Muse Wonder Hadir di OpenCode: Agen Coding Bertemu Token Pertama 30 Detik

Meta Muse Wonder became selectable inside OpenCode on 21 October 2026, nine days after Meta Superintelligence Labs released the model on 12 October. That is the fact worth reporting, and it is a smaller fact than the headline suggests: the model did not launch here, it was added to a coding harness that already had a long list of models. What makes the addition interesting is the collision it sets up. A terminal agent is the least forgiving place to run a model that Artificial Analysis measures at 30.35 seconds to first token, and Muse Wonder is exactly that model — 52 on the independent Intelligence Index, $4.00 per million input tokens and $20.00 per million output, and a first-token wait roughly eight times the board median. Whether a coding agent can absorb that wait is the question this piece is actually about. When a first-token figure like this one changes after a provider ships a fix, the change is logged with its date and sources in the AI Incident Archive, next to the rest of the model and vendor failures we track.

Apa yang sebenarnya berubah pada 21 Oktober

OpenCode mempublikasikan daftar modelnya dalam dokumentasinya, dan Muse Wonder kini muncul di sana dengan pengenal muse-wonder-1.0, dengan harga $4.00 untuk input, $20.00 untuk output, dan $0.20 untuk pembacaan cache per juta token — kartu tarif yang sama yang diterbitkan Meta, tanpa diskon. Entri ini disajikan melalui endpoint Responses yang kompatibel dengan OpenAI, yang berarti konfigurasi OpenCode yang sudah ada tidak memerlukan klien khusus untuk menjangkaunya; cukup string model dan kunci.

Kualifikasi yang jujur: changelog OpenCode sendiri tidak menyebutkan model tersebut. Entri terbarunya untuk minggu itu, v2.1.0 pada 20 Oktober dan v2.1.2 pada 21 Oktober, menjelaskan pemulihan batas gratis, visibilitas model, dan perubahan SDK. Jadi ketersediaannya didokumentasikan dalam daftar model alih-alih diumumkan sebagai fitur utama, yang merupakan cara biasa dukungan harness muncul dan juga alasan pembaca dapat melihat model di pemilih sebelum mereka melihat postingan blog tentangnya. Kami tidak dapat membaca postingan sosial vendor secara langsung — postingan itu mengembalikan dinding pembayaran — sehingga tanggal di sini bersandar pada daftar tersebut ditambah stempel waktu postingan itu sendiri, bukan pada siaran pers.

Tidak ada yang berubah dari model itu sendiri pada 21 Oktober. Bobotnya tidak dibuka, harganya tidak berubah, dan tidak ada tolok ukur baru yang muncul. Satu-satunya hal baru adalah jangkauan: model yang sebelumnya memerlukan penyambungan API Meta secara manual kini cukup satu baris konfigurasi di dalam alat yang sudah banyak dibuka orang.

Angka yang menentukan apakah ini menyenangkan

Artificial Analysis menjalankan setiap model melalui harness yang sama, dan bagi alat pengodean agentik, angka latensinya lebih penting daripada skor kompositnya. Untuk Muse Wonder pada pengaturan penalaran maksimalnya:

• Waktu hingga token pertama — 30,35 detik, dibandingkan median papan sebesar 3,96 detik

• Kecepatan output setelah dimulai — 145,1 token per detik, ke-26 dari 185 model yang diukur dan jauh di atas median 79,2

• Biaya per tugas Intelligence Index — sekitar $4,52, dibandingkan dengan tarif daftar gabungan sebesar $2,94 per juta token

• Token output yang dikonsumsi pada proses indeks — sekitar 130 juta, dibandingkan median 85 juta

• Jendela konteks — 1.048.576 token, dengan teks, gambar, ucapan, dan video diterima sebagai masukan serta teks dikembalikan

Dua angka latensi itu menggambarkan bentuk model yang spesifik: model berpikir lama, lalu menulis dengan cepat. Di jendela chat, hal itu masih bisa ditoleransi. Dalam loop agen yang melakukan delapan panggilan alat, penantian 30 detik dibayar per giliran, dan tugas delapan giliran dapat menghabiskan empat menit hanya untuk menunggu token pertama pada setiap langkah. Kecepatan 145 token per detik itu nyata dan itulah sebabnya model tidak terasa lambat setelah mulai berbicara — tetapi itu tidak bisa mengembalikan keheningan sebelum kata pertama.

Itu bukan argumen untuk tidak menggunakannya. Itu argumen untuk memilih giliran yang tepat. Klaim terkuat yang dilaporkan vendor untuk Muse Wonder adalah pekerjaan profesional berhorizon panjang — tabel Meta sendiri menempatkan Muse Wonder Full pada 75,3 di JobBench, tolok ukur agentik berhorizon panjang dan satu-satunya tempat angkanya paling tajam menyimpang dari model sekeluarga. Jika sesi OpenCode Anda adalah satu refaktor sulit dengan rencana besar, waktu tunggu diamortisasi sepanjang generasi yang panjang. Jika itu empat puluh penyuntingan kecil, biayanya dibayar empat puluh kali.

Repositori yang bukan merupakan rilis

Pembaca yang mencari bobot akan menemukan meta-01/muse-wonder di Hugging Face dan mungkin secara wajar menyimpulkan bahwa sesuatu yang terbuka telah terjadi. Itu tidak terjadi. Repositori tersebut berisi .gitattributes file dan tidak ada yang lain: tidak ada kartu model, tidak ada config.json, tidak ada shard safetensors, tidak ada file lisensi. Unduhan tidak dilacak, dan halaman tersebut menyatakan bahwa model tidak digunakan oleh penyedia inferensi mana pun di platform itu. Jika dibaca secara gamblang, repositori itu adalah reservasi nama — sebuah placeholder yang menyimpan string, bukan checkpoint.

Jadi pernyataan yang tepat mengenai keterbukaan Muse Wonder adalah: proprietari, hanya API, dengan repositori kosong yang menyerobot nama tersebut. Siapa pun yang mendeskripsikannya sebagai open-weight, dapat diunduh, atau dapat di-fine-tune sedang mendeskripsikan model yang berbeda. Kehati-hatian yang sama berlaku untuk struktur dua checkpoint — muse-wonder-1.0 adalah model yang dapat dipanggil, dan muse-wonder-full-1.0 adalah konfigurasi dengan skor lebih tinggi yang dijual Meta melalui langganan Muse Code, bukan per token. OpenCode mencantumkan yang pertama.

Di mana OrcaRouter berada, dan di mana tidak

Kami tidak menyediakan Muse Wonder. Tidak ada meta/muse-wonder dalam katalog model OrcaRouter, dan ketersediaan Meta di sekitarnya, sebanyak apa pun, tidak mengubah hal itu — checkpoint Meta yang kami sediakan adalah meta/muse-spark-1.2 dengan harga $1,25 untuk input dan $4,25 untuk output per juta token, serta pendahulunya versi 1.1, keduanya dengan jendela 1.048.576 token. Mengatakannya secara terus terang lebih penting daripada biasanya, karena model yang hanya dapat dijangkau melalui dua penyedia justru merupakan kasus ketika jawaban jujur sebuah router adalah "belum yang ini" alih-alih diam yang menggoda.

Yang benar-benar menjadi kegunaan lapisan routing di sini adalah eksperimen. Model berumur sepuluh hari dengan token pertama 30 detik dan hanya satu evaluasi independen di belakangnya bukanlah sesuatu yang pantas dijadikan jalur produksi berdasarkan keyakinan belaka. Arahkan sebagian trafik ke model itu dari key yang sama yang menjangkau model yang sudah Anda percayai, biarkan sisa trafik tetap di tempatnya, dan biarkan failover otomatis menangkap timeout sementara Anda mencari tahu apakah perilaku jangka panjang itu sepadan dengan penantiannya. Itu cara yang lebih murah untuk menjawab pertanyaan tersebut daripada memigrasikan alur kerja dan berharap.

Separuh lainnya dari argumen perutean adalah aritmetika. Karena kami meneruskan harga daftar penyedia tanpa markup, potongan harga vendor langsung terlihat di sisi kami pada hari yang sama, dan model yang tidak kami sediakan tidak akan muncul — katalog adalah pernyataan tentang apa yang dapat dijangkau, bukan daftar keinginan. Saat Muse Wonder hadir di sini, harga yang Anda lihat adalah harga Meta.

Apa yang akan membuat ini menjadi berita yang lebih besar

Tiga hal, masing-masing dapat diperiksa dalam satu kali pemuatan halaman. Entri Muse Wonder di changelog OpenCode, bukan hanya di daftar modelnya, akan berarti integrasi tersebut diperlakukan sebagai fitur, bukan sekadar baris katalog. Evaluator independen kedua yang menerbitkan angka jangka panjang akan memperkuat satu klaim yang saat ini sepenuhnya bergantung pada tabel milik Meta sendiri. Dan setiap perubahan di repositori Hugging Face — kartu model, lisensi, satu file safetensors — akan mengubah pertanyaan keterbukaan, yang saat ini jawabannya hanya satu kata.

Sampai saat itu, pembacaan yang tepat atas 21 Oktober bersifat sempit dan berguna: sebuah model terdepan menjadi lebih mudah dicoba di alat tempat kebanyakan orang akan mencobanya, dan hal yang akan menentukan apakah model itu tetap dikonfigurasi bukanlah skor indeksnya, melainkan apakah 30 detik keheningan per giliran merupakan harga yang sanggup dibayar oleh pekerjaan itu.