Muse Wonder Full vs Muse Wonder : même lancement, même grille tarifaire, quatre points d'écart sur le seul classement qui a mesuré les deux

Muse Wonder Full et Muse Wonder sont arrivés dans un seul article le 12 octobre 2026, en provenance de Meta Superintelligence Labs, et presque toutes les spécifications de cet article s'appliquent aux deux. Tous deux sont décrits avec une fenêtre de contexte de 1 048 576 jetons. Tous deux sont affichés à 4,00 $ par million de jetons d'entrée, 0,20 $ pour l'entrée mise en cache et 20,00 $ par million de jetons de sortie. Tous deux nécessitent un raisonnement. Tous deux acceptent le texte, l'image, la parole et la vidéo en entrée et renvoient du texte. Et sur l'indice indépendant Artificial Analysis Intelligence Index, ils sont à quatre points d'écart : Muse Wonder Full à 56, classé quatrième sur 699 modèles mesurés, et Muse Wonder à 52, classé neuvième sur 219.

Les quatre points constituent la plus petite différence réelle entre deux checkpoints de pointe publiés le même jour par le même laboratoire, et ils sont aussi l'élément le moins décisif de cette paire — car un seul des deux est accessible. Muse Wonder répond sur l'API Meta Model et dans Muse Code. Muse Wonder Full est décrit par Meta comme réservé à l'abonnement Muse Code, à 50 $ par mois pour Power Usage ou 200 $ par mois pour Maximum Usage. Il ne s'agit pas d'une comparaison entre un modèle fort et un modèle plus fort. Il s'agit d'une comparaison entre un modèle plus fort que vous ne pouvez pas appeler et un modèle plus faible que vous pouvez appeler.

Une annonce, un point de contrôle et une colonne qui les sépare

Lisez le document de lancement ligne par ligne : les deux modèles se suivent presque jusqu’à la fin. Leur divergence tient à une seule colonne, et ce n’est pas la capacité.

• Accès — muse-wonder-1.0 répond sur l’API Meta Model et dans Muse Code ; muse-wonder-full-1.0 est réservé à l’abonnement Muse Code, sans voie facturée à l’usage et sans SDK pouvant être pointé vers lui.

• Tarif — la grille tarifaire commune de 4,00 $ en entrée, 0,20 $ en cache et 20,00 $ en sortie décrit un parcours qui existe pour Muse Wonder et n'existe pas pour Muse Wonder Full, dont le coût correspond à un forfait mensuel de 50 $ ou 200 $.

• Indice indépendant — Muse Wonder 52, neuvième sur 219 ; Muse Wonder Full 56, quatrième sur 699. Quatre points, mesurés sur le même banc d’essai public, le seul endroit où les deux apparaissent sur une même échelle.

• Budget de sortie — le plafond de réponse unique du point de contrôle appelable est de 943 718 jetons. Le plafond du point de contrôle d’abonnement n’est pas publié, car personne en dehors de Meta ne peut le compter.

• Composite fournisseur — le tableau de Meta lui-même place Muse Wonder Full à 59,1 sur son Personal Superintelligence Index et Muse Wonder à 56. Sur la ligne Artificial Analysis Index du même tableau, Meta indique Muse Wonder Full à 59,0, tandis qu’Artificial Analysis publie de son côté 56.

Cette dernière ligne mérite qu’on s’y attarde. Le chiffre du fournisseur pour son propre meilleur point de contrôle est trois points au-dessus de la mesure indépendante du même point de contrôle sur le même indice nommé — et la mesure indépendante de l’autre point de contrôle, 52, est plus proche du 59,1 du fournisseur pour le premier que les deux chiffres du fournisseur ne le sont l’un de l’autre.

Quatre points n’est pas le nombre qui compte

Sur les propres lignes à long horizon de Meta, les deux checkpoints divergent de bien plus de quatre points, et dans les deux sens. Tout ce qui suit est rapporté par le fournisseur, produit dans le harnais de Meta à effort de raisonnement maximal, sans rien qui ait été reproduit indépendamment.

• JobBench, tâches professionnelles à long horizon — Muse Wonder Full 75,3, Muse Wonder 30,8. Un écart de 44 points entre deux modèles issus de la même version.

• Terminal-Bench 4.0-AA — Muse Wonder 85,6, Muse Wonder Full 85,5. Le checkpoint appelable devance de justesse celui de l’abonnement, d’un dixième de point.

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

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

• Harvey LAB-AA, la suite d’agents juridiques de Meta — Muse Wonder 54.3, Muse Wonder Full 13.1. Le checkpoint d’abonnement termine en dernier, 41 points derrière celui que vous pouvez réellement appeler.

Ainsi, la paire présente un écart de quatre points sur le classement indépendant, de 44 points en faveur de Meta sur une ligne, et de 41 points en sa défaveur sur la suivante. Ces trois nombres ne peuvent pas tous décrire une seule différence de capacité, et la lecture la plus parcimonieuse est qu'ils ne le font pas : une variation de 44 points entre des checkpoints distants de quatre points sur un harnais public, voilà à quoi ressemble, dans un score agrégé, une évaluation sensible au harnais d'une tâche de type rollout.

Les quatre points du tableau indépendant sont, s'il faut trancher, le chiffre le plus honnête et le moins utile — un écart de cette taille sur une seule exécution se situe dans la bande de bruit de l'évaluation elle-même. Pris ensemble avec le tableau composite, les trois lignes convergent globalement vers la même conclusion : il s'agit de deux checkpoints de frontière du top 10 dont les mesures de capacité générale sont proches, dont les mesures de comportement à long horizon sont très éloignées, et dont l'un ne peut être exécuté par personne en dehors de Meta. Ce qu'il ne peut pas établir, c'est lequel l'emporte sur votre charge de travail, et il ne cherche pas à le faire.

Ce que l'échelon supplémentaire est censé apporter

Meta nomme deux capacités pour la série qui ne sont pas du tout des lignes de benchmark : Active Memory, décrite comme un état persistant conservé d'une session à l'autre, et Active Focus, décrite comme une attention autogérée sur de longues tâches. Si l'une ou l'autre fonctionne comme décrit, il s'agit d'un autre type de différence qu'un score — cela change la forme de l'application, car un état qui survit à une frontière de session est quelque chose que vous construiriez autrement vous-même, mal, dans votre propre base de données.

Ni l’une ni l’autre n’est présentée sur une fiche de modèle, et ni l’une ni l’autre n’est accessible pour être testée, car le checkpoint qui les contient est celui qui se trouve derrière l’abonnement. Cela laisse une équipe face à un problème précis et peu glamour : la raison plausible de payer 50 $ ou 200 $ par mois pour Muse Wonder Full est une fonctionnalité que personne en dehors de Meta ne peut évaluer, attachée à un checkpoint qui affiche aussi un 13,1 sur la suite d’agents juridiques, contre 54,3 pour son homologue.

Une mesure indépendante comble une partie de l’écart, et seulement une partie. Artificial Analysis relève que Muse Wonder Full consomme environ 140 millions de tokens de sortie lors de son évaluation, contre une médiane de 88 millions, et Muse Wonder environ 130 millions, contre une médiane de 85 millions. Tous deux dépensent beaucoup pour atteindre leurs scores, ce qui est cohérent avec un raisonnement obligatoire et vous indique le coût d’une escalade avant de la faire — mais aucun de ces chiffres ne dit quoi que ce soit sur le fait de savoir si la mémoire persistante fonctionne.

La décision est un frein, pas un achat

La plupart des comparaisons entre deux points de contrôle se concluent par une question d'achat : lequel acheter. Celle-ci ne le peut pas, parce qu'un côté n'a pas de SKU facturé à l'usage. Cela reformule donc tout cela en une question de routage à la place, et la question de routage a ici une forme inhabituellement nette, parce que l'option la moins chère et l'option la plus chère sont vendues selon des compteurs complètement différents.

Muse Wonder est facturé à l'usage. Son coût évolue linéairement avec les tokens, à 4,00 $ et 20,00 $ par million, avec une remise de 95 % pour le cache côté entrée, ce qui explique pourquoi le coût indépendant par tâche d'indexation ressort à près de 4,52 $. Muse Wonder Full n'est pas du tout facturé à l'usage. Son coût est un forfait mensuel fixe qui ne varie pas avec le volume, ce qui signifie que le coût marginal d'une requête supplémentaire adressée au checkpoint Full est nul dans le cadre d'un forfait et infini en dehors. Ces deux logiques économiques appellent des trafics opposés : la tarification à l'usage récompense le fait de tenir le modèle coûteux à l'écart de la plupart des requêtes, et la tarification forfaitaire récompense le fait de faire passer autant de choses que possible par lui une fois que l'on a payé.

Ce qui signifie que l’architecture pratique est une échelle d’escalade plutôt qu’un choix de modèle. Le checkpoint invocable traite l’essentiel du trafic à un rythme que vous pouvez prévoir. Le checkpoint par abonnement absorbe le sous-ensemble où son comportement à long terme est censé différer — à supposer que vous disposiez d’un forfait qui admette ce volume, et que l’affirmation de 44 points de JobBench résiste à votre propre mesure. La mesure elle-même est la partie à construire en premier, car un écart public de quatre points et un écart fournisseur de 44 points ne peuvent pas tous les deux être exacts, et votre charge de travail est le seul instrument qui permet de trancher.

Deux éléments concernant le reste du marché rendent cette échelle moins chère à construire qu'elle n'en a l'air. Le premier : tous ces modèles facturent de la même façon — les tokens de raisonnement sont des tokens de sortie à 20 $ le million, et l'échelle d'effort va de minimal à max, avec medium par défaut ; le réglage que vous choisissez pèse donc plus lourd dans la facture que l'identifiant du modèle que vous échangez. Le second : l'ensemble de comparaison auquel ce lancement invite est déjà routable : Claude Opus 5.5 à 4,00 $ en entrée et 20,00 $ en sortie, et le Muse Spark 1.2 de Meta à 1,25 $ et 4,25 $ sont tous deux sur OrcaRouter aux prix catalogue de leurs fournisseurs, aux côtés de plus de 200 autres modèles derrière une seule API compatible OpenAI. Les prix catalogue sont répercutés avec 0 % de marge, donc l'arithmétique de l'échelle ne change pas quand le modèle change.

Ni Muse Wonder ni Muse Wonder Full ne fait partie de nos routes. Il n'existe aucune entrée meta/muse-wonder ni meta/muse-wonder-full dans le catalogue, Muse Wonder Full n'est disponible en dehors des surfaces d'abonnement de Meta à aucun prix, et nous n'allons décrire ni l'un ni l'autre comme s'il l'était. Ce qu'un routeur apporte à cette décision particulière, c'est le basculement et le repli : l'échelon d'escalade censé s'exécuter rarement est précisément l'échelon où un hoquet d'un fournisseur est le moins tolérable et le moins visible, et le basculement automatique plus un DSL de routage capable d'exprimer l'escalade sous forme de configuration plutôt que de code applicatif, voilà ce qui empêche un chemin rarement utilisé de se transformer en panne.

La version à retenir

Si la seule chose que vous retenez de ce lancement est que Muse Wonder Full obtient un meilleur score que Muse Wonder, vous en tirez la partie la moins exploitable. Les deux diffèrent de quatre points sur le seul classement indépendant qui les a mesurés tous les deux, d’un écart de 44 points déclaré par le fournisseur sur une suite et d’un écart de 41 points déclaré par le fournisseur en sa défaveur sur une autre, et par une différence binaire stricte en matière d’accès : l’un est une API que vous pouvez appeler dès aujourd’hui à 4,00 $ et 20,00 $ par million, l’autre est un forfait mensuel sans tarif par jeton et sans aucun moyen d’y accéder depuis un SDK.

La bonne décision est de considérer les quatre points comme la preuve qu'il s'agit de pairs en termes de capacités, et la différence d'accès comme la preuve qu'ils ne sont pas des substituts. Construisez en fonction du point de contrôle appelable, construisez le harnais de mesure qui vous révélerait votre propre écart, et traitez l'abonnement comme une escalade que vous activez lorsque la mesure le justifie — non pas comme une mise à niveau que vous achetez parce que le score composite est plus élevé. Et lorsqu'un fournisseur publie un écart de 44 points au sein d'un seul lancement, la question utile n'est pas de savoir quel point de contrôle ériger en standard. C'est de savoir quel chiffre survit au contact de votre propre jeu d'évaluation, et cette question n'a de réponse que si vous l'avez déjà construit.