Muse Wonder vs Reflection Beam : L'un est une grille tarifaire, l'autre est une promesse

À sept jours d'intervalle, en sens opposés. Meta a rendu Muse Wonder généralement disponible le 12 octobre 2026, sur la Meta Model API et dans Muse Code, à 4,00 $ par million de jetons d'entrée et 20,00 $ par million de jetons de sortie, avec une fenêtre de contexte de 1 048 576 jetons et sans aucun téléchargement, quel qu'il soit. Reflection a annoncé Reflection Beam le 5 octobre 2026 — un modèle à mélange d'experts clairsemé (sparse mixture-of-experts) totalisant 501 milliards de paramètres et 23 milliards de paramètres actifs par jeton — avec les poids promis sous Apache 2.0, un aperçu sur liste d'attente derrière un mur d'inscription, et aucun prix publié sur aucune des plateformes de l'entreprise elle-même.

Ce qui signifie que la présentation honnête de cette confrontation n’est pas modèle contre modèle. C’est une grille tarifaire contre une promesse. L’un de ces éléments, vous pouvez l’appeler cet après-midi et vous ne le posséderez jamais ; l’autre, vous pourriez finir par le posséder et vous ne pouvez pas du tout l’appeler aujourd’hui. Si vous choisissez une solution par défaut pour une charge de travail qui sera livrée ce trimestre, cette distinction tranche plus que n’importe quelle ligne de benchmark, et il vaut la peine de préciser qu’aucun des deux côtés n’est une critique de l’autre laboratoire.

Sept jours, deux directions de voyage

Muse Wonder est arrivé comme un produit commercial fini, avec une documentation publique exceptionnellement mince en dessous. Le modèle est appelable, le prix est affiché, la surface des paramètres est énumérée — une échelle d'effort de raisonnement allant de minimal à max avec une valeur par défaut medium, un plafond de sortie de 943 718 tokens, chaque token de raisonnement facturé au tarif de sortie — et un second checkpoint, Muse Wonder Full, est livré dans le même lancement avec un score plus élevé, mais uniquement dans le cadre d'un abonnement Muse Code et pas vendu au token du tout. Ce que M​eta n'a pas livré, c'est quoi que ce soit de téléchargeable. Il n'y a pas de publication de fiche modèle, pas de checkpoint, pas d'octroi de licence.

Reflection a fait l'inverse. L'article de lancement de Beam est une annonce de recherche assortie d'une promesse de service : des tableaux de benchmarks, un compte rendu de pré-entraînement qui mentionne 6 144 systèmes GB300 NVL72 et une exécution de quatre semaines sur 23,8 billions de tokens, une phase d'apprentissage par renforcement sur 10 500 GB300 avec plus de 100 millions de rollouts et environ 1,3 milliard de sandboxes, et un engagement de licence précis — les poids, le rapport technique, la fiche de modèle et les artefacts pour développeurs suivront sous Apache 2.0, selon les propres termes de l'entreprise, plus tard dans le mois. Ce qui n'a pas été livré le 5 octobre, c'est un prix, une fenêtre de contexte de service, un chiffre maximal de sortie ou un fichier.

Deux laboratoires, une semaine, et entre eux tout l'éventail de ce que « released » peut signifier en 2026.

Ce que chacun a réellement publié

Tous les chiffres ci-dessous sont ceux du fournisseur lui-même, et lorsqu’un chiffre n’existe pas, c’est là le constat.

• Possibilité d'appel — Muse Wonder est en disponibilité générale depuis le 2026-10-12 sur l'API Meta Model sous muse-wonder-1.0 et dans Muse Code ; l'aperçu de Reflection Beam est une liste d'attente pour « un ensemble limité d'utilisateurs », sans parcours en libre-service dans

• Prix — Muse Wonder : 4,00 $ en entrée / 0,20 $ pour l'entrée en cache / 20,00 $ en sortie par million de jetons, tarifs publiés ; les tarifs de Reflection Beam ne sont publiés nulle part sur les propres plateformes de Reflection, donc tout montant en dollars que vous avez vu y être associé est une estimation plutôt qu'un prix catalogue

• Contexte — Muse Wonder 1 048 576 jetons ; la documentation de l’API de Reflection Beam indique une limite de service de 256 000 jetons, avec une note de bas de page avertissant que ce chiffre pourrait changer pendant la bêta, tandis que l’article de lancement indique séparément que l’entraînement intermédiaire étend le contexte effectif du modèle à 1 million de jetons. Il s’agit d’une capacité côté entraînement et d’une limite côté service, pas d’une contradiction — mais un seul d’entre eux est un nombre sur lequel vous pouvez vous baser

• Sortie maximale — Muse Wonder 943 718 tokens ; Reflection Beam non publié

• Modalité — Muse Wonder prend en entrée du texte, des images, de la parole, de la vidéo et des fichiers, et renvoie du texte ; Reflection Beam, c’est du texte en entrée, du texte en sortie

• Poids — Muse Wonder : aucun, et aucun annoncé ; Reflection Beam : Apache 2.0 promis, non publié à ce jour

• Score indépendant — Muse Wonder : 52 sur l'Intelligence Index d'Artificial Analysis, classé n° 9 sur 219 ; Reflection Beam n'a pas de ligne dans ce tableau, ni chez aucun autre évaluateur indépendant que nous puissions trouver

• Architecture — Muse Wonder non divulguée ; Reflection Beam 501B au total / 23B actifs, un ratio annoncé d’environ 4,6 %

L’asymétrie dans cette liste dit tout. Muse Wonder a un prix et une cible, mais aucun artefact. Reflection Beam a un artefact promis, mais ni prix ni cible.

La revendication d'efficacité est celle qu'il faut tenir à distance

L'affirmation la plus intéressante de Reflection n'est pas un score de benchmark. C'est que Beam associe la capacité de codage et agentique à un « raisonnement hautement efficace », obtenant des scores sur des benchmarks de raisonnement avancé comparables à GLM-5.2 tout en utilisant 3 à 4 fois moins de calcul d'inférence, avec un écart qui se creuse face aux modèles de la famille de paramètres 2T+ tels que Qwen 3.8-Max. Le graphique derrière cette affirmation est un graphique de fournisseur, sur les propres axes d'un fournisseur, et il n'est pas reproduit — mais l'arithmétique sous-jacente n'est pas exotique. Les FLOPs d'inférence évoluent approximativement comme deux fois le nombre de paramètres actifs multiplié par le nombre de tokens générés, ainsi un modèle à 23B de paramètres actifs qui génère une sortie comparable pour une tâche coûte réellement moins par tâche qu'un modèle à 40B ou 100B de paramètres actifs. L'architecture est l'argument, et sur le plan de l'architecture, le dossier de Beam est cohérent.

Ce qui manque, c'est le dénominateur. Le calcul par tâche est un ratio, et le matériel publié nous en donne le volet paramètres et rien sur le volet tokens. Reflection ne publie aucun nombre de tokens de sortie pour aucune de ses exécutions de benchmark. Il n'y a pas de chiffre de verbosité, pas de mesure de tokens par tâche, pas d'exécution indépendante.

Muse Wonder, en revanche, affiche exactement ce nombre, et cela joue en sens inverse. Artificial Analysis a mesuré Muse Wonder (max) à 130 millions de tokens de sortie consommés lors de son évaluation Intelligence Index, contre une médiane de 85 M pour les modèles comparables, et à environ 4,52 $ par tâche de l’index. Le qualificatif employé par l’évaluateur lui-même pour ce comportement est « quelque peu verbeux ». Muse Wonder est un modèle de frontière à un prix de frontière, et il paie son score en tokens de sortie, parce que les tokens de raisonnement sont facturés au tarif de sortie — ce qui est la ligne la plus lourde de conséquences de la documentation tarifaire de M​eta elle-même.

Donc les deux labos font des paris opposés et aucun n’a publié les chiffres qui permettraient de trancher. M​eta a une verbosité mesurable et aucun nombre de paramètres divulgué, donc vous ne pouvez pas calculer ses FLOPs par token. Reflection a un nombre de paramètres divulgué et aucune verbosité mesurée, donc vous ne pouvez pas calculer ses tokens par tâche. Quiconque vous dit que Beam est trois à quatre fois moins cher à exécuter que Muse Wonder compare un ratio de paramètres à un nombre de tokens qui n’existe pas.

La parcimonie permet de réduire le coût d'inférence, pas d'accroître les capacités

Il y a un second piège dans le chiffre de 501 B, et il est facile d’y tomber parce que le nombre est si grand. Le total des paramètres d’un modèle à mélange d’experts creux est une statistique de stockage et de pré-entraînement, pas une statistique de calcul par token. Chaque token que génère Beam mobilise environ 23 milliards de ses 501 milliards de paramètres. Les 478 autres milliards restent inactifs lors de cet appel. Beam n’est pas un modèle à 501 milliards de paramètres au sens où le serait un modèle dense de cette taille, et le citer à côté de la taille non divulguée de Muse Wonder invite à une comparaison qui ne veut rien dire.

Là où le ratio compte vraiment, c'est pour le déploiement. Un checkpoint 501B en BF16 représente de l'ordre d'un téraoctet de poids, et le nombre de paramètres actifs ne réduit pas l'empreinte mémoire — seulement le calcul. Servir Beam soi-même implique soit un gros nœud multi-GPU, soit une quantisation lourde, et la quantisation est précisément le genre de chose que l'on ne peut évaluer qu'une fois les poids disponibles. C'est la deuxième raison pour laquelle la publication sous Apache 2.0 est l'événement qui compte ici plutôt qu'une simple note de bas de page : elle transforme une architecture prometteuse en quelque chose que vous pouvez mesurer sur votre propre matériel, avec votre propre taille de lot et vos propres prompts.

La position de Meta sur le même axe est l'opposée. L'architecture de Muse Wonder n'est pas divulguée et son déploiement se résume entièrement à l'API de quelqu'un d'autre. Vous ne le quantifierez pas, ne l'exécuterez pas sur site pour une charge de travail réglementée, et ne l'affinerez pas. Vous le louez, à un tarif affiché, indéfiniment.

Là où les chiffres {{1}}du fournisseur{{/1}} et ceux {{2}}indépendants{{/2}} ne concordent pas

Cela mérite une courte section, car c'est la discipline qui garantit l'honnêteté du reste de la comparaison. Le propre banc d'essai de Meta place Muse Wonder Fullà 59,1 sur son Personal Superintelligence Index et Muse Wonder à 56. Artificial Analysis, qui applique son propre indice à Muse Wonder (max), obtient 52. Même famille de modèles, même semaine, quatre points d'écart — et le chiffre indépendant est le plus bas. Muse Wonder Full à 56 sur le tableau indépendant est un véritable résultat, classé n° 4 sur 699 modèles de cette catégorie, et il reste malgré tout quatre points en dessous de ce que laisse entendre le tableau de Meta. Rien de tout cela ne rend les chiffres de Meta faux ; les bancs d'essai des fournisseurs sont calibrés pour le déploiement du fournisseur, et Meta les présente comme les siens. Cela signifie simplement que les seuls chiffres de cet article qui peuvent être mis en regard les uns des autres sont ceux d'Artificial Analysis, et ceux-ci n'existent que pour l'un des deux modèles.

Les tableaux de Reflection présentent une autre version du même problème. Beam y est affiché à 80,9 sur SWE-Bench Verified, 80,1 sur Terminal-Bench v2.1 et 44,4 sur DeepSWE v1.1, tous rapportés par le fournisseur, tous sur la même page que des comparaisons avec Inkling et Nemotron 3 Ultra. Deux de ces trois scores sont des scores pour lesquels Muse Wonder dispose également d'un chiffre du fournisseur, et comparer deux ensembles de chiffres du fournisseur produits par deux harnais différents n'est pas une comparaison. C'est une coïncidence de titres de colonnes.

Si vous devez choisir ce mois-ci

La décision se résume à savoir quelle absence vous pouvez tolérer.

• Livré ce trimestre, et vous avez besoin d'une capacité d'appel, d'un prix prévisible, d'une fenêtre de 1 M de tokens et d'un budget de sortie de 943 718 tokens — Muse Wonder est le seul des deux à exister en tant que service aujourd'hui, et le choix se fait de lui-même.

• Livrer ce trimestre, alors que le tarif de sortie de Muse Wonder à 20 $ par million par rapport à un profil d’évaluation de 130 M de tokens dépasse votre budget — la bonne approche est l’échelle d’effort plutôt qu’un autre modèle. Le raisonnement est obligatoire sur Muse Wonder, mais l’échelle va de minimal à max et chaque token de raisonnement est facturé comme sortie ; exécuter l’extraction et la classification en minimal et réserver high ou max aux appels qui le justifient est le levier qui fait bouger la facture.

• Exigence réglementée, en réseau isolé ou sur site — aucun des deux modèles ne la satisfait aujourd'hui. Muse Wonder ne la satisfera jamais. Beam pourrait peut-être y répondre, dans un mois, sous une licence permissive, à un coût mémoire que vous n'avez pas encore mesuré

• Plans de recherche ou de fine-tuning — attendez les poids. Ne lancez pas un projet sur une architecture 501B que vous ne pouvez pas télécharger

• Benchmarking par rapport à votre propre charge de travail — Muse Wonder peut être mesuré cette semaine et Beam ne peut pas être mesuré du tout. Chaque chiffre Beam dans votre feuille de calcul d’évaluation est actuellement une affirmation du fournisseur sans dénominateur

Ce que nous routons, et ce que nous ne routons pas

Pour être clair : aucun des deux modèles ne figure au catalogue d'OrcaRouter. Il n'existe aucune meta/muse-wonder entrée, ni aucune entrée Reflection de quelque nature que ce soit, et nous ne présenterons pas une route qui n'existe pas. Ce que nous proposons de Meta Superintelligence Labs, c'est la gamme Muse Spark —Muse Spark 1.2 et Muse Spark 1.1 — qui est ce qui se rapproche le plus de la famille de raisonnement de M​eta qu'une équipe peut appeler via nous aujourd'hui, et coûte environ un cinquième de ce que coûte Muse Wonder par token. Parmi les modèles par rapport auxquels cette confrontation est tarifée, Claude Opus 5.5 figure sur notre liste aux propres tarifs d'A​nthropic, et il en va de même pour D​eepSeek V4 Pro à une fraction de ce prix.

Cette honnêteté a une conséquence pratique qu’une comparaison comme celle-ci rend exceptionnellement claire. Le basculement automatique ne bascule jamais que vers quelque chose que nous routons réellement, et une liste d’attente sans endpoint n’est pas une solution de repli. Si votre plan pour Beam est « nous le testerons quand la préversion sera débloquée », ce qu’il est utile de mettre en place d’ici là, c’est un primaire que vous pouvez mesurer et une seconde route derrière lui — ce qui est un changement de configuration sur un point de terminaison compatible OpenAI. OrcaRouter sert plus de 200 modèles derrière une seule clé et une seule facture, donc lorsque les poids de Beam seront disponibles et qu’un fournisseur commencera à le servir, y accéder ne demandera qu’un ID dans un fichier de configuration plutôt qu’une nouvelle intégration.

Qu’est-ce qui changerait la réponse, et quand regarder

Trois événements, par ordre d'impact sur la situation.

La première est la publication des poids. Reflection a pris l’engagement d’adopter Apache 2.0 et a annoncé que les artefacts arriveront plus tard ce mois-ci. Cette publication est ce qui transforme une revendication de 501B en quelque chose de téléchargeable, quantifiable et évaluable par benchmarks, et il se trouve aussi que c’est le seul chemin par lequel Beam pourra un jour apparaître sur une plateforme de routage. Tant que cela n’a pas eu lieu, Beam est une hypothèse avec une citation.

Le second est une évaluation indépendante. Une seule ligne d’Artificial Analysis pour Beam ferait plus pour trancher cette confrontation que n’importe quelle quantité de lecture de tableaux de fournisseurs, car elle fournirait le chiffre de tokens par tâche qui manque à l’argument d’efficacité. Surveillez ce tableau plutôt que le blog de lancement.

Le troisième est la stabilisation de la surface de configuration propre à Muse Wonder. Son chiffre de 4,52 $ par tâche a été mesuré en raisonnement maximal sur un modèle disponible depuis un jour. À mesure que les équipes utilisent les échelons inférieurs de l’échelle d’effort en production, le coût réaliste du modèle baissera — et c’est ce chiffre, et non le score de l’indice, que Beam devrait battre.

La réponse la plus probable à court terme n'est ni une victoire nette ni une défaite nette : une équipe qui a besoin d'un modèle tout de suite fait tourner Muse Wonder, et une équipe qui a besoin de posséder ses poids finit avec celui des deux qu'elle peut réellement télécharger. Ce qui est une façon étrange de décrire un face-à-face, et une façon exacte.