Muse Wonder vs Reflection Beam: Satu Adalah Kartu Tarif, yang Lain Adalah Janji

Tujuh hari berjarak, dari arah yang berlawanan. M​eta menempatkan Muse Wonder ke ketersediaan umum pada 12 Oktober 2026, di Meta Model API dan di dalam Muse Code, dengan $4,00 per juta token masukan dan $20,00 per juta token keluaran, dengan jendela konteks 1.048.576 token dan tanpa perlu mengunduh apa pun. Reflection mengumumkan Reflection Beam pada 5 Oktober 2026 — model sparse mixture-of-experts dengan total 501 miliar parameter dan 23 miliar parameter aktif per token — dengan bobot yang dijanjikan di bawah Apache 2.0, pratinjau dengan daftar tunggu di balik dinding pendaftaran, dan tanpa harga yang dipublikasikan di properti mana pun milik perusahaan itu sendiri.

Yang berarti, pembingkaian yang jujur untuk adu ini bukanlah model melawan model. Ini adalah daftar tarif melawan janji. Salah satunya dapat Anda hubungi sore ini dan tidak akan pernah Anda miliki; yang lain mungkin pada akhirnya Anda miliki dan sama sekali tidak dapat Anda hubungi hari ini. Jika Anda memilih default untuk beban kerja yang dirilis kuartal ini, perbedaan itu lebih menentukan daripada baris benchmark mana pun, dan perlu dinyatakan secara eksplisit bahwa tidak ada sisi dari perbedaan itu yang merupakan celaan terhadap lab lain.

Tujuh hari, dua arah perjalanan

Muse Wonder hadir sebagai produk komersial yang sudah jadi dengan dokumentasi publik yang luar biasa tipis di bawahnya. Model ini dapat dipanggil, harganya tercantum, permukaan parameternya dirinci — sebuah tangga upaya penalaran yang membentang dari minimal hingga maks dengan default medium, plafon keluaran 943.718 token, setiap token penalaran ditagih pada tarif keluaran — dan checkpoint kedua, Muse Wonder Full, dirilis dalam peluncuran yang sama dengan skor lebih tinggi tetapi hanya di dalam langganan Muse Code dan tidak dijual per token sama sekali. Yang tidak dirilis Meta adalah apa pun yang dapat diunduh. Tidak ada rilis kartu model, tidak ada checkpoint, tidak ada pemberian lisensi.

Reflection melakukan kebalikannya. Postingan peluncuran Beam adalah pengumuman riset dengan janji penyajian yang melekat: tabel tolok ukur, uraian pra-pelatihan yang menyebut 6.144 sistem GB300 NVL72 dan proses selama empat minggu atas 23,8 triliun token, tahap pembelajaran penguatan pada 10.500 GB300 dengan lebih dari 100 juta rollout dan sekitar 1,3 miliar sandbox, serta komitmen lisensi yang spesifik — bobot, laporan teknis, kartu model, dan artefak pengembang akan menyusul di bawah Apache 2.0, dalam kata-kata perusahaan sendiri, belakangan pada bulan itu. Yang tidak dirilis pada 5 Oktober adalah harga, jendela konteks penyajian, angka output maksimum, atau berkas.

Dua lab, satu minggu, dan di antara keduanya terbentang seluruh spektrum makna "dirilis" pada 2026.

Apa yang sebenarnya telah diterbitkan oleh masing-masing

Setiap angka di bawah ini adalah milik vendor sendiri, dan bila suatu angka tidak ada, itulah temuannya.

• Kemampuan Panggilan — Muse Wonder tersedia secara umum sejak 2026-10-12 di Meta Model API dengan muse-wonder-1.0 dan di dalam Muse Code; pratinjau Reflection Beam adalah daftar tunggu untuk "sejumlah pengguna terbatas," tanpa jalur swalayan di

• Harga — Muse Wonder $4.00 masuk / $0.20 masuk cache / $20.00 keluar per juta token, dipublikasikan; Reflection Beam tidak dipublikasikan di mana pun pada properti milik Reflection sendiri, jadi angka dolar apa pun yang Anda lihat dikaitkan dengannya adalah perkiraan, bukan harga daftar

• Konteks — Muse Wonder 1.048.576 token; dokumentasi API Reflection Beam mencantumkan batas penyajian 256.000 token dengan catatan kaki yang memperingatkan bahwa angka tersebut dapat berubah selama beta, sementara posting peluncuran secara terpisah menyatakan bahwa midtraining memperluas konteks efektif model menjadi 1 juta token. Itu adalah kemampuan di sisi pelatihan dan batas di sisi penyajian, bukan kontradiksi — tetapi hanya salah satunya yang merupakan angka yang dapat Anda jadikan acuan

• Output maksimum — Muse Wonder 943.718 token; Reflection Beam belum dipublikasikan

• Modalitas — Muse Wonder menerima teks, gambar, suara, video, dan berkas, lalu mengembalikan teks; Reflection Beam adalah teks masuk, teks keluar

• Bobot — Muse Wonder tidak ada, dan tidak ada yang diumumkan; Reflection Beam Apache 2.0 dijanjikan, belum dirilis hingga hari ini

• Skor independen — Muse Wonder 52 pada Intelligence Index milik Artificial Analysis, peringkat #9 dari 219; Reflection Beam tidak memiliki baris di papan itu, atau di evaluator independen lain yang dapat kami temukan

Arsitektur — Muse Wonder tidak diungkapkan; Reflection Beam 501B total / 23B aktif, rasio yang dinyatakan sekitar 4,6%

Asimetri dalam daftar itu adalah keseluruhan ceritanya. Muse Wonder memiliki harga dan target tetapi tidak memiliki artefak. Reflection Beam memiliki artefak yang dijanjikan tetapi tidak memiliki harga maupun target.

Klaim efisiensi adalah yang perlu disikapi dengan hati-hati

Klaim paling menarik Reflection bukanlah skor tolok ukur. Klaim itu adalah bahwa Beam memadukan kemampuan coding dan agentik dengan "penalaran yang sangat efisien," meraih skor pada tolok ukur penalaran tingkat lanjut yang sebanding dengan GLM-5.2 sembari menggunakan komputasi inferensi 3–4× lebih sedikit, dengan selisih yang melebar terhadap model dalam keluarga parameter 2T+ seperti Qwen 3.8-Max. Bagan di balik klaim itu adalah bagan vendor, pada sumbu milik vendor sendiri, dan belum direproduksi — tetapi aritmetika yang mendasarinya tidak eksotis. FLOPs inferensi kira-kira berskala dua kali jumlah parameter aktif dikali jumlah token yang dihasilkan, jadi model dengan 23B parameter aktif yang menghasilkan keluaran sebanding untuk suatu tugas memang berbiaya lebih rendah per tugas daripada model dengan 40B atau 100B parameter aktif. Arsitekturnya adalah argumennya, dan dalam hal arsitektur, argumen Beam koheren.

Yang hilang adalah penyebutnya. Compute per task adalah rasio, dan materi yang diterbitkan memberi kita sisi parameternya dan tidak memberi apa pun pada sisi token. Reflection tidak menerbitkan jumlah token keluaran untuk satu pun run benchmark-nya. Tidak ada angka verbositas, tidak ada pengukuran token per tugas, tidak ada eksekusi independen.

Sebaliknya, Muse Wonder justru memiliki angka persis seperti itu dan efeknya berkebalikan. Artificial Analysis mengukur Muse Wonder (max) pada 130 juta token keluaran yang dikonsumsi selama evaluasi Intelligence Index-nya, dibandingkan dengan median 85 juta pada model-model yang sebanding, dan sekitar $4,52 per tugas indeks. Label dari evaluator sendiri untuk perilaku tersebut adalah "agak bertele-tele." Muse Wonder adalah model frontier dengan harga frontier dan ia membayar skornya dengan token keluaran, karena token penalaran ditagih pada tarif keluaran — yang merupakan baris paling krusial dalam dokumentasi harga Meta sendiri.

Jadi kedua lab itu memasang taruhan yang berlawanan dan tak satu pun telah menerbitkan angka yang bisa menyelesaikannya. Meta memiliki verbositas yang terukur dan tidak mengungkapkan jumlah parameter, sehingga Anda tidak dapat menghitung FLOPs per tokennya. Reflection memiliki jumlah parameter yang diungkapkan dan verbositas yang tidak terukur, sehingga Anda tidak dapat menghitung token per tugasnya. Siapa pun yang memberi tahu Anda bahwa Beam tiga hingga empat kali lebih murah untuk dijalankan daripada Muse Wonder sedang membandingkan rasio parameter dengan jumlah token yang tidak ada.

Sparsitas menghemat biaya inferensi, bukan kemampuan

Ada jebakan kedua dalam angka 501B, dan mudah terjerumus ke dalamnya karena angkanya begitu besar. Total parameter dalam model sparse mixture-of-experts adalah statistik penyimpanan dan pra-pelatihan, bukan statistik komputasi per token. Setiap token yang dihasilkan Beam menyentuh sekitar 23 miliar dari 501 miliar parameternya. 478 miliar lainnya tidak terpakai pada panggilan itu. Beam bukanlah model 501 miliar parameter dalam pengertian yang dimiliki model dense sebesar itu, dan mengutipnya di samping ukuran Muse Wonder yang tidak diungkapkan akan mengundang perbandingan yang tidak berarti.

Justru di deployment-lah rasio itu penting. Checkpoint 501B dalam BF16 berada pada kisaran satu terabyte bobot, dan jumlah parameter aktif tidak memperkecil jejak memori — hanya komputasinya. Melayani Beam sendiri berarti Anda memerlukan node multi-GPU besar atau kuantisasi yang berat, dan kuantisasi justru hal yang hanya bisa dievaluasi setelah bobot tersedia. Itulah alasan kedua rilis Apache 2.0 menjadi peristiwa yang penting di sini, bukan sekadar catatan kaki: rilis ini mengubah arsitektur yang menjanjikan menjadi sesuatu yang bisa Anda ukur di perangkat keras Anda sendiri, pada ukuran batch Anda sendiri, dengan prompt Anda sendiri.

Posisi Meta pada sumbu yang sama justru sebaliknya. Arsitektur Muse Wonder tidak diungkapkan dan kisah penerapannya sepenuhnya adalah API milik pihak lain. Anda tidak akan mengkuantisasinya, tidak akan menjalankannya secara on-premises untuk beban kerja yang diatur, dan tidak akan melakukan fine-tuning padanya. Anda menyewanya, dengan tarif yang tercantum, tanpa batas waktu.

Ketika angka vendor dan angka independen tidak sesuai

Ini layak mendapat bagian singkat karena inilah disiplin yang menjaga sisa perbandingan tetap jujur. Harness milik Meta sendiri menempatkan Muse Wonder Full pada 59,1 di Personal Superintelligence Index miliknya dan Muse Wonder pada 56. Artificial Analysis, yang menjalankan indeksnya sendiri pada Muse Wonder (max), memperoleh 52. Keluarga model yang sama, minggu yang sama, selisih empat poin — dan angka independen justru yang lebih rendah. Muse Wonder Full pada 56 di papan independen adalah hasil yang nyata, menempati peringkat #4 dari 699 model di kelas itu, dan tetap empat poin di bawah apa yang tersirat dari tabel Meta sendiri. Semua itu tidak membuat angka-angka Meta salah; harness vendor disetel untuk penerapan vendor, dan Meta menandainya sebagai miliknya sendiri. Ini berarti satu-satunya angka dalam artikel ini yang dapat diadu satu sama lain adalah angka dari Artificial Analysis, dan angka itu ada untuk tepat satu dari dua model tersebut.

Tabel-tabel Reflection menyajikan versi berbeda dari masalah yang sama. Beam terdaftar pada 80,9 di SWE-Bench Verified, 80,1 di Terminal-Bench v2.1, dan 44,4 di DeepSWE v1.1, semuanya dilaporkan vendor, semuanya ada di halaman yang sama dengan perbandingan terhadap Inkling dan Nemotron 3 Ultra. Muse Wonder juga memiliki angka vendor untuk dua dari tiga skor tersebut, dan membandingkan dua kumpulan angka vendor yang dihasilkan oleh dua harness berbeda bukanlah sebuah perbandingan. Itu hanyalah kebetulan judul kolom.

Jika kamu harus memilih bulan ini

Keputusan ini akhirnya bergantung pada hal yang hilang mana yang dapat Anda toleransi.

• Dirilis kuartal ini, dan Anda memerlukan kemampuan untuk dipanggil, harga yang bisa diprediksi, jendela 1 juta token, dan anggaran output 943.718 token — Muse Wonder adalah satu-satunya dari keduanya yang tersedia sebagai layanan saat ini, dan pilihan itu sudah jelas dengan sendirinya

• Rilis kuartal ini, dan tarif output Muse Wonder sebesar $20 per juta terhadap profil evaluasi 130M token berada di luar anggaran Anda — langkah yang berguna adalah tangga upaya, bukan model yang berbeda. Penalaran wajib di Muse Wonder, tetapi tangga upaya itu membentang dari minimal hingga max dan setiap token penalaran ditagih sebagai output; menjalankan ekstraksi dan klasifikasi pada tingkat minimal serta menyisakan high atau max untuk panggilan yang memang layak mendapatkannya adalah tuas yang menggerakkan tagihan.

• Persyaratan teregulasi, air-gapped, atau on-premises — tidak satu pun dari model itu yang menyelesaikannya saat ini. Muse Wonder tidak akan pernah memenuhinya. Beam mungkin bisa, dalam sebulan, di bawah lisensi permisif, dengan biaya memori yang belum Anda ukur

• Rencana riset atau fine-tuning — tunggu bobotnya. Jangan memulai proyek pada arsitektur 501B yang tidak dapat Anda unduh

• Melakukan benchmarking terhadap beban kerja Anda sendiri — Muse Wonder dapat diukur minggu ini dan Beam tidak dapat diukur sama sekali. Setiap angka Beam dalam spreadsheet evaluasi Anda saat ini hanyalah klaim vendor tanpa penyebut.

Apa yang kami rutekan, dan apa yang tidak

Terus terang soal ini: tidak ada satu pun dari kedua model itu yang ada di katalog OrcaRouter. Tidak ada meta/muse-wonder entri dan tidak ada entri Reflection dalam bentuk apa pun, dan kami tidak akan menyajikan rute yang tidak ada. Yang kami bawa dari Meta Superintelligence Labs adalah lini Muse Spark —Muse Spark 1.2 dan Muse Spark 1.1 — yang merupakan hal terdekat dengan keluarga penalaran M​eta yang bisa diakses tim melalui kami hari ini dan biayanya sekitar seperlima dari biaya Muse Wonder per token. Di antara model-model yang dibandingkan dalam pertarungan ini, Claude Opus 5.5 ada dalam daftar kami dengan tarif A​nthropic sendiri, dan begitu juga D​eepSeek V4 Pro dengan tarif sepersekian dari itu.

Kejujuran itu memiliki konsekuensi praktis yang dibuat sangat jelas oleh perbandingan seperti ini. Failover otomatis hanya akan beralih ke sesuatu yang benar-benar kami rutekan, dan daftar tunggu tanpa endpoint bukanlah fallback. Jika rencana Anda untuk Beam adalah "kami akan mengujinya saat pratinjau selesai," hal yang berguna untuk dipertahankan sampai saat itu adalah primer yang dapat Anda ukur dan rute kedua di belakangnya — yang merupakan perubahan konfigurasi pada satu endpoint yang kompatibel dengan OpenAI. OrcaRouter menyediakan lebih dari 200 model di balik satu kunci dan satu tagihan, jadi ketika bobot Beam tersedia dan beberapa penyedia mulai menyajikannya, menjangkaunya hanyalah sebuah ID di file konfigurasi, bukan integrasi baru.

Apa yang akan mengubah jawabannya, dan kapan harus melihat

Tiga peristiwa, diurutkan berdasarkan seberapa besar dampaknya terhadap hal ini.

Yang pertama adalah rilis bobot. Reflection telah berkomitmen pada Apache 2.0 dan mengatakan bahwa artefaknya akan datang akhir bulan ini. Rilis itulah yang mengubah klaim 501B menjadi sesuatu yang dapat diunduh, dikuantifikasi, dan dijadikan tolok ukur, dan kebetulan juga merupakan satu-satunya jalur yang memungkinkan Beam muncul di platform perutean. Sampai itu terjadi, Beam hanyalah hipotesis dengan sebuah sitasi.

Yang kedua adalah evaluasi independen. Satu baris Artificial Analysis untuk Beam akan lebih menentukan pertarungan ini daripada sebanyak apa pun pembacaan tabel vendor, karena itu akan menyediakan angka token per tugas yang hilang dari klaim efisiensi. Pantau papan itu ketimbang blog peluncuran.

Yang ketiga adalah permukaan konfigurasi milik Muse Wonder sendiri yang mulai stabil. Angka $4,52 per tugasnya diukur pada penalaran maksimum pada model yang baru tersedia selama satu hari. Saat tim menggunakan tingkat-tingkat yang lebih rendah dari tangga effort di produksi, biaya realistis model akan turun — dan angka itulah, bukan skor indeks, yang harus dikalahkan Beam.

Jawaban jangka pendek yang paling mungkin bukanlah kemenangan yang jelas maupun kekalahan yang jelas: tim yang membutuhkan model saat ini menjalankan Muse Wonder, dan tim yang perlu memiliki bobotnya sendiri berakhir dengan salah satu dari keduanya yang benar-benar dapat diunduh. Itu cara yang aneh untuk menggambarkan adu langsung, sekaligus cara yang akurat.