Muse Wonder vs Claude Opus 5.5 sulla generazione di SVG: cosa mostra davvero il primo test pratico

Muse Wonder è diventato disponibile a livello generale il 12 ottobre 2026 — lo stesso giorno in cui il suo fratello maggiore dal punteggio più alto, Muse Wonder Full, è stato distribuito dietro abbonamento — e ha già accumulato più pagine comparative di quasi qualsiasi modello trattato da questo blog. Ciò che non aveva ancora accumulato, fino a questa settimana, era un test pubblicato di prima mano su una capacità specifica e verificabile. Il 12 ottobre l'account X @scaling01 ha pubblicato un confronto diretto tra Muse Wonder e Claude Opus 5.5 sulla generazione di SVG, con due risultati che vale la pena leggere con attenzione: Muse Wonder Full è "buono e tenta persino la generazione 3D", e il suo stile di output è "troppo artificioso" e "si lascia andare a troppi eccessi".

Quella è un'affermazione reale, specifica e falsificabile su un modello realmente distribuito, e proviene da qualcuno che riferisce di aver eseguito entrambi i modelli di persona. È anche, al momento in cui scriviamo, una singola esecuzione non riprodotta da un solo account il cui stesso post si apre con una dichiarazione pubblicitaria. Entrambe le cose sono vere contemporaneamente, e questo pezzo parla di tenerle insieme anziché sceglierne una.

I termini del test, enunciati così come sono stati enunciati.

L'informativa è la prima riga del post anziché una nota a piè di pagina, cosa che vale la pena notare perché non è tipica del formato. L'autore dichiara che Meta ha fornito un accesso gratuito in anteprima a Muse Wonder, che ha pagato di tasca propria Claude Opus 5.5 e che i test e le conclusioni sono suoi. Si tratta di una posizione in materia di conflitto di interessi sostanzialmente più debole rispetto a un inserimento pubblicitario retribuito e non dichiarato: una parte del confronto è stata offerta gratuitamente, l'altra no, e l'autore lo dichiara.

Tre cose relative alla configurazione non sono fornite, e ciascuna di esse vincola ciò che il verdetto può supportare.

• Quale endpoint è stato testato — Muse Wonder e Muse Wonder Full esistono come due ID modello separati con due classifiche diverse, e il post cita Muse Wonder nel confronto ma attribuisce l'osservazione sulla generazione 3D a Muse Wonder Full

• Quale impostazione di effort è stata utilizzata — il reasoning di Muse Wonder è obbligatorio e segue una scala di effort da minimo a massimo, con valore predefinito medio, e i token di reasoning vengono fatturati come output, quindi l'impostazione cambia sia il costo sia il carattere dell'output

• Quanti prompt sono stati eseguiti — nessun conteggio dei prompt, nessun testo del prompt, nessun seed, nessuna riesecuzione

Il secondo e il terzo di questi contano più di quanto sembri. Un modello il cui ragionamento è sempre attivo e il cui sforzo è impostato dall'utente produrrà un output SVG visibilmente diverso al minimo rispetto al massimo, e un verdetto sullo stile è esattamente il tipo di giudizio che una singola esecuzione di un singolo prompt può sbagliare. Questa non è una critica all'autore — un breve post su X non è un articolo, e la dichiarazione più la frase «i test e le conclusioni sono miei» rappresenta più trasparenza di quanta ne offrano la maggior parte dei confronti del giorno di lancio. È una dichiarazione di ciò per cui il pezzo può e non può essere usato.

Che cosa misura effettivamente un test SVG

SVG è un obiettivo insolitamente buono per un confronto pratico e insolitamente cattivo per uno superficiale, e capire il perché spiega che cosa il verdetto dice e che cosa non dice.

Un SVG è testo che viene renderizzato in modo deterministico. Questa è la parte buona: un revisore può incollare l'output grezzo del modello in un visualizzatore, guardarlo e vedere esattamente ciò che il modello ha prodotto — nessuna pipeline di generazione di immagini, nessun seme di campionamento su un decodificatore diffusion, nessuna domanda se il criterio sia l'immagine o il file. Se un modello emette markup malformato, il disegno fallisce in modo visibile. Se emette 40 kilobyte di definizioni di gradienti dove basterebbero 2 kilobyte di percorsi, questo è misurabile.

La parte negativa è che verdetti stilistici come "gimmicky" e "overindulges" sono le affermazioni meno separabili in tutto lo spazio. Due giudizi indipendenti risiedono al loro interno:

• Realizzazione — il modello ha prodotto un SVG valido, ben strutturato e renderizzabile, oppure ha prodotto qualcosa che necessitava di riparazioni prima di disegnare alcunché?

• Contenimento — ha usato il markup minimo necessario alla richiesta, o ha attinto a gradienti, filtri, sfocature, animazioni ed effetti raster incorporati perché erano disponibili?

La maestria è quasi oggettiva e può essere valutata da uno script. La sobrietà è un giudizio di gusto travestito da giudizio tecnico, e revisori ragionevoli sono costantemente in disaccordo al riguardo: un designer che chiede un'illustrazione per un portfolio vuole i gradienti, mentre un ingegnere che chiede un foglio di icone no. Quindi, quando un revisore dice che un modello eccede, la domanda utile non è se ciò sia vero, ma per quale compito lo sia. Il post non separa le due affermazioni, ed è davvero difficile separarle in un'unica sessione.

L'asserzione comparativa e l'asserzione di conformità

L'inquadratura del post mette Claude Opus 5.5 dall'altra parte e l'osservazione sulla generazione 3D dalla parte di Muse Wonder Full, il che lo rende un confronto a tre vie in un titolo con due nomi — la stessa piega strutturale che attraversa tutto il lancio di Muse Wonder.

Su questo asse, il contesto utile è lo stesso in tutti i suoi fratelli: Claude Opus 5.5 non è un modello nuovo di zecca. È stato rilasciato il 22 settembre 2026, circa tre settimane prima di Muse Wonder, e il suo profilo di costo e capacità è ben caratterizzato. Indipendentemente, sull'Artificial Analysis Intelligence Index, Claude Opus 5.5 (max) segna 58 — il punteggio più alto nella classe di 219 modelli — mentre Muse Wonder (max) segna 52, classificandosi nono su 219. Il prezzo di listino di Opus 5.5 è di $4,00 per milione di token di input e $20,00 per milione di token di output; il prezzo di listino di Muse Wonder è identico, $4,00 e $20,00. L'arguzia della situazione è che Opus 5.5 risulta essere il modello più costoso in pratica, non per la sua tariffa ma perché è prolisso: Artificial Analysis registra un consumo di circa 260 milioni di token di output durante la valutazione contro una mediana di 85 milioni, rispetto a circa 130 milioni per Muse Wonder, il che equivale a circa $5,98 per attività dell'indice contro circa $4,52. Questo è il tipo di confronto tra due numeri che un valutatore a consumo di token può misurare e che un singolo prompt SVG non può.

Ciò che il test SVG aggiunge è una categoria che l'indice non copre. La generazione di testo strutturato si colloca da qualche parte tra codice e illustrazione, e nessuna classifica la valuta — non il Personal Superintelligence Index, non JobBench, non Terminal-Bench 4.0-AA, non SWE-Marathon. Se il lavoro effettivo di un lettore comporta l'emissione di file vettoriali puliti, le classifiche mainstream tacciono sulla loro domanda, che è precisamente il motivo per cui un testa a testa alla buona merita di essere linkato.

Di che cosa si tratta veramente la seconda affermazione

"Prova persino la generazione 3D" è la metà più interessante dell'osservazione, ed è facile fraintenderla come un'affermazione di capacità.

In ambito SVG, questo descrive molto probabilmente un modello che supera il disegno piatto bidimensionale per spingersi verso una terza dimensione implicita o parziale — costruzioni isometriche, forme estruise, griglie prospettiche, pseudo-livelli sovrapposti o markup generato che viene renderizzato come una scena tridimensionale. Non è la stessa cosa di un modello 3D. Produrre una mesh, un oggetto scansionato o un asset stampabile è un tipo di output del tutto diverso, e l'espressione "3D generation" viene usata in modo ampio in questo ambito per indicare qualsiasi cosa, da un'illustrazione 2.5D a un vero e proprio file di geometria. Senza i prompt o i file, il lettore non può dire quale dei due fosse.

Se era nel senso più ampio, l'affermazione è coerente con la critica allo stile anziché in tensione con essa. Ricorrere alla proiezione isometrica o a livelli sovrapposti è lo stesso istinto che ricorrere ai gradienti: più macchinario di quanto chiedesse il brief. Entrambe le affermazioni potrebbero descrivere un unico comportamento — un modello che tratta il markup disponibile come un permesso — il che è uno spunto più utile di ciascuna delle due metà presa da sola, e anche la versione che un secondo revisore ha più probabilità di confermare o confutare.

C'è però un'asimmetria che vale la pena menzionare. Là dove i due checkpoint differiscono nei dati di lancio, la linea di demarcazione corre lungo la struttura anziché la rifinitura. Nella tabella di benchmark della stessa Meta, Muse Wonder Full batte il modello API con un ampio margine su JobBench (75,3 contro 30,8) e Vals Finance Agent V2 (59,1 contro 10,0) — mentre su Harvey LAB-AA perde contro quest'ultimo di 41 punti, 13,1 contro 54,3. Quei numeri sono dichiarati dal fornitore, prodotti nell'harness di Meta e non replicati. Ma descrivono un laboratorio che ha addestrato due profili anziché uno, e una differenza di stile o di moderazione tra i checkpoint è esattamente il genere di cosa che una separazione strutturale produrrebbe. Quale checkpoint stesse guardando il revisore quando ha scritto «troppo pieno di trovate» non è quindi una questione pedante — il post colloca le due osservazioni su modelli diversi.

Dove i modelli possono effettivamente essere raggiunti

Per chiunque voglia eseguire questo confronto autonomamente anziché accettare il verdetto sulla fiducia, la domanda pratica è dove risieda ciascun modello, e le risposte non sono simmetriche.

• Claude Opus 5.5 — disponibile in generale dal 22 settembre 2026, 4,00 $ per milione di token di input e 20,00 $ per milione di token di output, con una tariffa di lettura dalla cache di 0,20 $, una finestra di contesto di 1 milione di token e budget di pensiero che includono una configurazione senza pensiero

• Muse Wonder — disponibile a livello generale dal 12 ottobre 2026, sull'API Meta Model e all'interno di Muse Code, allo stesso prezzo di $4,00 in input e $20,00 in output, con una finestra di contesto di 1.048.576 token e un limite di output di 943.718 token

• Muse Wonder Full — annunciato lo stesso giorno ma non venduto per token; è accessibile solo tramite un abbonamento a Muse Code e non ha un listino prezzi per token pubblicato, motivo per cui qui non ha alcuna riga di prezzo.

Il problema è la configurazione di ragionamento di Muse Wonder. Non può essere disattivata. La scala dell'impegno va da minimal, low, medium, high, xhigh e max, con valore predefinito medium, e i token di ragionamento vengono fatturati come output. Qualsiasi esecuzione testa a testa contro un modello a cui si può dire di non pensare confronta quindi una configurazione limitata con una non limitata, a meno che il revisore non dichiari l'impostazione, e questo post non lo fa. Questa è la lacuna più rilevante in assoluto nella riproduzione, più della mancanza del conteggio dei prompt.

Come riprodurlo in un pomeriggio

Il motivo per cui vale la pena estendere questo test anziché scartarlo è che è economico da estendere. Una versione utile richiede quattro cose che l'originale non fornisce: un set fisso di prompt di forse una dozzina di attività vettoriali che spaziano tra icone, diagrammi, illustrazioni e grafici; una dichiarazione dell'impostazione dello sforzo; i file SVG grezzi conservati insieme ai render; e una passata di valutazione che separa la maestria dalla moderazione invece di fonderle. Dodici prompt con due impostazioni di sforzo su due modelli sono 48 esecuzioni — pochi dollari di token di output rispetto a queste tariffe, e un artefatto genuinamente più utile di qualsiasi impressione del giorno di lancio.

Questo è anche il caso in cui un router si ripaga da solo in un modo che un semplice confronto di prezzi non riesce a fare. Claude Opus 5.5 è servito su OrcaRouter al prezzo di listino di Anthropic stesso — 4,00 $ per milione di token di input, 20,00 $ per milione di output, 0,20 $ per milione per le letture dalla cache — con il pass-through a ricarico zero che vale per tutto il catalogo, così una variazione di prezzo del fornitore arriva dalla nostra parte lo stesso giorno in cui arriva dalla loro. I prezzi di listino dei fornitori passano invariati; il livello di routing non aggiunge alcuno spread. Una scansione di una dozzina di prompt su due modelli richiede una sola chiave e un solo endpoint invece di due account, due integrazioni SDK e due rapporti di fatturazione, e se stai testando qualcosa di così poco collaudato come un modello rilasciato ieri, il failover automatico significa che un fornitore con limiti di frequenza o degradato non trascina giù l'intera esecuzione.

Per essere espliciti su ciò che non abbiamo: non esiste alcuna voce meta/muse-wonder o meta/muse-wonder-full nel nostro catalogo. Non instradiamo nessuno dei due checkpoint e non descriveremo l'uno come se lo facessimo. Ciò che invece offriamo dallo stesso laboratorio è la linea Muse Spark — Muse Spark 1.2 costa $1,25 per milione di token in input e $4,25 per milione di token in output, che ha la stessa finestra di contesto del modello di punta a una frazione del prezzo, ed è il modello a cui rivolgersi se vuoi la famiglia di ragionamento di Meta attraverso la stessa chiave di tutto il resto. Aggiungere Muse Wonder a uno sweep al momento significa un secondo account; aggiungere Muse Spark 1.2 è una riga nella stessa configurazione.

Cosa tenere d'occhio, e cosa lo risolverebbe

Tre cose trasformerebbero questo da un'impressione interessante in una prova.

• Un secondo revisore con gusti diversi che giunge allo stesso verdetto di moderazione — i giudizi di stile che sopravvivono a un cambio di revisore riguardano il modello; quelli che non sopravvivono riguardano il revisore

• Muse Wonder Full che diventa accessibile per token — il modello citato nell'osservazione sulla generazione 3D è quello che non ha un listino prezzi, quindi nessuno che voglia verificare quella metà dell'affermazione può acquistare l'accesso senza un abbonamento mensile a un agente di programmazione

• Qualsiasi classifica indipendente che aggiunga un compito vettoriale o di grafica strutturata — la lacuna in cui cade questo test non è che nessuno lo abbia eseguito, ma che nessuna classifica lo valuti, ed è per questo che il pomeriggio di una persona attualmente costituisce l'intero record

Il riassunto onesto è che si tratta di un risultato reale con un limite reale. Un recensore che ha dichiarato l'accesso in anteprima a pagamento, ha pagato di tasca propria per l'altra parte e ha pubblicato un verdetto negativo specifico ha fatto più di quanto faccia un riepilogo di lancio — e un modello che "prova" cose che non gli sono state chieste è un'affermazione sull'autocontrollo, non sulle capacità, e l'autocontrollo è la cosa più facile che il prossimo recensore possa vedere in modo diverso. Se oggi state scegliendo tra Claude Opus 5.5 e Muse Wonder per l'output vettoriale, il divario nell'indice indipendente è di sei punti e il divario nel volume di token è di due a uno a favore di Muse Wonder; il verdetto sullo stile è il pomeriggio di una sola persona e dovrebbe essere trattato come un'ipotesi piuttosto che come un risultato.