce partie peut trancher.

Pour un laboratoire, la lecture pratique est que le modèle que l'on peut acheter via une API et le modèle pour lequel Meta publie ses meilleurs chiffres ne sont pas le même modèle. Quiconque compare « Muse Wonder » à GPT-Rosalind en se fondant sur les scores de Full compare un produit par abonnement à un modèle d'API.

Où un million de tokens est réellement utilisé

L’égalité sur le contexte est la raison même pour laquelle ces deux modèles sont comparés ; il vaut donc la peine de préciser concrètement ce qu’un laboratoire fait d’un million de jetons, par rapport à ce qu’un agent généraliste en fait.

Un agent généraliste disposant d’un million de tokens détient un état : la conversation, les captures d’écran, les sorties d’outils, le fichier courant. Le contexte est un espace de travail. Un workflow de biologie disposant d’un million de tokens détient une référence : l’atlas, les tables d’annotation, le corpus de protocoles, la littérature antérieure. Le contexte est une bibliothèque.

Ce sont des charges de travail différentes et elles sollicitent des choses différentes. Un espace de travail récompense les boucles d’outils rapides et les lectures de cache peu coûteuses ; une bibliothèque récompense la capacité à garder un vaste corpus de textes spécialisés à portée de vue et à raisonner sur l’ensemble sans perdre le fil. Meta optimise pour la première — Active Memory de Muse Wonder conserve l’état au fil d’une session, et Active Focus gère l’attention du modèle lui-même sur les tâches longues, deux fonctionnalités qui n’ont de sens que pour un usage agentique. OpenAI optimise pour la seconde, ce qui explique pourquoi les gains publiés concernent des tâches où le modèle doit garder simultanément en tête un protocole et une perturbation.

• Économie du cache — Muse Wonder à 0,20 $ par million de tokens mis en cache, contre 0,50 $ pour GPT-Rosalind. Sur une longue session d’agent qui renvoie un grand prompt système à chaque tour, le modèle généraliste est 2,5× moins cher sur le poste de coût dominant.

• Conception des sessions — L'état persistant de Muse Wonder d'une session à l'autre est ce qui modifie le plus la façon dont vous concevez une application, et c'est aussi celui qu'une fiche de modèle ne peut pas démontrer.

• Texte du domaine — Aucun des deux fournisseurs ne publie de benchmark de récupération à contexte long pour le texte scientifique, donc l’égalité n’est pas vérifiée dans la direction qui importe ici.

Le jalon est le facteur de différenciation, pas le benchmark

Voici l’asymétrie qui détermine la conversation d’achat. Muse Wonder est vendu à toute personne munie d’une carte. GPT-Rosalind n’est vendu qu’aux organisations qui passent un contrôle, et ce contrôle existe parce qu’OpenAI a conclu que la capacité du modèle en biologie ne devait pas être disponible à la demande. Depuis le 11 septembre 2026, cette barrière est ouverte à l’échelle mondiale aux organisations éligibles, et non à une liste nominative de partenaires ; depuis le 15 octobre, il existe aussi une voie académique qui offre aux laboratoires éligibles jusqu’à 30 sièges ChatGPT Business gratuits pendant jusqu’à douze mois et exclut explicitement l’accès à l’API.

Deux lectures de cela, et toutes deux sont défendables. La cynique : un contrôle d’accès est une taxe sur les chercheurs légitimes qui n’arrête personne d’autre. L’utile : un fournisseur qui restreint l’accès à un modèle vous a dit où, selon lui, la capacité est concentrée, et un fournisseur qui vend un modèle général à tout le monde vous a dit la même chose par omission. Les points forts publiés par Meta pour Muse Wonder sont le travail agentique, le codage et les tâches professionnelles. La biologie ne figure pas dans l’argumentaire, et il n’y a pas de contrôle d’accès parce qu’il n’y a rien dont il faille contrôler l’accès.

Ainsi, la décision ne porte pas sur « quel modèle est meilleur ». Elle porte sur « ma demande relève-t-elle de la bibliothèque ou de l’espace de travail », et la réponse est généralement évidente une fois que la question est posée en ces termes.

Piloter la paire, et être honnête sur la moitié que nous servons

Ni Muse Wonder ni GPT-Rosalind ne sont disponibles sur OrcaRouter. Muse Wonder est accessible via l’API propre à Meta et au sein de Muse Code ; GPT-Rosalind uniquement via le programme d’accès de confiance d’OpenAI. Nous n’allons pas laisser entendre que nous routons l’un ou l’autre.

Ce que nous proposons de cette famille, c'est la gamme Muse Spark — Muse Spark 1.2 et Muse Spark 1.1 à 1,25 $ en entrée et 4,25 $ en sortie par million de tokens, avec un contexte de 1 048 576 tokens, un checkpoint mis à jour au même tarif, et une surface d'entrée plus large qui inclut la vidéo et l'audio ainsi que le texte, les images et les PDF. Pour un laboratoire qui vérifie si un modèle Meta convient à son pipeline avant de s'engager sur un abonnement Muse Code, c'est le moyen économique de le savoir. À côté, il y a plus de 200 autres modèles derrière une seule clé au prix catalogue du fournisseur, avec 0 % de marge, de sorte qu'une baisse de prix d'un fournisseur est effective de notre côté le jour même de sa publication.

L’architecture qui a du sens ici est la même séparation sur laquelle ces comparaisons finissent toujours par retomber. La moitié « workspace » — orchestration, analyse syntaxique, code autour de la science, travail documentaire — tourne sur un modèle que vous pouvez appeler dès aujourd’hui, avec bascule automatique en cas de défaillance afin qu’un incident chez un fournisseur déplace une requête plutôt que de tuer une exécution. La moitié « bibliothèque » reste sur une clé directe de spécialiste, derrière une route nommée dans le DSL de routage qui signale explicitement l’échec lorsque le spécialiste est indisponible au lieu de répondre discrètement avec un modèle général. Si vous voulez un deuxième avis sur un résultat limite sans payer les tarifs de spécialiste pour chaque requête, la fusion de modèles sur un panel est le mécanisme : plusieurs modèles répondent, vous comparez, et le désaccord est le signal.

Qu'est-ce qui réglerait ça

Trois choses. Un banc d'essai indépendant pourrait réexécuter les spreads JobBench et Vals Finance de Meta, ce qui vous dirait si l'écart de 44 points entre les deux checkpoints Muse Wonder relève des capacités ou d'un artefact. Un chemin d'API muse-wonder-full rendrait le modèle le plus performant achetable plutôt que conditionné à un abonnement. Et toute évaluation en biologie indépendante couvrant les deux modèles remplacerait tout ce débat par un chiffre, ce dont le domaine a besoin depuis avril.

En leur absence, la règle est assez simple pour tenir sur une fiche. Si la demande est agentique, multimodale ou concerne la cohérence d’une longue session, Muse Wonder à $4.00 / $20.00 avec un contexte de 1 M et un score indépendant de 56 est le meilleur achat, et vous pouvez commencer dès aujourd’hui. Si la demande porte sur la biologie, le seul modèle ici qui ait été ajusté pour cela est soumis à une évaluation, coûte 25 % de plus sur chaque ligne et n’apparaît sur aucun classement que vous pouvez consulter — et cette combinaison est à quoi ressemble un spécialiste avant que les benchmarks ne rattrapent leur retard.