Muse Wonder לעומת Reflection Beam: האחד הוא כרטיס תעריפים, והאחר הוא הבטחה

Seven days apart, from opposite directions. M​eta put Muse Wonder into general availability on October 12, 2026, on the Meta Model API and inside Muse Code, at $4.00 per million input tokens and $20.00 per million output tokens, with a 1,048,576-token context window and no download of any kind. Reflection announced Reflection Beam on October 5, 2026 — a sparse mixture-of-experts model with 501 billion total parameters and 23 billion active per token — with the weights promised under Apache 2.0, a waitlisted preview behind a sign-up wall, and no published price on any of the company's own properties.

מה שאומר שהמסגור הכנה של ההתמודדות הזו אינו מודל מול מודל. זה מחירון מול הבטחה. את אחד מהם אפשר לקרוא לו היום אחר הצהריים ולעולם לא להחזיק בבעלותכם; את האחר אולי בסופו של דבר תחזיקו בבעלותכם, אך לא תוכלו לקרוא לו כלל היום. אם אתם בוחרים ברירת מחדל לעומס עבודה שמשוחרר ברבעון הזה, ההבחנה הזו מכריעה יותר מכל שורת בנצ׳מרק, וראוי להבהיר במפורש שאף צד שלה אינו עקיצה כלפי המעבדה האחרת.

שבעה ימים, שני כיווני נסיעה

Muse Wonder arrived as a finished commercial product with unusually thin public documentation underneath it. The model is callable, the price is listed, the parameter surface is enumerated — a reasoning-effort ladder running from minimal to max with a medium default, an output ceiling of 943,718 tokens, every reasoning token billed at the output rate — and a second checkpoint, Muse Wonder Full, ships in the same launch at a higher score but only inside a Muse Code subscription and not sold per token at all. What M​eta did not ship is anything downloadable. There is no model card release, no checkpoint, no licence grant.

Reflection עשתה את ההיפך. פוסט ההשקה של Beam הוא הודעת מחקר עם הבטחת הגשה מצורפת: טבלאות בנצ'מרק, תיאור של קדם-אימון שמציין 6,144 מערכות GB300 NVL72 וריצה בת ארבעה שבועות על 23.8 טריליון טוקנים, שלב של למידת חיזוק על 10,500 יחידות GB300 עם יותר מ-100 מיליון רולאאוטים וכ-1.3 מיליארד סנדבוקסים, והתחייבות רישיון מפורשת — המשקלים, הדוח הטכני, כרטיס המודל וארטיפקטים למפתחים יגיעו תחת Apache 2.0, בלשון החברה עצמה, בהמשך החודש. מה שלא סופק ב-5 באוקטובר הוא מחיר, חלון הקשר להגשה, נתון פלט מקסימלי או קובץ.

שתי מעבדות, שבוע אחד, וביניהן כל הספקטרום של המשמעויות ש״שוחרר״ יכול לקבל ב-2026.

מה כל אחד מהם פרסם בפועל

כל נתון להלן הוא של הספק עצמו, ובמקום שבו אין מספר, זהו הממצא.

• יכולת קריאה — Muse Wonder זמין באופן כללי מאז 2026-10-12 ב-Meta Model API תחת muse-wonder-1.0 ובתוך Muse Code; התצוגה המקדימה של Reflection Beam היא רשימת המתנה עבור "קבוצה מוגבלת של משתמשים", ללא מסלול שירות עצמי ב

• מחיר — Muse Wonder ‏$4.00 קלט / $0.20 קלט במטמון / $20.00 פלט למיליון טוקנים, מפורסם; Reflection Beam לא מפורסם בשום מקום בנכסים של Reflection עצמה, כך שכל סכום בדולרים שראית שמיוחס אליו הוא הערכה ולא מחיר מחירון.

• הקשר — Muse Wonder 1,048,576 טוקנים; תיעוד ה-API של Reflection Beam מפרט מגבלת שירות של 256,000 טוקנים עם הערת שוליים המזהירה שהנתון עשוי להשתנות במהלך הבטא, בעוד שפוסט ההשקה אומר בנפרד שאימון אמצע מרחיב את המודל של אפקטיבי הקשר ל-1M טוקנים. אלה הן יכולת מצד האימון ומגבלה מצד השירות, לא סתירה — אבל רק אחד מהם הוא מספר שאפשר לבנות עליו

• פלט מקסימלי — Muse Wonder 943,718 טוקנים; Reflection Beam לא פורסם

• מודאליות — Muse Wonder מקבל טקסט, תמונה, דיבור, וידאו וקבצים, ומחזיר טקסט; Reflection Beam הוא טקסט נכנס, טקסט יוצא

• משקלים — Muse Wonder אין, ולא הוכרזו; Reflection Beam Apache 2.0 הובטח, ולא שוחרר נכון להיום

• ציון עצמאי — Muse Wonder 52 במדד האינטליגנציה של Artificial Analysis, במקום ה-9 מתוך 219; ל-Reflection Beam אין שורה בלוח הזה, או בכל מעריך עצמאי אחר שאנו מוצאים

• ארכיטקטורה — Muse Wonder לא נחשף; Reflection Beam 501B סה"כ / 23B פעילים, יחס מוצהר של כ-4.6%

האי-סימטריה ברשימה הזו היא כל הסיפור. ל-Muse Wonder יש מחיר ויעד, אבל אין חפץ. ל-Reflection Beam יש חפץ מובטח, אבל אין לה לא מחיר ולא יעד.

הטענה בדבר היעילות היא זו שצריך להתייחס אליה בחשדנות.

הטענה המעניינת ביותר של Reflection אינה ציון בנצ'מרק. היא ש-Beam משלב יכולת קידוד ויכולת סוכנית עם "חשיבה יעילה במיוחד", ומשיג ציונים בבנצ'מרקים של חשיבה מתקדמת הדומים ל-GLM-5.2 תוך שימוש ב-3–4× פחות מחשוב להסקה, כשהפער מתרחב מול מודלים במשפחת הפרמטרים של 2T+ כגון Qwen 3.8-Max. התרשים שמאחורי הטענה ההיא הוא תרשים של ספק, על צירים של הספק עצמו, והוא לא שוחזר — אבל האריתמטיקה שמאחוריו אינה אקזוטית. FLOPs להסקה מחושבים בקירוב כפעמיים מספר הפרמטרים הפעילים כפול מספר הטוקנים שנוצרים, כך שמודל עם 23B פרמטרים פעילים שמייצר פלט דומה למשימה אכן עולה פחות למשימה ממודל עם 40B או 100B פרמטרים פעילים. הארכיטקטורה היא הטיעון, ובכל הנוגע לארכיטקטורה, הטיעון של Beam קוהרנטי.

מה שחסר הוא המכנה. החישוב לכל משימה הוא יחס, והחומר המפורסם נותן לנו את צד הפרמטרים שלו וכלום בצד הטוקנים. Reflection אינה מפרסמת מספר טוקני פלט עבור אף אחת מהרצות הבנצ'מרק שלה. אין נתון מידת פירוט, אין מדידת טוקנים לכל משימה, אין הרצה בלתי תלויה.

Muse Wonder, by contrast, has exactly that number and it cuts the other way. Artificial Analysis measured Muse Wonder (max) at 130 million output tokens consumed during its Intelligence Index evaluation, against a median of 85M across comparable models, and at about $4.52 per index task. The evaluator's own label for that behaviour is "somewhat verbose." Muse Wonder is a frontier model at a frontier price and it pays for its score in output tokens, because reasoning tokens bill at the output rate — which is the single most consequential line in M​eta's own pricing documentation.

So the two labs are making opposite bets and neither has published the numbers that would settle it. M​eta has a measurable verbosity and no disclosed parameter count, so you cannot compute its FLOPs per token. Reflection has a disclosed parameter count and no measured verbosity, so you cannot compute its tokens per task. Anyone who tells you Beam is three to four times cheaper to run than Muse Wonder is comparing a parameter ratio against a token count that does not exist.

דלילות קונה חיסכון בעלות ההסקה, לא יכולת

יש מלכודת שנייה בנתון 501B, וקל ליפול בה כי המספר כל כך גדול. סך הפרמטרים במודל תערובת מומחים דליל הוא נתון של אחסון ואימון מקדים, לא נתון חישוב לכל טוקן. כל טוקן ש-Beam מייצר נוגע בכ-23 מיליארד מתוך 501 מיליארד הפרמטרים שלו. שאר 478 המיליארד יושבים בטלים באותה קריאה. Beam אינו מודל בעל 501 מיליארד פרמטרים במובן שמודל צפוף בגודל כזה היה, וציטוט המספר לצד הגודל הלא-מפורסם של Muse Wonder מזמין השוואה שאינה אומרת דבר.

המקום שבו היחס כן משנה הוא בפריסה. צ'קפוינט של 501B ב-BF16 הוא בסדר גודל של טרה-בייט של משקלים, ומספר הפרמטרים הפעילים לא מקטין את נפח הזיכרון — רק את החישוב. הרצת Beam בעצמך משמעה או צומת גדול עם ריבוי GPU או קוונטיזציה כבדה, וקוונטיזציה היא בדיוק מסוג הדברים שאפשר להעריך רק לאחר שהמשקלים קיימים. זו הסיבה השנייה לכך ששחרור Apache 2.0 הוא האירוע שמשנה כאן, ולא הערת שוליים: הוא הופך ארכיטקטורה מבטיחה למשהו שאפשר למדוד על החומרה שלך, בגודל האצווה שלך, ועם הפרומפטים שלך.

M​eta's position on the same axis is the opposite. Muse Wonder's architecture is undisclosed and its deployment story is entirely someone else's API. You will not quantise it, will not run it on-premises for a regulated workload, and will not fine-tune it. You rent it, at a listed rate, indefinitely.

כאשר מספרי הספק והמספרים הבלתי־תלויים אינם תואמים

This is worth a short section because it is the discipline that keeps the rest of the comparison honest. M​eta's own harness puts Muse Wonder Full at 59.1 on its Personal Superintelligence Index and Muse Wonder at 56. Artificial Analysis, running its own index on Muse Wonder (max), gets 52. Same model family, same week, four points of daylight — and the independent figure is the lower one. Muse Wonder Full at 56 on the independent board is a genuine result, ranking #4 of 699 models in that class, and it is still four points below what M​eta's own table implies. None of that makes M​eta's numbers wrong; vendor harnesses are tuned for the vendor's deployment, and M​eta labels them as its own. It does mean the only figures in this article that can be laid against each other are the Artificial Analysis ones, and those exist for exactly one of the two models.

הטבלאות של Reflection מציגות גרסה שונה של אותה בעיה. Beam רשום עם 80.9 ב-SWE-Bench Verified, 80.1 ב-Terminal-Bench v2.1 ו-44.4 ב-DeepSWE v1.1, כולם מדווחים על ידי הספק, וכולם באותו עמוד עם השוואות מול Inkling ו-Nemotron 3 Ultra. שניים מבין השלושה הם ציונים שגם ל-Muse Wonder יש עבורם מספר מהספק, והשוואה בין שתי קבוצות של מספרי ספקים שהופקו על ידי שני הרנסים שונים אינה השוואה. זהו צירוף מקרים של כותרות עמודות.

אם עליך לבחור החודש

ההחלטה מסתכמת בשאלה איזה דבר חסר אתה יכול לסבול.

• משיקים ברבעון הזה, ואתה צריך יכולת קריאה, מחיר שאתה יכול לחזות, חלון של 1M טוקנים ותקציב פלט של 943,718 טוקנים — Muse Wonder הוא היחיד מבין השניים שקיים כשירות היום, והבחירה עושה את עצמה

• משוחרר ברבעון הזה, וקצב הפלט של Muse Wonder — 20 דולר למיליון — מול פרופיל הערכה של 130 מיליון טוקנים חורג מהתקציב שלך; המהלך המועיל הוא סולם המאמץ, ולא מודל אחר. חשיבה היא חובה ב-Muse Wonder, אך הסולם נע מ-minimal עד max, וכל טוקן חשיבה מחויב כפלט; הרצת חילוץ וסיווג ברמת minimal ושמירת high או max לקריאות שמצדיקות אותן היא המנוף שמזיז את החשבונית

• דרישה בסביבה מפוקחת, מבודדת פיזית (air-gapped) או מקומית (on-premises) — אף אחד מהמודלים אינו פותר אותה היום. Muse Wonder לעולם לא יעמוד בה. Beam עשוי, בעוד חודש, תחת רישיון מתירני, בעלות זיכרון שטרם מדדת

• תוכניות מחקר או כיוונון עדין — חכו למשקולות. אל תתחילו פרויקט מול ארכיטקטורת 501B שאינכם יכולים להוריד

• השוואת ביצועים מול עומס העבודה שלך — את Muse Wonder אפשר למדוד השבוע, ואת Beam אי אפשר למדוד כלל. כל מספר של Beam בגיליון ההערכה שלך הוא כיום טענה של ספק בלי מכנה.

מה אנחנו מנתבים, ומה אנחנו לא

Being plain about this: neither model is in OrcaRouter's catalogue. There is no meta/muse-wonder entry and no Reflection entry of any kind, and we will not present a route that does not exist. What we carry from Meta Superintelligence Labs is the Muse Spark line —Muse Spark 1.2 and Muse Spark 1.1 — which is the closest thing to M​eta's reasoning family a team can call through us today and costs roughly a fifth of what Muse Wonder does per token. Among the models this matchup is priced against, Claude Opus 5.5 is on our list at A​nthropic's own rates, and so is D​eepSeek V4 Pro at a fraction of that.

That honesty has a practical consequence that a comparison like this one makes unusually clear. Automatic failover only ever fails over to something we actually route, and a waitlist with no endpoint is not a fallback. If your plan for Beam is "we will test it when the preview clears," the useful thing to hold in place until then is a primary you can measure and a second route behind it — which is a configuration change on one O​penAI-compatible endpoint. OrcaRouter serves 200-plus models behind one key and one bill, so when Beam's weights land and some provider starts serving it, reaching it is an ID in a config file rather than a new integration.

מה היה משנה את התשובה, ומתי להסתכל

שלושה אירועים, לפי כמה הם היו מזיזים את זה.

הראשון הוא שחרור המשקולות. Reflection התחייבה ל-Apache 2.0 ואמרה שהארטיפקטים יגיעו בהמשך החודש. השחרור הזה הוא מה שהופך הצהרת 501B למשהו שניתן להוריד, לכימות ולבדיקה במבחני ביצועים, והוא גם במקרה הנתיב היחיד שבאמצעותו Beam תופיע אי-פעם על פלטפורמת ניתוב. עד שזה יקרה, Beam היא בגדר השערה עם ציטוט.

השני הוא הערכה בלתי תלויה. שורה אחת של Artificial Analysis עבור Beam תעשה יותר כדי להכריע את ההתמודדות הזו מכל כמות של קריאת טבלאות של ספקים, משום שהיא תספק את נתון הטוקנים לכל משימה שחסר בטענת היעילות. עקבו אחרי הלוח הזה ולא אחרי בלוג ההשקה.

השלישי הוא שמשטח התצורה של Muse Wonder עצמה מתייצב. הנתון שלה של $4.52 למשימה נמדד ברמת החשיבה המקסימלית על מודל שזמין כבר יום אחד. כשצוותים מפעילים את השלבים הנמוכים של סולם המאמץ בסביבת ייצור, העלות הריאלית של המודל תרד — והמספר הזה, ולא ציון המדד, הוא מה ש-Beam תצטרך לגבור עליו.

התשובה הסבירה ביותר בטווח הקרוב היא לא ניצחון נקי ולא הפסד נקי: צוות שזקוק למודל עכשיו מריץ את Muse Wonder, וצוות שצריך בעלות על המשקולות שלו נשאר עם זה מבין השניים שאותו הוא יכול בפועל להוריד. זוהי דרך מוזרה לתאר התמודדות ראש בראש, והיא מדויקת.