Muse Wonder Full לעומת Muse Wonder: אותה השקה, אותו כרטיס תעריפים, ארבע נקודות פער בלוח היחיד שמדד את שניהם

Muse Wonder Full ו-Muse Wonder הגיעו בפוסט אחד ב-12 באוקטובר 2026, מ-Meta Superintelligence Labs, וכמעט כל מפרט באותו פוסט חל על שניהם. שניהם מתוארים עם חלון הקשר של 1,048,576 טוקנים. שניהם מתומחרים ב-4.00 דולר למיליון טוקני קלט, 0.20 דולר לקלט במטמון ו-20.00 דולר למיליון טוקני פלט. שניהם דורשים הסקה. שניהם מקבלים טקסט, תמונה, דיבור וווידאו ומחזירים טקסט. ובמדד Artificial Analysis Intelligence Index העצמאי, הם מרוחקים בארבע נקודות: Muse Wonder Full עם 56, במקום הרביעי מתוך 699 מודלים שנמדדו, ו-Muse Wonder עם 52, במקום התשיעי מתוך 219.

ארבע הנקודות הן ההבדל האמיתי הקטן ביותר בין שני צ'קפוינטים בחזית ששוחררו באותו יום על ידי אותה מעבדה, והן גם הדבר הפחות מכריע בזיווג — כי רק אחד מהשניים נגיש. Muse Wonder מגיב ב-Meta Model API ובתוך Muse Code. Muse Wonder Full מתואר על ידי Meta כזמין במנוי Muse Code בלבד, ב-50 דולר לחודש עבור Power Usage או 200 דולר לחודש עבור Maximum Usage. זו לא השוואה בין מודל חזק למודל חזק יותר. זו השוואה בין אחד חזק יותר שאינך יכול לקרוא לו לבין אחד חלש יותר שאתה כן יכול.

הודעה אחת, שתי נקודות ביקורת, ועמודה אחת שמפרידה ביניהן.

קראו את חומר ההשקה שורה אחר שורה, ושני המודלים עוקבים זה אחרי זה כמעט עד הסוף. המקום שבו הם נפרדים הוא עמודה אחת, והיא אינה היכולת.

• גישה — muse-wonder-1.0 עונה ב-Meta Model API ובתוך Muse Code; muse-wonder-full-1.0 זמין למנויי Muse Code בלבד, ללא מסלול מדוד וללא SDK שניתן לכוון אליו.

• מחיר — מחירון משותף של $4.00 לקלט, $0.20 למטמון ו-$20.00 לפלט מתאר מסלול שקיים עבור Muse Wonder ואינו קיים עבור Muse Wonder Full, שעלותו היא תוכנית חודשית של $50 או $200.

• מדד עצמאי — Muse Wonder 52, במקום התשיעי מתוך 219; Muse Wonder Full 56, במקום הרביעי מתוך 699. ארבע נקודות, שנמדדו על אותה רתמת בדיקות ציבורית, שהיא המקום היחיד שבו שניהם מופיעים על סולם אחד.

• תקציב פלט — תקרת התגובה הבודדת של נקודת הביקורת הניתנת לקריאה היא 943,718 טוקנים. התקרה של נקודת הביקורת של המנוי אינה מפורסמת, מכיוון שאיש מחוץ למטא לא יכול לספור אותה.

• ציון משולב של הספק — הטבלה של מטא עצמה מציבה את Muse Wonder Full ב-59.1 במדד ה-Personal Superintelligence שלה, ואת Muse Wonder ב-56. בשורת ה-Artificial Analysis Index באותה טבלה מטא רושמת את Muse Wonder Full ב-59.0, בעוד ש-Artificial Analysis עצמה מפרסמת 56.

כדאי להתעכב על השורה האחרונה. המספר של הספק עבור נקודת הביקורת העליונה שלו עצמו גבוה בשלוש נקודות מהמדידה הבלתי תלויה של אותה נקודת ביקורת באותו מדד נקוב — והמדידה הבלתי תלויה של נקודת הביקורת האחרת, 52, קרובה יותר ל-59.1 של הספק עבור הראשונה מאשר שני המספרים של הספק זה לזה.

ארבע נקודות זה לא המספר שחשוב

בשורות האופק הארוך של מטא עצמה, שתי נקודות הביקורת מתרחקות זו מזו בהרבה יותר מארבע נקודות, ובשני הכיוונים. כל הבאים מדווחים על ידי הספק, הופקו בהרנס של מטא במאמץ חשיבה מקסימלי, ודבר לא שוחזר באופן עצמאי.

• JobBench, משימות מקצועיות באופק ארוך — Muse Wonder Full 75.3, Muse Wonder 30.8. פער של 44 נקודות בין שני מודלים מאותה מהדורה.

• Terminal-Bench 4.0-AA — Muse Wonder 85.6, Muse Wonder Full 85.5. נקודת הבדיקה הניתנת לקריאה עוקפת את זו של המנוי, בעשירית נקודה.

• SWE-Marathon — Muse Wonder Full 79.0, Muse Wonder 78.8.

• MemoryBench — Muse Wonder Full 39.4, Muse Wonder 34.3.

• Harvey LAB-AA, חבילת הסוכנים המשפטיים של Meta — Muse Wonder 54.3, Muse Wonder Full 13.1. נקודת הביקורת של המנוי מסיימת אחרונה, 41 נקודות מאחורי זה שאפשר למעשה להתקשר אליו.

אז הצמד נמצא בפער של ארבע נקודות בלוח העצמאי, בפער של 44 נקודות לטובת מטא בשורה אחת, ובפער של 41 נקודות לרעתה בשורה הבאה. שלושת המספרים האלה לא יכולים כולם לתאר הבדל יכולת אחד, והקריאה החסכונית ביותר היא שהם לא מתארים אותו: תנודה של 44 נקודות בין נקודות ביקורת שמרוחקות זו מזו בארבע נקודות בהרנס ציבורי היא איך שנראית הערכה רגישה להרנס של משימה שצורתה rollout בציון מצטבר.

ארבע הנקודות של הוועדה העצמאית הן, אם כבר, המספר היותר כן וזה הפחות שימושי — פער של ריצה בודדת בגודל כזה נמצא בתוך רצועת הרעש של ההערכה עצמה. כשהן נלקחות יחד עם הטבלה המשולבת, שלוש השורות מצביעות במצטבר על אותה מסקנה: מדובר בשני צ'ק-פוינטים בחזית העשירייה המובילה, שהמדדים של היכולת הכללית שלהם קרובים, שהתנהגותם לטווח ארוך נמדדת רחוק זה מזה, ואחד מהם איש מחוץ ל-Meta לא יכול להריץ. מה שהיא לא יכולה לקבוע הוא מי מהם מנצח בעומס העבודה שלך, והיא גם לא מנסה.

מה שהמדרגה הנוספת אמורה להשיג

Meta מציינת שתי יכולות בסדרה שאינן שורות בנצ'מרק בכלל: Active Memory, המתוארת כמצב מתמשך שנשמר בין סשנים, ו-Active Focus, המתוארת כקשב בניהול עצמי לאורך משימות ארוכות. אם אחת מהן פועלת כמתואר, זהו סוג אחר של הבדל מאשר ציון — הוא משנה את צורת היישום, כי מצב ששורד גבול של סשן הוא משהו שאחרת היית בונה בעצמך, באופן גרוע, במסד הנתונים שלך.

אף אחד מהשניים אינו מוצג בכרטיס מודל, ואף אחד מהשניים אינו נגיש לבדיקה, מכיוון שהצ'קפוינט שנושא אותם הוא זה שנמצא מאחורי המנוי. זה משאיר צוות עם בעיה ספציפית ולא זוהרת: הסיבה הסבירה לשלם 50 או 200 דולר בחודש עבור Muse Wonder Full היא תכונה שאיש מחוץ ל-Meta לא יכול להעריך, שמצורפת לצ'קפוינט שמדווח גם על 13.1 בסוויטת הסוכנים המשפטיים לעומת 54.3 של אחיו.

מדידה בלתי תלויה ממלאת חלק מהפער, ורק חלק. Artificial Analysis מתעדת ש-Muse Wonder Full צורך בערך 140 מיליון טוקני פלט במהלך ההערכה שלו, לעומת חציון של 88 מיליון, ו-Muse Wonder צורך בערך 130 מיליון לעומת חציון של 85 מיליון. שניהם מוציאים רבות כדי להשיג את הציונים שלהם, מה שעולה בקנה אחד עם הסקה מחייבת ומלמד אותך את עלות ההסלמה לפני שאתה מבצע אותה — אך אף אחד מהנתונים אינו אומר דבר בשאלה אם זיכרון מתמשך עובד.

ההחלטה היא בלם, לא רכישה

רוב ההשוואות בין שני צ'קפוינטים מסתיימות בשאלת רכש: איזה מהם קונים. זו לא יכולה, מפני שלאחד הצדדים אין SKU מחויב לפי שימוש. זה ממסגר מחדש את כל העניין כשאלת ניתוב במקום, ולשאלת הניתוב יש כאן צורה נקייה במיוחד, מפני שהאפשרות הזולה והאפשרות היקרה יותר נמכרות לפי מונים שונים לחלוטין.

Muse Wonder מחויב לפי שימוש. העלות שלו משתנה באופן ליניארי עם טוקנים, ב-4.00$ וב-20.00$ למיליון, עם הנחת מטמון של 95% בצד הקלט, ולכן העלות העצמאית לכל משימת אינדוקס יוצאת קרוב ל-4.52$. Muse Wonder Full אינו מחויב לפי שימוש כלל. העלות שלו היא תוכנית חודשית קבועה שאינה משתנה עם נפח השימוש, מה שאומר שהעלות השולית של בקשה נוספת ל-checkpoint של Full היא אפס בתוך תוכנית ואינסופית מחוץ לתוכנית. שתי הכלכלות האלה רוצות תנועה מנוגדת: תמחור לפי שימוש מתגמל להרחיק את המודל היקר מרוב הבקשות, ותמחור קבוע מתגמל להעביר דרכו כמה שיותר ברגע ששילמת.

מה שאומר שהארכיטקטורה המעשית היא סולם הסלמה ולא בחירה במודל. נקודת הביקורת הניתנת לקריאה מטפלת בעיקר התעבורה בקצב שאתה יכול לחזות. נקודת הביקורת של המנוי סופגת את תת-הקבוצה שבה נטען שהתנהגותה בטווח הארוך שונה — בהנחה שיש לך תוכנית שמכילה את הנפח, ובהנחה שטענת JobBench בת 44 הנקודות שורדת את המדידה שלך. המדידה עצמה היא החלק שיש לבנות ראשון, מפני שפער ציבורי של ארבע נקודות ופער ספק של 44 נקודות לא יכולים להיות שניהם נכונים, ועומס העבודה שלך הוא המכשיר היחיד שמכריע בכך.

שני דברים בנוגע לשאר המציעים בזירה הופכים את הסולם הזה לזול יותר לבנייה ממה שזה נשמע. הראשון הוא שכל המודלים האלה מחייבים באותה צורה — טוקני חשיבה הם טוקני פלט במחיר של 20 דולר למיליון, וסולם המאמץ נע ממינימלי למקסימלי וברירת המחדל שלו היא בינוני, כך שההגדרה שתבחרו היא סעיף גדול יותר מאשר מזהה המודל שתחליפו. השני הוא שקבוצת ההשוואה שההשקה הזו מזמינה כבר ניתנת לניתוב: Claude Opus 5.5 במחיר של 4.00 דולר לקלט ו-20.00 דולר לפלט, כמו גםMuse Spark 1.2 של Meta עצמה, במחיר של 1.25 ו-4.25 דולר, נמצאים שניהם ב-OrcaRouter במחירי המחירון של הספקים שלהם, לצד יותר מ-200 מודלים אחרים מאחורי API אחד תואם OpenAI. מחירי המחירון מועברים הלאה בתוספת של 0%, כך שהחשבון של הסולם אינו משתנה כשהמודל משתנה.

לא Muse Wonder ולא Muse Wonder Full הם אחד מהנתיבים שלנו. אין רשומת meta/muse-wonder או meta/muse-wonder-full בקטלוג, ‏Muse Wonder Full אינו זמין מחוץ למשטחי המנויים של Meta בשום מחיר, ואין בכוונתנו לתאר אף אחד מהם כאילו היה כזה. מה שנתב תורם להחלטה המסוימת הזו הוא ה-failover וה-fallback: שלב ההסלמה שאמור לפעול לעתים רחוקות הוא בדיוק השלב שבו תקלה של ספק היא הכי פחות נסבלת והכי פחות גלויה, ומעבר אוטומטי יחד עם DSL לניתוב שמסוגל לבטא את ההסלמה כקונפיגורציה ולא כקוד אפליקציה הוא מה שמונע מנתיב נדיר בשימוש להפוך להשבתה.

הגרסה שכדאי לזכור

אם הדבר היחיד שאתה לוקח מההשקה הזו הוא ש-Muse Wonder Full משיג ציון גבוה יותר מ-Muse Wonder, הרי שבידיך החלק הכי פחות שמיש לפעולה. השניים נבדלים בארבע נקודות בלוח העצמאי היחיד שמדד את שניהם, ב-44 נקודות שדווחו על ידי הספק במערך בדיקות אחד, וב-41 נקודות שדווחו על ידי הספק נגדו במערך אחר, ובחלוקה בינארית חדה בכל הנוגע לגישה: האחד הוא API שאפשר לבצע בו קריאות היום ב-4.00$ ו-20.00$ למיליון, והאחר הוא תוכנית חודשית בלי תעריף לפי טוקן ובלי שום דרך להיכנס אליה מ-SDK.

המהלך הנכון הוא להתייחס לארבע הנקודות כראיה לכך שאלה עמיתים ביכולת, ולהבדל בגישה כראיה לכך שהם לא תחליפים. בנו מול הצ'קפוינט הניתן להפעלה, בנו את רתמת המדידה שתספר לכם מה הפער שלכם, והתייחסו למנוי כאל הסלמה שאתם מפעילים כשהמדידה מצדיקה אותה — לא כשדרוג שאתם קונים כי הציון המשולב גבוה יותר. וכשספק מפרסם פער של 44 נקודות בתוך השקה אחת, השאלה המועילה אינה על איזו נקודת ביקורת לבסס תקן. היא איזה מספר שורד מפגש עם ערכת ההערכה שלכם, ולשאלה הזו יש תשובה רק אם כבר בניתם אותה.