Muse Wonder approda su OpenCode: un agente di programmazione incontra il primo token in 30 secondi

Meta Muse Wonder è diventato selezionabile all'interno di OpenCode il 21 ottobre 2026, nove giorni dopo il rilascio del modello da parte di Meta Superintelligence Labs il 12 ottobre. Questo è il fatto che vale la pena riportare, ed è un fatto più piccolo di quanto suggerisca il titolo: il modello non è stato lanciato qui, è stato aggiunto a un harness di programmazione che aveva già una lunga lista di modelli. Ciò che rende interessante l'aggiunta è la collisione che crea. Un agente da terminale è il posto meno indulgente in cui eseguire un modello che Artificial Analysis misura a 30,35 secondi al primo token, e Muse Wonder è esattamente quel modello: 52 sull'Intelligence Index indipendente, 4,00 $ per milione di token in input e 20,00 $ per milione in output, e un'attesa del primo token pari a circa otto volte la mediana della classifica. Se un agente di programmazione possa assorbire quell'attesa è la domanda di cui questo articolo si occupa davvero. Quando un valore di primo token come questo cambia dopo che un fornitore rilascia una correzione, la modifica viene registrata con la relativa data e le fonti in the AI Incident Archive, accanto al resto dei guasti di modelli e fornitori che monitoriamo.

Che cosa è cambiato davvero il 21 ottobre

OpenCode pubblica il suo elenco di modelli nella propria documentazione, e Muse Wonder ora vi appare con l'identificatore muse-wonder-1.0, con un prezzo di $4,00 per input, $20,00 per output e $0,20 per lettura dalla cache per milione di token — la stessa tariffa pubblicata da Meta, senza alcuno sconto. La voce viene servita tramite un endpoint Responses compatibile con OpenAI, il che significa che una configurazione OpenCode esistente non ha bisogno di un client dedicato per raggiungerla; ha bisogno di una stringa di modello e di una chiave.

La precisazione onesta: il changelog di OpenCode non nomina il modello. Le sue voci più recenti per quella settimana, la v2.1.0 del 20 ottobre e la v2.1.2 del 21 ottobre, descrivono il ripristino dei limiti gratuiti, la visibilità del modello e modifiche all'SDK. Quindi la disponibilità è documentata nell'elenco dei modelli anziché annunciata come funzionalità di punta, che è il modo ordinario in cui viene introdotto il supporto dell'harness e anche il motivo per cui un lettore può vedere il modello in un selettore prima di vedere un post di blog che ne parla. Non abbiamo potuto leggere direttamente il post social del fornitore — restituiva un paywall — quindi la data qui si basa sull'elenco e sul timestamp del post stesso, non su un comunicato stampa.

Il 21 ottobre non è cambiato nulla del modello in sé. I suoi pesi non sono stati resi pubblici, il prezzo è rimasto invariato e non è comparso alcun nuovo benchmark. L'unica novità è la portata: un modello che prima richiedeva di collegare a mano l'API di Meta ora è una sola riga di configurazione dentro uno strumento che molte persone hanno già aperto.

Il numero che decide se questo è piacevole

Artificial Analysis sottopone ogni modello allo stesso harness e, per uno strumento di coding agentico, le sue cifre di latenza contano più del punteggio composito. Per Muse Wonder alla sua impostazione di ragionamento massima:

• Tempo al primo token: 30,35 secondi, rispetto a una mediana della classifica di 3,96 secondi

• Velocità di output una volta avviato — 145,1 token al secondo, 26º su 185 modelli misurati e ben al di sopra della mediana di 79,2

• Costo per attività dell'Intelligence Index — circa $4.52, rispetto a una tariffa di listino combinata di $2.94 per milione di token

• Token di output consumati durante l'esecuzione dell'indice — circa 130 milioni, rispetto a una mediana di 85 milioni

• Finestra di contesto — 1.048.576 token, con testo, immagini, voce e video accettati come input e testo restituito

Quei due valori di latenza descrivono una specifica conformazione di modello: riflette a lungo, poi scrive rapidamente. In una finestra di chat è tollerabile. In un ciclo di agente che effettua otto chiamate agli strumenti, l'attesa di 30 secondi viene pagata a ogni turno, e un'attività di otto turni può trascorrere quattro minuti semplicemente in attesa del primo token di ogni passo. I 145 token al secondo sono reali ed è per questo che il modello non sembra lento una volta che ha iniziato a parlare, ma non possono compensare il silenzio prima della prima parola.

Non è un argomento contro il suo utilizzo. È un argomento a favore della scelta dei turni giusti. L'affermazione più forte riportata dal fornitore per Muse Wonder riguarda il lavoro professionale a lungo orizzonte: la tabella di Meta stessa colloca Muse Wonder Full a 75,3 su JobBench, un benchmark agentico a lungo orizzonte e il punto in cui i suoi numeri divergono più nettamente da quelli del suo modello gemello. Se la tua sessione OpenCode è un singolo refactoring impegnativo con un piano ampio, l'attesa viene ammortizzata su una lunga generazione. Se invece sono quaranta piccole modifiche, l'attesa si paga quaranta volte.

Il repository che non è una release

I lettori che vanno a cercare i pesi troveranno meta-01/muse-wonder su Hugging Face e potrebbero ragionevolmente concludere che sia successo qualcosa di open. Non è così. Il repository contiene un file .gitattributes e nient'altro: nessuna model card, nessun config.json, nessuno shard safetensors, nessun file di licenza. I download non sono tracciati e la pagina afferma che il modello non è distribuito da alcun provider di inferenza su quella piattaforma. Letto chiaramente, quel repository è una prenotazione di nome — un segnaposto che contiene una stringa, non un checkpoint.

Quindi l'affermazione corretta sull'apertura di Muse Wonder è: proprietario, solo API, con un repository vuoto che occupa il nome. Chiunque lo descriva come open-weight, scaricabile o fine-tunable sta descrivendo un modello diverso. La stessa cautela vale per la struttura a due checkpoint — muse-wonder-1.0 è il modello richiamabile, e muse-wonder-full-1.0 è la configurazione con punteggio più alto che Meta vende tramite il suo abbonamento Muse Code anziché per token. OpenCode elenca il primo.

Dove si colloca OrcaRouter e dove no

Non serviamo Muse Wonder. Non esiste meta/muse-wonder nel catalogo dei modelli di OrcaRouter, e nessuna disponibilità di altri modelli Meta nelle vicinanze cambia le cose — i checkpoint Meta che offriamo sono meta/muse-spark-1.2 a $1,25 in input e $4,25 in output per milione di token, e il suo predecessore 1.1, entrambi con una finestra di 1.048.576 token. Dirlo in modo chiaro è più importante di quanto lo sarebbe normalmente, perché un modello raggiungibile solo tramite due provider è esattamente il caso in cui la risposta onesta di un router è «non questo, per ora» anziché un silenzio allusivo.

Ciò per cui il livello di routing è davvero utile, qui, è l'esperimento. Un modello di dieci giorni, con un primo token a 30 secondi e una sola valutazione indipendente alle spalle, non è qualcosa su cui basare un percorso di produzione sulla fiducia. Indirizza una porzione di traffico verso di esso dalla stessa chiave che raggiunge i modelli di cui già ti fidi, lascia il resto del traffico dov'è e lascia che il failover automatico intercetti i timeout mentre scopri se il comportamento a lungo termine vale l'attesa. È un modo più economico di rispondere alla domanda rispetto a migrare un workflow e sperare.

L'altra metà dell'argomento sul routing è aritmetica. Poiché trasmettiamo i prezzi di listino dei fornitori senza alcun ricarico, un taglio di prezzo da parte del fornitore si riflette dalla nostra parte lo stesso giorno, e un modello che non ospitiamo semplicemente non compare — il catalogo è una dichiarazione su ciò che è raggiungibile, non una lista dei desideri. Quando Muse Wonder arriverà qui, il prezzo che vedrai sarà quello di Meta.

Cosa lo renderebbe una storia più grande?

Tre cose, ciascuna verificabile con un solo caricamento di pagina. Una voce di Muse Wonder nel changelog di OpenCode, anziché soltanto nella sua lista di modelli, significherebbe che l'integrazione viene trattata come una funzionalità e non come una riga di catalogo. Un secondo valutatore indipendente che pubblicasse un valore su un orizzonte lungo rafforzerebbe l'unica affermazione che al momento si basa interamente sulla tabella di Meta. E qualsiasi movimento nel repository Hugging Face — una scheda modello, una licenza, un singolo file safetensors — cambierebbe la questione dell'apertura, a cui oggi si risponde con una sola parola.

Fino ad allora, la lettura corretta del 21 ottobre è ristretta e utile: un modello di frontiera è diventato più facile da provare nello strumento in cui la maggior parte delle persone lo proverebbe, e ciò che deciderà se resterà configurato non è il suo punteggio di indice ma se 30 secondi di silenzio per turno siano un prezzo che il lavoro può pagare.