Muse Wonder vs Intern S2: 1.048.576 token contro 256K, e nessun metro di paragone condiviso

Intern-S2-397B e Muse Wonder non sono mai stati confrontati tra loro da nessuno. Non è una lacuna nella ricerca — è un fatto strutturale su come ciascun modello è venuto ad esistere. InternLM ha pubblicato Intern-S2-397B il 13 settembre 2026 come checkpoint open-weights Apache-2.0 per l'intelligenza scientifica e agenti a lungo orizzonte, valutato interamente dai suoi stessi creatori, senza alcun punteggio di terze parti. Meta Superintelligence Labs ha iniziato a vendere Muse Wonder il 12 ottobre 2026 tramite la Meta Model API e Muse Code, e ha esattamente una riga di un valutatore indipendente. Quindi tutto quanto segue richiede di etichettare da che parte della barricata si trova ciascun numero, e i due modelli sono in disaccordo su qualcosa di più basilare dei punteggi dei benchmark: a cosa serve una finestra di contesto. I 1,048,576 token di Muse Wonder sono un budget piatto, a pagamento, per una singola risposta. Quelli di Intern-S2-397B sono divisi — 256K per il ragionamento testuale e 64K per l'input multimodale — su un checkpoint che scarichi anziché chiamare.

La versione utile di questo confronto non è quale modello vince. È che uno dei due è uno strumento per il lavoro sui documenti scientifici che puoi eseguire all'interno del tuo perimetro, e l'altro è un generalista a noleggio con una finestra a tariffa fissa molto ampia. Sono acquisti diversi.

Cosa è realmente ciascun modello

Intern-S2-397B è il flagship I​nternLM di Shanghai AI Laboratory, rilasciato il 13 settembre 2026 con licenza Apache-2.0. Il nome porta 397B; la model card indica 403 miliardi di parametri totali, e quella differenza è il tipo di incoerenza che un checkpoint costruito in pubblico finisce per accumulare. Dal punto di vista architetturale è un transformer mixture-of-experts standard — 60 layer, 512 esperti con 10 attivi per token — e il suo cavallo di battaglia è un paradigma di pre-training che legge pagine grezze di letteratura scientifica, figure, layout, notazione simbolica e prosa insieme, invece di estrarre prima il testo. Attorno a questo, scala il reinforcement learning su più di venti domini scientifici e aggiunge l'addestramento di agenti a lungo orizzonte in ambienti sandbox. Accetta in input testo, immagini e serie temporali, produce previsioni dal percorso dedicato alle serie temporali, viene servito su LMDeploy, vLLM e SGLang, supporta il tool calling e ragiona per impostazione predefinita, a meno che non si passi enable_thinking=False per singola richiesta. In BF16 il checkpoint è di circa 807 GB, quindi per l'auto-hosting serve un nodo multi-GPU serio.

Muse Wonder è il rilascio di frontiera di Meta Superintelligence Labs del 12 ottobre 2026, annunciato come una serie di due checkpoint. Solo muse-wonder-1.0 dispone di un endpoint per token, sulla Meta Model API e all'interno di Muse Code; Muse Wonder Full, la configurazione con il punteggio più alto, è venduta esclusivamente tramite un abbonamento a Muse Code e non ha un listino prezzi pubblico. Il checkpoint richiamabile accetta input di testo, immagini, voce e video, restituisce testo, ha una finestra di contesto di 1.048.576 token, limita una singola risposta a 943.718 token, costa 4,00 $ per milione di token di input, 0,20 $ in cache e 20,00 $ di output, ed esegue il ragionamento obbligatoriamente su una scala di impegno da minimo a massimo che per impostazione predefinita è medio. Non esistono pesi, né licenza, né una versione che si possa continuare a eseguire se l'endpoint cambia.

Questa è la prima vera differenza tra loro, e non è una riga di benchmark. Uno è un file. L'altro è un contratto.

La finestra di contesto, che i due modelli intendono in modo diverso

È qui che un confronto tra schede tecniche trae maggiormente in inganno, perché entrambi i modelli vengono comunemente descritti come long-context.

• Contesto testo — Muse Wonder 1.048.576 token in una finestra; Intern-S2-397B 256K per il ragionamento testuale

• Contesto multimodale — la finestra completa di Muse Wonder copre i suoi input di immagini, voce e video; Intern-S2-397B dispone di un contesto multimodale separato da 64K

• Output massimo in una singola risposta — Muse Wonder 943.718 token; per Intern-S2-397B non è stata pubblicata una cifra comparabile

• Superficie di input — Muse Wonder: testo, immagine, voce, video; Intern-S2-397B: testo, immagine, serie temporali

• Previsione di serie temporali — Muse Wonder: nessuno; Intern-S2-397B supportato, attualmente collegato solo tramite LMDeploy

• Tariffa — Muse Wonder $4,00 in input, $0,20 in cache, $20,00 in output per milione di token; Intern-S2-397B nessuna tariffa per token pubblicata, poiché il modello di distribuzione è un download

La riga delle previsioni è quella che non ha un corrispettivo dall'altra parte, e non è una funzione di marketing — è la ragione per cui il modello esiste nella forma in cui esiste. Un modello che acquisisce un segnale di serie temporale e produce una previsione sta facendo qualcosa che non si può chiedere a un modello di testo, qualunque sia la sua dimensione di finestra. Se questo è il tuo carico di lavoro, il confronto è già concluso.

Per tutti gli altri la domanda rilevante è cosa ci entra davvero. Una finestra da 1.048.576 token a tariffa fissa è un prodotto diverso da una finestra di testo da 256K su hardware che possiedi, e la differenza si manifesta esattamente nei carichi di lavoro che hanno reso interessante il contesto lungo — una base di codice nel prompt, un corpus di articoli, una lunga sessione agentica che conserva la sua cronologia.

Le basi di evidenze, che non si toccano

I numeri pubblicati dei due modelli non possono essere collocati sullo stesso asse, e vale la pena essere schietti sul perché.

La scheda di benchmark di Intern-S2-397B è quella di I​nternLM stesso, eseguita tramite OpenCompass, VLMEvalKit e AgentCompass dal team che ha creato il modello, senza alcuna riproduzione indipendente. Le sue colonne sono Qwen3.5-397B-A17B, D​eepSeek V4 Pro, Kimi K2.7-Code, GLM-5.2, GPT-5.5, Gemini 3.1 Pro e Claude Opus 4.8 — nessun modello di M​eta, e nessun Muse Wonder, quindi la tabella dello stesso fornitore non contiene un singolo confronto con Muse. E qualsiasi cifra «Intern-S2 contro Muse Wonder» che circoli ovunque è un'estrapolazione tra due tabelle non correlate.

Ciò che quella scheda pubblica, tutto quanto riportato da I​nternLM: 89,77 su MMLU Pro, 93,56 su HMMT-2026, 81,68 su MMMU Pro, 68,54 su SWE-bench-Pro, 64,04 su TerminalBench 2.1 e, sui set scientifici, 55,71 su Biology-Instructions, 63,28 su SciReasoner 1.5 e 53,95 su Mol-Instructions. Leggilo come un ritratto: forte su conoscenza, matematica e ragionamento multimodale, in testa sull'ingegneria del software e venti punti dietro Claude Opus 4.8 sul lavoro da terminale — esattamente l'asse su cui un agente di produzione passa la giornata.

Le prove di Muse Wonder hanno la forma inversa. La tabella di lancio di M​eta copre entrambi i checkpoint al massimo del ragionamento ed è costruita in gran parte da benchmark per agenti a esecuzione prolungata — DeepSWE 1.1, SWE-Marathon, Terminal-Bench 4.0-AA, OSWorld V2.1 — tutto dichiarato dal fornitore, nell'harness di M​eta, non riprodotto. I commenti indipendenti hanno ripetuto le righe più forti senza l'avvertenza, ed è così che un harness del fornitore diventa un fatto pubblico. L'unica riga veramente indipendente è l'Intelligence Index di Artificial Analysis a 52 al massimo sforzo, nono tra più di 200 modelli, con circa 4,52 $ di costo misurato per attività dell'indice completata e circa 130 milioni di token di output consumati rispetto a una mediana della classifica vicina agli 85 milioni.

Dunque: la solidità di un modello è affermata dal suo produttore sulla base di benchmark scientifici che nessuna terza parte ha rieseguito. Quella dell'altro, su benchmark agentici, altrettanto. Nessuno ha mai messo a confronto l'uno con l'altro. L'unica cosa che una pagina onesta può fare al riguardo è dirlo apertamente.

Dove il confronto è deciso dal prezzo, e dove non lo è

Intern-S2-397B non ha un listino prezzi. Questa è l'intera sezione prezzi, ed è una vera constatazione, non un valore mancante: o esegui in self-hosting circa 807 GB di pesi BF16 su hardware di tua proprietà, oppure ti registri per ottenere un token sull'API di InternLM e ti mantieni entro qualunque quota ti venga concessa. Non c'è alcun numero per token da mettere accanto ai 4,00 $ e ai 20,00 $ di Muse Wonder, né alcuna fattura da confrontare con un conto pay-per-token.

L'effetto che questo ha sulla decisione è più sottile di «gratuito vs. a pagamento». Un checkpoint scaricato converte un costo variabile in un costo in conto capitale e trasforma un rapporto con un fornitore in un artefatto che possiedi. Ciò vale moltissimo quando i tuoi dati non possono uscire dal tuo perimetro, quando il tuo carico di lavoro è abbastanza stabile da giustificare le GPU, o quando la riproducibilità conta più di un punto di benchmark. Vale ben poco se il tuo traffico è a picchi, se il tuo team non ha uno stack di serving, o se hai bisogno che il modello migliori senza che tu debba fare nulla.

Nessuno dei due modelli è servito da noi, e vale la pena dirlo apertamente invece di lasciar intendere il contrario: Intern-S2-397B è un checkpoint Apache-2.0 nuovissimo senza copertura di routing, e Muse Wonder è sull'API di M​eta e dentro Muse Code senza alcun serving di terze parti che possiamo verificare. Ciò con cui un router aiuta è la metà di tutto questo che è richiamabile. OrcaRouter porta più di 200 modelli dietro un'unica chiave al prezzo di listino del provider con 0% di ricarico — nessun delta da intermediario, così un taglio di prezzo del fornitore è attivo lo stesso giorno — inclusi quelli di M​eta stessa Muse Spark 1.2 e Muse Spark 1.1, così i modelli M​eta che puoi raggiungere oggi stanno accanto a tutto il resto sulla stessa credenziale. Se il tuo traffico di produzione finisce su un modello instradato e il tuo lavoro batch scientifico gira su Intern-S2-397B in un posto che controlli, quella giuntura è una decisione di routing invece che una seconda integrazione.

Chi dovrebbe scegliere cosa

Scegli Intern-S2-397B quando il lavoro consiste nel leggere scienza: un articolo denso di figure, un diagramma molecolare, una tabella scansionata, una previsione da un segnale di serie temporali o un agente che deve continuare a lavorare su un compito di ricerca. La licenza Apache-2.0 significa che puoi eseguirne il fine-tuning su dati proprietari e mantenere il risultato entro il tuo perimetro, ed è la parte di questo confronto che nessun listino prezzi cattura. Prevedi l'hardware nel budget e non aspettarti una classifica indipendente per alcuni mesi — il repository ha solo poche settimane e non contiene misurazioni di terze parti.

Scegli Muse Wonder quando il lavoro è generico, lungo e agentico, e quando preferisci affittare anziché possedere: una finestra di 1.048.576 token a tariffa fissa senza scaglioni, un tetto di risposta di 943.718 token che nulla nel materiale pubblicato di Intern-S2 affronta, ragionamento obbligatorio per compiti complessi a più passaggi e una fattura a consumo per token che puoi inserire in un foglio di calcolo oggi. L'avvertenza è la stessa che vale per ogni riga pubblicata da Meta: due giorni di misurazione indipendente sono due giorni, e un valutatore è un valutatore.

Il team che ha bisogno di entrambi dovrebbe trattare il confine tra loro come una questione di routing piuttosto che una migrazione. Esegui il traffico generale su un modello che puoi chiamare, mantieni il lavoro scientifico sul checkpoint che puoi conservare e riesegui le tue valutazioni su Intern-S2-397B prima di credere a un dato del fornitore sulle sue prestazioni terminali — perché la tabella dello stesso fornitore è la riga meno lusinghiera che contenga.