Muse Wonder מול Intern S2: 1,048,576 טוקנים לעומת 256K, וללא סרגל משותף

Intern-S2-397B and Muse Wonder have never been measured against each other by anyone. That is not a gap in the research — it is a structural fact about how each model came to exist. I​nternLM published Intern-S2-397B on September 13, 2026 as an Apache-2.0 open-weights checkpoint for scientific intelligence and long-horizon agents, benchmarked entirely by its own makers, with no third-party score at all. Meta Superintelligence Labs began selling Muse Wonder on October 12, 2026 through the Meta Model API and Muse Code, and it has exactly one independent evaluator's row. So everything below requires labelling which side of the fence each number sits on, and the two models disagree about something more basic than benchmark scores: what a context window is for. Muse Wonder's 1,048,576 tokens are a flat, priced, single-response budget. Intern-S2-397B's are split — 256K for text reasoning and 64K for multimodal input — on a checkpoint you download rather than call.

הגרסה המועילה של ההשוואה הזאת אינה איזה מודל מנצח. היא שאחד מהם הוא כלי לעבודה עם מסמכים מדעיים שאפשר להריץ בתוך ההיקף שלך, והאחר הוא ג'נרליסט שכור עם חלון גדול מאוד בתעריף קבוע. אלה רכישות שונות.

מה כל מודל הוא בפועל

Intern-S2-397B is Shanghai AI Laboratory's I​nternLM flagship, released September 13, 2026 under Apache-2.0. The name carries 397B; the model card says 403 billion total parameters, and that difference is the kind of inconsistency a checkpoint built in public accumulates. Architecturally it is a standard mixture-of-experts transformer — 60 layers, 512 experts with 10 active per token — and its headline claim is a pre-training paradigm that reads raw pages of scientific literature, figures, layout, symbolic notation and prose together, rather than parsing the text out first. Around that it scales reinforcement learning across more than twenty scientific domains and adds long-horizon agent training in sandboxed environments. It takes text, image and time-series input, produces forecasts from the time-series path, serves on LMDeploy, vLLM and SGLang, supports tool calling, and thinks by default unless you pass enable_thinking=False per request. In BF16 the checkpoint is roughly 807 GB, so self-hosting means a serious multi-GPU node.

Muse Wonder הוא פרסום החזית של Meta Superintelligence Labs מ-12 באוקטובר 2026, שהוכרז כסדרה של שני צ׳קפוינטים. רק ל-muse-wonder-1.0 יש נקודת קצה לפי טוקן, ב-Meta Model API ובתוך Muse Code; Muse Wonder Full, התצורה בעלת הניקוד הגבוה יותר, נמכר רק דרך מינוי Muse Code ואין לו מחירון פומבי. הצ׳קפוינט הניתן לקריאה מקבל קלט טקסט, תמונה, דיבור וווידאו, מחזיר טקסט, נושא חלון הקשר של 1,048,576 טוקנים, מגביל תגובה בודדת ל-943,718 טוקנים, מתומחר ב-$4.00 למיליון טוקני קלט, $0.20 במטמון ו-$20.00 פלט, ומריץ חשיבה באופן מחייב על סולם מאמץ ממינימלי עד מקסימלי שברירת המחדל שלו היא בינוני. אין משקלות, אין רישיון, ואין גרסה שתוכל להמשיך להריץ אם נקודת הקצה משתנה.

זהו ההבדל האמיתי הראשון ביניהם, והוא לא שורת בנצ'מרק. האחד הוא קובץ. האחר הוא חוזה.

חלון הקשר, ששני המודלים מתכוונים אליו באופן שונה

זה המקום שבו השוואת מפרטים מטעה במיוחד, מכיוון ששני הדגמים מתוארים routinely כבעלי הקשר ארוך.

• הקשר טקסט — Muse Wonder 1,048,576 טוקנים בחלון אחד; Intern-S2-397B 256K להסקה טקסטואלית

• הקשר מולטימודלי — החלון המלא של Muse Wonder מכסה את קלט התמונה, הדיבור והווידאו שלה; Intern-S2-397B מכיל הקשר מולטימודלי נפרד של 64K

• פלט מקסימלי בתגובה אחת — Muse Wonder ‏943,718 טוקנים; Intern-S2-397B לא פורסם כנתון להשוואה

• משטח קלט — Muse Wonder טקסט, תמונה, דיבור, וידאו; Intern-S2-397B טקסט, תמונה, סדרות זמן

• חיזוי סדרות עתיות — Muse Wonder: אין; Intern-S2-397B נתמך, כרגע מחובר דרך LMDeploy בלבד

• תעריף — Muse Wonder ‏$4.00 בקלט, $0.20 במטמון, $20.00 בפלט למיליון טוקנים; Intern-S2-397B אין תעריף מפורסם לכל טוקן, משום שמודל ההפצה הוא הורדה

שורת החיזוי היא זו שאין לה מקבילה בצד השני, והיא אינה תכונת שיווק — היא הסיבה שהמודל קיים בצורה שבה הוא קיים. מודל שקולט אות סדרת-זמן ומייצר חיזוי עושה משהו שאי אפשר לבקש ממודל טקסט לעשות, לא משנה מה גודל החלון שלו. אם זה עומס העבודה שלך, ההשוואה כבר הסתיימה.

עבור כל השאר, השאלה הרלוונטית היא מה שבאמת נכנס. חלון של 1,048,576 טוקנים בתעריף אחיד הוא מוצר שונה מחלון טקסט של 256K על חומרה שבבעלותך, וההבדל מתגלה בדיוק בעומסי העבודה שהפכו את ההקשר הארוך למעניין — בסיס קוד בפרומפט, קורפוס של מאמרים, הפעלה ארוכה של סוכן ששומרת על ההיסטוריה שלה.

מסדי הראיות, שאינם נוגעים

לא ניתן להציב את המספרים שפרסמו שני המודלים על אותו ציר, וכדאי לומר בגלוי מדוע.

Intern-S2-397B's benchmark card is I​nternLM's own, run through OpenCompass, VLMEvalKit and AgentCompass by the team that built the model, with no independent reproduction. Its columns are Qwen3.5-397B-A17B, D​eepSeek V4 Pro, Kimi K2.7-Code, GLM-5.2, GPT-5.5, Gemini 3.1 Pro and Claude Opus 4.8 — no model from M​eta, and no Muse Wonder, so the vendor's own table does not contain a single Muse comparison. and any "Intern-S2 versus Muse Wonder" figure circulating anywhere is an extrapolation across two unrelated tables.

What that card does publish, all of it I​nternLM-reported: 89.77 on MMLU Pro, 93.56 on HMMT-2026, 81.68 on MMMU Pro, 68.54 on SWE-bench-Pro, 64.04 on TerminalBench 2.1, and on the scientific sets 55.71 on Biology-Instructions, 63.28 on SciReasoner 1.5 and 53.95 on Mol-Instructions. Read that as a portrait: strong on knowledge, maths and multimodal reasoning, leading on software engineering, and twenty points behind Claude Opus 4.8 on terminal work — the exact axis a production agent spends its day on.

Muse Wonder's evidence is the inverse shape. M​eta's launch table covers both checkpoints at maximum reasoning and is built largely from sustained-agent benchmarks — DeepSWE 1.1, SWE-Marathon, Terminal-Bench 4.0-AA, OSWorld V2.1 — all of it vendor-reported, in M​eta's harness, unreproduced. Independent commentary has repeated the strongest rows without the caveat, which is how a vendor harness becomes a fact in public. The one genuinely independent row is Artificial Analysis' Intelligence Index at 52 at maximum effort, ninth of more than 200 models, with about $4.52 of measured cost per completed index task and roughly 130 million output tokens consumed against a board median near 85 million.

אז: החוזק של מודל אחד מוצהר על ידי היצרן שלו על סמך מבחנים מדעיים שאף צד שלישי לא הריץ מחדש. זה של האחר, על סמך מבחנים סוכניים, אותו דבר. איש לא השווה בין השניים. הדבר היחיד שעמוד כן יכול לעשות עם זה הוא לומר זאת בקול רם.

היכן שההשוואה נקבעת לפי מחיר, והיכן שהיא לא

Intern-S2-397B has no rate card. That is the whole pricing section, and it is a real finding rather than a missing value: you either self-host roughly 807 GB of BF16 weights on hardware you own, or you register for a token on I​nternLM's own API and live within whatever quota is granted. There is no per-token number to put beside Muse Wonder's $4.00 and $20.00, and no invoice to compare with a pay-per-token bill.

מה שזה עושה להחלטה הוא עדין יותר מ"חינם לעומת בתשלום". צ'קפוינט שהורד ממיר עלות משתנה לעלות הונית, והוא ממיר מערכת יחסים עם ספק לארטיפקט שבבעלותך. זה שווה הרבה מאוד כאשר הנתונים שלך לא יכולים לצאת מהפרימטר שלך, כאשר עומס העבודה שלך יציב מספיק כדי להצדיק את ה-GPUs, או כאשר יכולת השחזור חשובה יותר מנקודת benchmark. זה שווה מעט מאוד אם התעבורה שלך קופצנית, אם לצוות שלך אין serving stack, או אם אתה צריך שהמודל ישתפר בלי שתעשה דבר.

Neither model is served by us, and it is worth saying so plainly rather than implying otherwise: Intern-S2-397B is a brand-new Apache-2.0 checkpoint with no routing coverage, and Muse Wonder is on M​eta's API and inside Muse Code with no third-party serving we can verify. What a router does help with is the half of this that is callable. OrcaRouter carries more than 200 models behind one key at provider list price with 0% markup — no middleman delta, so a vendor price cut is live the same day — including M​eta's own Muse Spark 1.2 and Muse Spark 1.1, so the M​eta models you can reach today sit next to everything else on the same credential. If your production traffic lands on a routed model and your scientific batch work runs on Intern-S2-397B somewhere you control, that seam is a routing decision rather than a second integration.

מי צריך לבחור מה

בחר ב-Intern-S2-397B כאשר העבודה היא קריאת חומר מדעי: מאמר עתיר איורים, תרשים מולקולרי, טבלה סרוקה, תחזית מאות של סדרה עיתית, או סוכן שצריך להמשיך לעבוד על משימת מחקר. רישיון Apache-2.0 אומר שתוכל לכוונן אותו על נתונים קנייניים ולשמור את התוצאה בתוך ההיקף שלך — וזה החלק בהשוואה הזו שאף מחירון לא מבטא. הקצה תקציב לחומרה, ואל תצפה ללוח תוצאות עצמאי במשך כמה חודשים — המאגר בן שבועות ספורים ואינו כולל מדידה של צד שלישי.

Take Muse Wonder when the work is general, long and agentic, and when you would rather rent than own: a 1,048,576-token window at a flat rate with no step, a 943,718-token response ceiling that nothing in Intern-S2's published material answers, mandatory reasoning for hard multi-step tasks, and a pay-per-token bill you can put in a spreadsheet today. The caveat is the same one that applies to every row M​eta published: two days of independent measurement is two days, and one evaluator is one evaluator.

הצוות שזקוק לשניהם צריך להתייחס לגבול ביניהם כאל שאלת ניתוב ולא כאל הגירה. הריצו את התעבורה הכללית על מודל שאפשר לקרוא לו, השאירו את העבודה המדעית על נקודת הביקורת שאפשר להחזיק, והריצו מחדש את ההערכות שלכם על Intern-S2-397B לפני שאתם מאמינים לנתון של ספק לגבי ביצועי הטרמינל שלו — כי הטבלה של הספק עצמו היא השורה הכי פחות מחמיאה שבה.