GPT-Rosalind vs Muse Wonder: cosa ti offre un contesto da 1M in un laboratorio di biologia

Muse Wonder e GPT-Rosalind sono i due modelli di questo confronto più vicini sulla carta e più distanti negli scopi. Meta Superintelligence Labs ha rilasciato Muse Wonder il 12 ottobre 2026 a 4,00 $ per milione di token in input e 20,00 $ per milione in output, con una finestra di contesto di 1M di token e un Artificial Analysis Index di 56 — la stessa fascia di prezzo e la stessa dimensione di contesto di GPT-Rosalind, un modello che OpenAI vende dal 16 aprile 2026 a 5,00 $ e 25,00 $. I cinque dollari e i cinque dollari di differenza non sono la parte interessante. La parte interessante è che uno di questi modelli risponderà a qualsiasi domanda gli si ponga, mentre l'altro risponderà solo alle domande di organizzazioni che hanno superato una revisione, e il secondo è l'unico dei due che è stato messo a punto su ciò che un laboratorio di biologia fa davvero. Quando un rilascio ad accesso limitato si apre o un punteggio viene rivisto, la modifica viene registrata con le sue date e le sue fonti in AI Incident Archive, accanto agli altri incidenti di modelli e fornitori che monitoriamo.

Stessa finestra di contesto, un motivo diverso per averla.

Entrambi i modelli gestiscono un milione di token, e vale la pena capire che si tratta di una coincidenza tra due decisioni progettuali non correlate, anziché di una capacità condivisa.

La ragione di Meta è l'ampiezza. {{1}}Muse Wonder accetta in input testo, immagini, voce e video, restituisce testo ed è pensato per quelli che Meta chiama compiti agentici personali e professionali{{/1}}. Il suo gemello {{2}}Muse Wonder Full è rinchiuso all'interno di un abbonamento Muse Code — 50 $ al mese per il piano Power Usage, 200 $ per Maximum Usage — il che lo rende una decisione di prodotto anziché un livello API{{/2}}. Un milione di token è ciò di cui hai bisogno quando una singola sessione di agente deve contenere contemporaneamente una registrazione dello schermo, un documento, una cronologia delle conversazioni e una trascrizione degli strumenti.

La ragione di O​penAI è la profondità. GPT-Rosalind dispone di un milione di token, così un laboratorio può inserire in un’unica passata un intero atlante di riferimento, una libreria di protocolli e la descrizione di un dataset. La sua superficie di strumenti è un plugin per le scienze della vita con più di cinquanta strumenti; i suoi benchmark pubblicati sono chimica e genomica; il suo gate esiste perché il modello è giudicato sufficientemente bravo in biologia da richiederne uno.

• Finestra di contesto — Muse Wonder 1.000.000 di token vs GPT-Rosalind 1.000.000 di token. Un vero pareggio.

• Modalità di input — Muse Wonder: testo, immagine, parlato e video. GPT-Rosalind: input testuali e file scientifici tramite ChatGPT, Codex e l'API; nessuna dichiarazione pubblicata sull'input di immagini generiche.

• Output — Solo testo, entrambi.

• Prezzo — Muse Wonder 4,00 $ input / 0,20 $ in cache / 20,00 $ output per 1M contro GPT-Rosalind 5,00 / 0,50 / 25,00 $. Lo specialista costa il 25% in più su ogni voce e 2,5× di più sulle letture dalla cache.

• Accesso — Muse Wonder è richiamabile oggi come muse-wonder-1.0 sulla Meta Model API e all'interno di Muse Code. GPT-Rosalind richiede una revisione per l'accesso attendibile.

• Punteggio indipendente — Muse Wonder 56 sull'Artificial Analysis Index, v4.3.2. GPT-Rosalind: non monitorato su quella classifica.

Quell'ultima coppia è il punto cruciale. Su ogni asse che un team di approvvigionamento può misurare senza fare ricerca scientifica, Muse Wonder vince: costa meno, è disponibile senza una candidatura, accetta più tipi di input e ha un punteggio indipendente. L'unico asse su cui vince GPT-Rosalind è quello che nessuna classifica misura, ed è quello di cui tratta questo articolo.

I punteggi che non sono comparabili, detti chiaramente

Il 56 di Muse Wonder e il 27,5% di Rosalind non sono due letture della stessa cosa, e qualsiasi tabella che li metta in colonne adiacenti è fuorviante. Il 56 è un composito indipendente su dieci valutazioni generali: AA-Briefcase, GDPval-AA, AutomationBench, Terminal-Bench, SciCode, Humanity's Last Exam, GDP.pdf e altri. Il 27,5% è il benchmark di chimica medicinale proprio di OpenAI, misurato rispetto a GPT-5.5, non replicato.

• Muse Wonder — 56 sull'Artificial Analysis Index; la tabella di Meta riporta Terminal-Bench 4.0-AA a 85,6, SWE-Marathon a 78,8, OSWorld V2.1 a 72,6, HealthBench Pro a 56,6 e DeepSWE 1.1 a 52,0. Tutte le righe di Meta sono dichiarate dal fornitore; il numero dell'indice è indipendente.

• GPT-Rosalind — MedChemBench 27,5% vs 25,1%, GeneBench 21,6% vs 20,4%, LabWorkBench 63,2% vs 55,8%, e un guadagno del 4,42% in prestazioni per token su LifeSciBench. Tutti riportati da O​penAI, nessuno riprodotto in modo indipendente.

• L'unica sovrapposizione degna di nota — HealthBench Pro è un benchmark di conoscenza clinica, e GPT-Rosalind non pubblica nulla al riguardo. Il 56,6 di Meta non dice nulla sulla capacità di Muse Wonder di progettare un esperimento di perturbazione.

Non esiste alcun benchmark pubblico di biologia sul quale entrambi questi modelli siano stati valutati. Questa assenza è il fatto più importante del confronto, e non verrà risolta da nessuno dei due fornitori.

Che cosa fa Muse Wonder Full al confronto prezzi

Meta ha rilasciato due checkpoint il 12 ottobre, e la suddivisione cambia il significato di "Muse Wonder" a seconda della porta da cui si entra.

• Muse Wonder — muse-wonder-1.0, sull'API Meta Model e all'interno di Muse Code, $4.00 / $0.20 / $20.00.

• Muse Wonder Full — un checkpoint separato con un punteggio più alto che, secondo Meta, è disponibile solo per gli abbonati a Muse Code. Non è un flag sul modello API; è un modello diverso dietro un prodotto mensile da $50 a $200.

• La differenza — la tabella di Meta stessa mostra Muse Wonder Full a 75,3 su JobBench contro 30,8 per Muse Wonder, e 59,1 contro 10,0 su Vals Finance Agent V2. Un divario di 44 punti tra due checkpoint dello stesso laboratorio su un unico benchmark è o una reale differenza di capacità o un artefatto dell'harness, e solo una terza parte può stabilire quale delle due.

Per un laboratorio, la lettura pratica è che il modello acquistabile tramite un'API e il modello per cui Meta pubblica i suoi migliori numeri non sono lo stesso modello. Chiunque confronti "Muse Wonder" con GPT-Rosalind sulla base dei punteggi di Full sta confrontando un prodotto in abbonamento con un modello API.

Dove un milione di token viene effettivamente utilizzato

È la parità sul contesto il motivo per cui questi due modelli vengono messi a confronto, quindi vale la pena essere concreti su che cosa fa un laboratorio con un milione di token rispetto a che cosa ne fa un agente generalista.

Un agente generale che gestisce un milione di token mantiene uno stato: la conversazione, gli screenshot, gli output degli strumenti, il file corrente. Il contesto è uno spazio di lavoro. Un flusso di lavoro biologico che gestisce un milione di token mantiene un riferimento: l’atlante, le tabelle di annotazione, il corpus di protocolli, la letteratura precedente. Il contesto è una biblioteca.

Quelli sono carichi di lavoro diversi e mettono sotto stress cose diverse. Uno spazio di lavoro premia cicli di strumenti veloci e letture di cache a basso costo; una libreria premia la capacità di tenere in vista un ampio corpus di testo di dominio e di ragionarci sopra senza perdere il filo. Meta ottimizza per il primo — la Active Memory di Muse Wonder mantiene lo stato attraverso una sessione, e Active Focus gestisce l'attenzione del modello stesso sui compiti lunghi, entrambe funzionalità che hanno senso solo per un uso agentico. O​penAI ottimizza per il secondo, ed è per questo che i guadagni pubblicati riguardano compiti in cui il modello deve tenere a mente contemporaneamente un protocollo e una perturbazione.

• Economia della cache — Muse Wonder $0.20 per milione di token in cache rispetto a GPT-Rosalind $0.50. In una lunga sessione agente che invia di nuovo un ampio prompt di sistema a ogni turno, il modello generalista costa 2,5× meno sulla voce che domina.

• Design della sessione — Lo stato persistente tra sessioni di Muse Wonder è l'affermazione che più cambia il modo in cui si progetta un'applicazione, ed è anche quella che una model card non può dimostrare.

• Testo del dominio — Nessuno dei due fornitori pubblica un benchmark di recupero a lungo contesto per testi scientifici, quindi la parità non è verificata nella direzione che qui conta.

Il gate è ciò che fa la differenza, non il benchmark

Ecco l'asimmetria che decide la trattativa di acquisto. Muse Wonder viene venduto a chiunque abbia una carta. GPT-Rosalind viene venduto solo a organizzazioni che superano una revisione, e la revisione esiste perché OpenAI ha concluso che la capacità del modello in biologia non dovrebbe essere disponibile su richiesta. Dall'11 settembre 2026 quella soglia è aperta a livello globale alle organizzazioni idonee, anziché a un elenco nominativo di partner; dal 15 ottobre esiste anche un percorso accademico che offre ai laboratori idonei fino a 30 licenze ChatGPT Business gratuite per un massimo di dodici mesi ed esclude esplicitamente l'accesso all'API.

Due letture di questo, ed entrambe sono difendibili. Quella cinica: un gate è una tassa sui ricercatori legittimi che non fa nulla per fermare chiunque altro. Quella utile: un fornitore che mette un gate a un modello ti ha detto dove ritiene che sia concentrata la capacità, e un fornitore che vende un modello generale a tutti ti ha detto la stessa cosa per omissione. I punti di forza pubblicati da Meta per Muse Wonder sono il lavoro agentico, la programmazione e le attività professionali. La biologia non è nella presentazione, e non c'è alcun gate perché non c'è nulla a cui applicarlo.

Quindi la decisione non è "quale modello sia migliore". È "la mia richiesta appartiene alla libreria o al workspace?", e la risposta di solito è ovvia una volta che la domanda viene posta in questi termini.

Gestire la coppia, ed essere onesti su quale metà serviamo

Né Muse Wonder né GPT-Rosalind sono su OrcaRouter. Muse Wonder è raggiungibile tramite l'API proprietaria di Meta e all'interno di Muse Code; GPT-Rosalind solo tramite il programma di accesso fidato di OpenAI. Non intendiamo lasciare intendere che instradiamo nessuno dei due.

Quello che invece portiamo da quella famiglia è la linea Muse Spark — Muse Spark 1.2 e Muse Spark 1.1 a $1,25 input e $4,25 output per milione di token con una finestra di contesto di 1.048.576 token, un checkpoint aggiornato allo stesso prezzo e una superficie di input più ampia che include video e audio oltre a testo, immagini e PDF. Per un laboratorio che valuta se un modello Meta si adatta alla propria pipeline prima di impegnarsi in un abbonamento a Muse Code, questo è il modo economico per scoprirlo. Accanto a esso ci sono oltre 200 altri modelli dietro un'unica chiave al prezzo di listino del provider con 0% di ricarico, così un taglio di prezzo del fornitore è attivo dalla nostra parte lo stesso giorno in cui viene pubblicato.

L'architettura che ha senso qui è la stessa separazione su cui questi confronti continuano a convergere. La parte workspace — orchestrazione, parsing, il codice attorno alla scienza, il lavoro sui documenti — gira su un modello che puoi chiamare oggi, con failover automatico così che un intoppo di un provider sposti una richiesta invece di far fallire una run. La parte library resta su una chiave specialistica diretta, dietro una route denominata nel DSL di routing che fallisce in modo esplicito quando lo specialista non è disponibile invece di rispondere silenziosamente con un modello generale. Se vuoi un secondo parere su un risultato al limite senza pagare tariffe da specialista per ogni richiesta, la fusione di modelli su un panel è il meccanismo: diversi modelli rispondono, tu confronti, e il disaccordo è il segnale.

Cosa lo risolverebbe

Tre cose. Un harness indipendente potrebbe rieseguire il JobBench di Meta e gli spread di Vals Finance, il che ti direbbe se il divario di 44 punti tra i due checkpoint di Muse Wonder è capacità o artefatto. Un percorso API muse-wonder-full renderebbe acquistabile il modello con il punteggio più alto anziché vincolato all'abbonamento. E qualsiasi valutazione biologica indipendente che copra entrambi i modelli sostituirebbe questa intera discussione con un numero, che è ciò di cui il settore aveva bisogno da aprile.

In loro assenza, la regola è abbastanza semplice da scrivere su un cartoncino. Se la richiesta è agentica, multimodale o riguarda il mantenimento della coerenza di una sessione lunga, Muse Wonder a $4.00 / $20.00 con un contesto da 1M e un punteggio indipendente di 56 è l'acquisto migliore e puoi iniziare oggi. Se la richiesta riguarda la biologia, l'unico modello qui che sia stato messo a punto per essa è dietro una revisione, costa il 25% in più su ogni voce e non compare su nessuna classifica che tu possa consultare — e questa combinazione è l'aspetto di uno specialista prima che i benchmark lo raggiungano.