Muse Wonder vs Intern S2 : 1 048 576 jetons contre 256K, et aucune règle partagée

Intern-S2-397B et Muse Wonder n'ont jamais été mesurés l'un par rapport à l'autre par quiconque. Ce n'est pas une lacune dans la recherche — c'est un fait structurel quant à la manière dont chaque modèle a vu le jour. InternLM a publié Intern-S2-397B le 13 septembre 2026 comme point de contrôle à pondérations ouvertes sous Apache-2.0 pour l'intelligence scientifique et les agents à horizon long, évalué entièrement par ses propres créateurs, sans aucun score tiers. Meta Superintelligence Labs a commencé à vendre Muse Wonder le 12 octobre 2026 via l'API Meta Model et Muse Code, et il dispose d'exactement une ligne d'évaluateur indépendant. Ainsi, tout ce qui suit exige d'étiqueter de quel côté de la barrière se situe chaque chiffre, et les deux modèles sont en désaccord sur quelque chose de plus fondamental que les scores de référence : à quoi sert une fenêtre de contexte. Les 1 048 576 jetons de Muse Wonder constituent un budget forfaitaire, facturé, à réponse unique. Ceux d'Intern-S2-397B sont répartis — 256K pour le raisonnement textuel et 64K pour l'entrée multimodale — sur un point de contrôle que vous téléchargez au lieu de l'appeler.

La version utile de cette comparaison n’est pas de savoir quel modèle l’emporte. C’est que l’un des deux est un instrument pour le travail sur des documents scientifiques que vous pouvez exécuter à l’intérieur de votre propre périmètre, et que l’autre est un généraliste loué avec une très large fenêtre à forfait. Ce sont des achats différents.

Ce qu'est réellement chaque modèle

Intern-S2-397B est le fleuron I​nternLM du Shanghai AI Laboratory, publié le 13 septembre 2026 sous Apache-2.0. Le nom porte 397B ; la fiche modèle indique 403 milliards de paramètres au total, et cette différence est le genre d'incohérence qu'un checkpoint construit publiquement accumule. Architecturalement, c'est un transformeur standard à mélange d'experts — 60 couches, 512 experts avec 10 actifs par token — et sa revendication principale est un paradigme de pré-entraînement qui lit les pages brutes de la littérature scientifique, les figures, la mise en page, la notation symbolique et la prose ensemble, plutôt que d'extraire d'abord le texte. Autour de cela, il met à l'échelle l'apprentissage par renforcement sur plus de vingt domaines scientifiques et ajoute un entraînement d'agent à long horizon dans des environnements sandboxés. Il prend en entrée du texte, des images et des séries temporelles, produit des prévisions à partir de la branche séries temporelles, est servi sur LMDeploy, vLLM et SGLang, prend en charge l'appel d'outils, et réfléchit par défaut sauf si vous passez enable_thinking=False par requête. En BF16, le checkpoint fait environ 807 Go, donc l'auto-hébergement signifie un nœud multi-GPU sérieux.

Muse Wonder est la version frontière de Meta Superintelligence Labs publiée le 12 octobre 2026, annoncée comme une série à deux checkpoints. Seul muse-wonder-1.0 dispose d'un point de terminaison par token, sur la Meta Model API et au sein de Muse Code ; Muse Wonder Full, la configuration au score plus élevé, n'est vendu que via un abonnement Muse Code et n'a aucune grille tarifaire publique. Le checkpoint appelable accepte du texte, des images, de la parole et de la vidéo en entrée, renvoie du texte, dispose d'une fenêtre de contexte de 1 048 576 tokens, plafonne une réponse unique à 943 718 tokens, coûte 4,00 $ par million de tokens d'entrée, 0,20 $ en cache et 20,00 $ en sortie, et exécute le raisonnement obligatoirement selon une échelle d'effort allant de minimal à max, avec medium par défaut. Il n'y a aucun poids, aucune licence et aucune version que vous pouvez continuer à exécuter si le point de terminaison change.

C'est la première véritable différence entre eux, et ce n'est pas une ligne de benchmark. L'un est un fichier. L'autre est un contrat.

Fenêtre de contexte, que les deux modèles entendent différemment

C’est ici qu’une comparaison de fiches techniques est la plus trompeuse, car les deux modèles sont couramment décrits comme à long contexte.

• Contexte textuel — Muse Wonder 1 048 576 tokens dans une seule fenêtre ; Intern-S2-397B 256K pour le raisonnement textuel

• Contexte multimodal — la fenêtre complète de Muse Wonder couvre ses entrées d'image, de parole et de vidéo ; Intern-S2-397B dispose d'un contexte multimodal distinct de 64K

• Sortie maximale en une réponse — Muse Wonder 943,718 tokens ; Intern-S2-397B non publié comme chiffre comparable

• Surface d'entrée — Muse Wonder : texte, image, parole, vidéo ; Intern-S2-397B : texte, image, séries temporelles

• Prévision de séries temporelles — Muse Wonder : aucune ; Intern-S2-397B pris en charge, actuellement intégré uniquement via LMDeploy

• Tarif — Muse Wonder 4,00 $ en entrée, 0,20 $ en cache, 20,00 $ en sortie par million de tokens ; Intern-S2-397B aucun tarif par token publié, car le modèle de distribution est un téléchargement

La ligne de prévision est celle qui n’a pas d’équivalent de l’autre côté, et ce n’est pas un argument marketing : c’est la raison pour laquelle le modèle existe sous la forme qu’il a. Un modèle qui ingère un signal de série temporelle et produit une prévision fait quelque chose qu’on ne peut pas demander à un modèle de texte, quelle que soit sa taille de fenêtre. Si c’est votre charge de travail, la comparaison est déjà terminée.

Pour tous les autres, la question pertinente est ce qui convient réellement. Une fenêtre de 1 048 576 tokens à tarif forfaitaire est un produit différent d’une fenêtre de texte de 256K sur du matériel que vous possédez, et la différence se manifeste exactement dans les charges de travail qui ont rendu le contexte long intéressant — une base de code dans le prompt, un corpus d’articles, une longue session agentique qui conserve son historique.

Les bases de preuves, qui ne se touchent pas

Les chiffres publiés des deux modèles ne peuvent pas être placés sur le même axe, et il vaut la peine d’être direct sur la raison.

La fiche de benchmark d'Intern-S2-397B est celle d'InternLM, exécutée via OpenCompass, VLMEvalKit et AgentCompass par l'équipe qui a construit le modèle, sans aucune reproduction indépendante. Ses colonnes sont Qwen3.5-397B-A17B, DeepSeek V4 Pro, Kimi K2.7-Code, GLM-5.2, GPT-5.5, Gemini 3.1 Pro et Claude Opus 4.8 — aucun modèle de Meta, et pas de Muse Wonder, donc le tableau du fournisseur lui-même ne contient pas une seule comparaison avec Muse. Et tout chiffre « Intern-S2 face à Muse Wonder » qui circule où que ce soit est une extrapolation entre deux tableaux sans rapport.

Ce que cette fiche publie, tout cela rapporté par InternLM : 89,77 sur MMLU Pro, 93,56 sur HMMT-2026, 81,68 sur MMMU Pro, 68,54 sur SWE-bench-Pro, 64,04 sur TerminalBench 2.1, et sur les ensembles scientifiques 55,71 sur Biology-Instructions, 63,28 sur SciReasoner 1.5 et 53,95 sur Mol-Instructions. Lisez cela comme un portrait : solide en connaissances, en mathématiques et en raisonnement multimodal, en tête en ingénierie logicielle, et vingt points derrière Claude Opus 4.8 sur le travail en terminal — exactement l’axe sur lequel un agent de production passe ses journées.

Les preuves de Muse Wonder présentent la forme inverse. Le tableau de lancement de Meta couvre les deux checkpoints au raisonnement maximal et repose en grande partie sur des benchmarks d'agents de longue durée — DeepSWE 1.1, SWE-Marathon, Terminal-Bench 4.0-AA, OSWorld V2.1 —, le tout rapporté par le fournisseur, dans le harnais de Meta, sans reproduction. Les commentaires indépendants ont repris les lignes les plus fortes sans la mise en garde, et c'est ainsi qu'un harnais de fournisseur devient un fait aux yeux du public. La seule ligne réellement indépendante est l'Intelligence Index d'Artificial Analysis, à 52 à effort maximal, soit le neuvième rang sur plus de 200 modèles, avec environ 4,52 $ de coût mesuré par tâche d'index complétée et quelque 130 millions de tokens de sortie consommés, contre une médiane du classement proche de 85 millions.

Donc : la force d’un modèle est affirmée par son fabricant sur des benchmarks scientifiques qu’aucun tiers n’a réexécutés. Celle de l’autre, sur des benchmarks agentiques, idem. Aucun des deux n’a été comparé à l’autre par qui que ce soit. La seule chose qu’une page honnête puisse faire de cela, c’est de le dire tout haut.

Là où la comparaison se décide sur le prix, et là où ce n’est pas le cas

Intern-S2-397B n'a pas de grille tarifaire. Voilà toute la section tarifaire, et il s'agit d'un véritable constat plutôt que d'une valeur manquante : soit vous auto-hébergez environ 807 Go de poids BF16 sur du matériel que vous possédez, soit vous vous inscrivez pour obtenir un jeton sur l'API propre à InternLM et vous vous contentez du quota accordé. Il n'y a aucun chiffre par jeton à mettre à côté des 4,00 $ et 20,00 $ de Muse Wonder, et aucune facture à comparer à une note payée par jeton.

Ce que cela change à la décision est plus subtil que « gratuit contre payant ». Un checkpoint téléchargé transforme un coût variable en coût d’investissement, et transforme une relation avec un fournisseur en un artefact que vous possédez. Cela vaut très cher lorsque vos données ne peuvent pas quitter votre périmètre, lorsque votre charge de travail est suffisamment stable pour justifier les GPU, ou lorsque la reproductibilité compte plus qu’un point de benchmark. Cela vaut très peu si votre trafic est en pics, si votre équipe n’a pas de pile de service, ou si vous avez besoin que le modèle s’améliore sans que vous ayez à faire quoi que ce soit.

Aucun des deux modèles n’est servi par nous, et il vaut mieux le dire franchement plutôt que de laisser entendre le contraire : Intern-S2-397B est un tout nouveau checkpoint Apache-2.0 sans couverture de routage, et Muse Wonder se trouve sur l’API de Meta et dans Muse Code, sans service tiers que nous puissions vérifier. Ce à quoi un routeur sert, c’est la moitié de tout ceci qui est appelable. OrcaRouter propose plus de 200 modèles derrière une seule clé, au prix catalogue du fournisseur, avec 0 % de marge — aucun écart d’intermédiaire, donc une baisse de prix d’un fournisseur est effective le jour même —, y compris les propres modèles de Meta, à savoir Muse Spark 1.2 et Muse Spark 1.1, si bien que les modèles Meta auxquels vous pouvez accéder aujourd’hui côtoient tout le reste sous la même authentification. Si votre trafic de production atterrit sur un modèle routé et que votre traitement par lots scientifique tourne sur Intern-S2-397B quelque part que vous contrôlez, cette jonction relève d’une décision de routage plutôt que d’une seconde intégration.

Qui devrait choisir lequel ?

Prenez Intern-S2-397B lorsque le travail consiste à lire de la science : un article riche en figures, un diagramme moléculaire, un tableau numérisé, une prévision issue d’un signal de série temporelle, ou un agent qui doit continuer à avancer sur une tâche de recherche. La licence Apache-2.0 signifie que vous pouvez l’affiner sur des données propriétaires et garder le résultat à l’intérieur de votre propre périmètre, ce qui est la partie de cette comparaison qu’aucune grille tarifaire ne capte. Prévoyez un budget pour le matériel et attendez-vous à l’absence de classement indépendant pendant quelques mois — le dépôt n’a que quelques semaines et ne comporte aucune mesure tierce.

Choisissez Muse Wonder lorsque le travail est général, long et agentique, et lorsque vous préférez louer plutôt que posséder : une fenêtre de 1 048 576 jetons à tarif forfaitaire sans palier, un plafond de réponse de 943 718 jetons auquel rien dans les documents publiés d'Intern-S2 ne répond, un raisonnement obligatoire pour les tâches difficiles à étapes multiples, et une facture à l'usage par jeton que vous pouvez mettre dans un tableur dès aujourd'hui. La mise en garde est la même que celle qui s'applique à chaque ligne publiée par Meta : deux jours de mesure indépendante, c'est deux jours, et un évaluateur, c'est un évaluateur.

L’équipe qui a besoin des deux devrait traiter la frontière entre eux comme une question de routage plutôt que comme une migration. Faites passer le trafic général sur un modèle que vous pouvez appeler, gardez le travail scientifique sur le checkpoint que vous pouvez conserver, et relancez vos propres évaluations sur Intern-S2-397B avant de croire un chiffre de fournisseur sur ses performances en terminal — car le tableau du fournisseur lui-même en est la ligne la moins flatteuse.