Muse Wonder vs Reflection Beam: uno è un listino tariffario, l'altro è una promessa

Sette giorni di distanza, da direzioni opposte. M​ta ha reso disponibile Muse Wonder in disponibilità generale il 12 ottobre 2026, sulla Meta Model API e all'interno di Muse Code, a 4,00 $ per milione di token di input e 20,00 $ per milione di token di output, con una finestra di contesto di 1.048.576 token e senza alcun tipo di download. Reflection ha annunciato Reflection Beam il 5 ottobre 2026 — un modello sparse mixture-of-experts con 501 miliardi di parametri totali e 23 miliardi attivi per token — con i pesi promessi sotto Apache 2.0, un'anteprima in lista d'attesa dietro un muro di registrazione e nessun prezzo pubblicato su nessuna delle proprietà dell'azienda stessa.

Il che significa che l'inquadramento onesto di questo confronto non è modello contro modello. È un listino prezzi contro una promessa. Uno di questi lo puoi chiamare questo pomeriggio e non lo possiederai mai; l'altro potresti alla fine possederlo e non lo puoi chiamare affatto oggi. Se stai scegliendo un default per un carico di lavoro che viene rilasciato questo trimestre, questa distinzione decide più di quanto faccia qualsiasi riga di benchmark, e vale la pena essere espliciti che nessuno dei due lati di essa è una critica all'altro laboratorio.

Sette giorni, due direzioni di viaggio

Muse Wonder è arrivato come prodotto commerciale finito, con al di sotto una documentazione pubblica insolitamente scarna. Il modello è richiamabile, il prezzo è indicato, la superficie dei parametri è enumerata — una scala di sforzo di ragionamento che va da minimal a max con un default medium, un tetto di output di 943.718 token, ogni token di ragionamento fatturato alla tariffa di output — e un secondo checkpoint, Muse Wonder Full, viene distribuito nello stesso lancio con un punteggio più alto ma solo all'interno di un abbonamento Muse Code e non viene affatto venduto per token. Ciò che Meta non ha distribuito è qualsiasi cosa scaricabile. Nessun rilascio di model card, nessun checkpoint, nessuna concessione di licenza.

Reflection ha fatto il contrario. Il post di lancio di Beam è un annuncio di ricerca con annessa una promessa di serving: tabelle di benchmark, un resoconto del pre-training che cita 6.144 sistemi GB300 NVL72 e una corsa di quattro settimane su 23,8 trilioni di token, una fase di reinforcement learning su 10.500 GB300 con più di 100 milioni di rollout e circa 1,3 miliardi di sandbox, e un impegno specifico sulla licenza — i pesi, il report tecnico, la model card e gli artefatti per gli sviluppatori arriveranno con licenza Apache 2.0, per usare le parole dell'azienda stessa, più avanti nel mese. Ciò che non è stato rilasciato il 5 ottobre è un prezzo, una finestra di contesto di serving, un valore massimo di output o un file.

Due laboratori, una settimana, e tra loro l'intero spettro di ciò che può significare "rilasciato" nel 2026.

Quello che ciascuno ha effettivamente pubblicato

Ogni cifra riportata di seguito proviene dal fornitore stesso e, dove un numero non esiste, è proprio quello il risultato.

• Chiamabilità — Muse Wonder è generalmente disponibile dal 2026-10-12 sulla Meta Model API con muse-wonder-1.0 e all'interno di Muse Code; l'anteprima di Reflection Beam è una lista d'attesa per "un insieme limitato di utenti", senza un percorso self-service in

Prezzo — Muse Wonder 4,00 $ in input / 0,20 $ input in cache / 20,00 $ in output per milione di token, pubblicato; Reflection Beam non è pubblicato da nessuna parte sulle proprietà di Reflection, quindi qualsiasi cifra in dollari tu abbia visto associata ad esso è una stima anziché un prezzo di listino

• Contesto — Muse Wonder 1.048.576 token; la documentazione API di Reflection Beam elenca un limite di servizio di 256.000 token con una nota a piè di pagina che avverte che il valore può cambiare durante la beta, mentre il post di lancio afferma separatamente che il midtraining estende il contestoeffettivo del modello a 1M token. Si tratta di una capacità lato addestramento e di un limite lato servizio, non di una contraddizione — ma solo uno dei due è un numero su cui puoi basarti

• Output massimo — Muse Wonder 943.718 token; Reflection Beam non pubblicato

• Modalità — Muse Wonder riceve in input testo, immagini, voce, video e file, e restituisce testo; Reflection Beam è testo in input, testo in output

• Pesi — Muse Wonder nessuno, e nessuno annunciato; Reflection Beam Apache 2.0 promesso, non rilasciato a oggi

• Punteggio indipendente — Muse Wonder 52 sull'Intelligence Index di Artificial Analysis, classificato #9 su 219; Reflection Beam non ha alcuna riga su quella classifica, né su qualsiasi altro valutatore indipendente che riusciamo a trovare

• Architettura — Muse Wonder non divulgata; Reflection Beam 501B totali / 23B attivi, un rapporto dichiarato di circa il 4,6%

L'asimmetria in quell'elenco dice tutto. Muse Wonder ha un prezzo e un target, ma nessun artefatto. Reflection Beam ha un artefatto promesso, ma né un prezzo né un target.

La pretesa di efficienza è quella da tenere a debita distanza

L'affermazione più interessante di Reflection non è un punteggio di benchmark. È che Beam unisce capacità di coding e agentiche a un "ragionamento altamente efficiente", ottenendo punteggi su benchmark di ragionamento avanzato comparabili a GLM-5.2 usando 3–4× meno calcolo di inferenza, con il divario che si allarga rispetto a modelli della famiglia con 2T+ parametri come Qwen 3.8-Max. Il grafico dietro quell'affermazione è un grafico del fornitore, sugli assi del fornitore stesso, e non è riprodotto — ma l'aritmetica di fondo non è esotica. I FLOP di inferenza scalano all'incirca come due volte il numero di parametri attivi moltiplicato per il numero di token generati, quindi un modello con 23B attivi che genera un output comparabile per un compito costa davvero meno per compito di uno con 40B o 100B attivi. L'architettura è l'argomento, e sull'architettura la tesi di Beam è coerente.

Quello che manca è il denominatore. Il compute per task è un rapporto, e il materiale pubblicato ci fornisce il lato dei parametri e nulla sul lato dei token. Reflection non pubblica alcun conteggio dei token di output per nessuna delle sue esecuzioni di benchmark. Non c'è alcuna cifra di verbosità, nessuna misura di token per task, nessuna esecuzione indipendente.

Muse Wonder, al contrario, ha esattamente quel numero e gioca a sfavore. Artificial Analysis ha misurato Muse Wonder (max) a 130 milioni di token di output consumati durante la sua valutazione Intelligence Index, contro una mediana di 85M tra modelli comparabili, e a circa $4,52 per attività dell'indice. L'etichetta dello stesso valutatore per quel comportamento è "alquanto prolisso". Muse Wonder è un modello di frontiera a un prezzo di frontiera e paga il suo punteggio in token di output, perché i token di ragionamento vengono fatturati alla tariffa di output — che è la riga più determinante nella documentazione sui prezzi di M​eta stessa.

Quindi i due laboratori stanno facendo scommesse opposte e nessuno dei due ha pubblicato i numeri che risolverebbero la questione. M​eta ha una verbosità misurabile e nessun conteggio dei parametri divulgato, quindi non puoi calcolare i suoi FLOPs per token. Reflection ha un conteggio dei parametri divulgato e nessuna verbosità misurata, quindi non puoi calcolare i suoi token per attività. Chiunque ti dica che Beam costa da tre a quattro volte meno da eseguire di Muse Wonder sta confrontando un rapporto tra parametri con un conteggio di token che non esiste.

La sparsità fa risparmiare sul costo di inferenza, non sulla capacità

C'è una seconda trappola nella cifra di 501B, ed è facile caderci perché il numero è così grande. I parametri totali in un modello mixture-of-experts sparso sono una statistica di archiviazione e di pre-training, non una statistica di calcolo per token. Ogni token che Beam genera tocca all'incirca 23 miliardi dei suoi 501 miliardi di parametri. Gli altri 478 miliardi restano inattivi durante quella chiamata. Beam non è un modello da 501 miliardi di parametri nel senso in cui lo sarebbe un modello denso di quella dimensione, e citarlo accanto alla dimensione non divulgata di Muse Wonder invita a un confronto che non significa nulla.

Dove il rapporto conta davvero è nel deployment. Un checkpoint da 501B in BF16 è nell'ordine di un terabyte di pesi, e il numero di parametri attivi non riduce l'impronta di memoria — solo il calcolo. Servire Beam da soli significa avere o un grande nodo multi-GPU o una pesante quantizzazione, e la quantizzazione è esattamente il tipo di cosa che puoi valutare solo una volta che i pesi esistono. Questa è la seconda ragione per cui il rilascio sotto Apache 2.0 è l'evento che conta qui, anziché una nota a piè di pagina: converte un'architettura promettente in qualcosa che puoi misurare sul tuo hardware, con la tua dimensione di batch, con i tuoi prompt.

La posizione di Meta sullo stesso asse è l'opposta. L'architettura di Muse Wonder non è divulgata e la sua storia di deployment è interamente l'API di qualcun altro. Non lo quantizzerai, non lo eseguirai on-premises per un carico di lavoro regolamentato e non lo metterai a punto. Lo noleggi, a una tariffa di listino, a tempo indeterminato.

Dove i numeri del fornitore e quelli indipendenti non concordano

Vale la pena dedicargli una breve sezione perché è la disciplina che mantiene onesto il resto del confronto. L'harness proprietario di M​eta colloca Muse Wonder Full a 59,1 sul suo Personal Superintelligence Index e Muse Wonder a 56. Artificial Analysis, eseguendo il proprio indice su Muse Wonder (max), ottiene 52. Stessa famiglia di modelli, stessa settimana, quattro punti di scarto — e il dato indipendente è quello più basso. Muse Wonder Full a 56 nella classifica indipendente è un risultato autentico, classificandosi al 4º posto su 699 modelli di quella classe, ed è comunque quattro punti sotto ciò che implica la tabella di M​eta. Niente di tutto ciò rende sbagliati i numeri di M​eta; gli harness dei fornitori sono tarati per il deployment del fornitore, e M​eta li etichetta come propri. Significa però che le uniche cifre in questo articolo che si possono confrontare tra loro sono quelle di Artificial Analysis, e queste esistono per esattamente uno dei due modelli.

Le tabelle di Reflection contengono una versione diversa dello stesso problema. Beam è elencato a 80,9 su SWE-Bench Verified, 80,1 su Terminal-Bench v2.1 e 44,4 su DeepSWE v1.1, tutti comunicati dal fornitore, tutti sulla stessa pagina delle comparazioni con Inkling e Nemotron 3 Ultra. Due di quei tre sono punteggi per cui anche Muse Wonder ha un numero del fornitore, e confrontare due insiemi di numeri del fornitore prodotti da due harness diversi non è un confronto. È una coincidenza di intestazioni di colonna.

Se devi scegliere questo mese

La decisione si riduce a quale cosa mancante puoi tollerare.

• Se rilasci questo trimestre, e ti servono invocabilità, un prezzo che puoi prevedere, una finestra da 1M token e un budget di output di 943.718 token — Muse Wonder è l'unico dei due che esiste oggi come servizio, e la scelta si fa da sé

• Il rilascio è previsto per questo trimestre, e la tariffa di output di Muse Wonder di 20 $ per milione rispetto a un profilo di valutazione da 130 milioni di token è fuori dal tuo budget — la mossa utile è la scala dello sforzo anziché un modello diverso. Il ragionamento è obbligatorio su Muse Wonder, ma la scala va da minimal a max e ogni token di ragionamento viene fatturato come output; eseguire estrazione e classificazione a minimal e riservare high o max alle chiamate che se lo meritano è la leva che muove la fattura

• Requisito regolamentato, air-gapped o on-premises — nessuno dei due modelli lo risolve oggi. Muse Wonder non lo soddisferà mai. Beam potrebbe, tra un mese, con una licenza permissiva, a un costo di memoria che non hai ancora misurato

• Piani di ricerca o di fine-tuning — aspetta i pesi. Non avviare un progetto su un'architettura 501B che non puoi scaricare

• Benchmarking rispetto al tuo carico di lavoro — Muse Wonder può essere misurato questa settimana e Beam non può essere misurato affatto. Ogni numero di Beam nel tuo foglio di valutazione è attualmente un'affermazione del fornitore senza denominatore

Cosa instradiamo e cosa non instradiamo

Detto chiaramente: nessuno dei due modelli è nel catalogo di OrcaRouter. Non esiste alcuna voce meta/muse-wonder né alcuna voce Reflection di alcun tipo, e non presenteremo una route che non esiste. Ciò che abbiamo da Meta Superintelligence Labs è la linea Muse Spark — Muse Spark 1.2 e Muse Spark 1.1 — che è la cosa più vicina alla famiglia di modelli di ragionamento di Meta che un team possa chiamare tramite noi oggi e costa circa un quinto di quanto costa Muse Wonder per token. Tra i modelli rispetto ai quali viene prezzato questo confronto, Claude Opus 5.5 è nella nostra lista alle tariffe proprie di Anthropic, e lo è anche DeepSeek V4 Pro a una frazione di quel prezzo.

Questa onestà ha una conseguenza pratica che un confronto come questo rende insolitamente chiara. Il failover automatico entra in funzione solo verso qualcosa che instradiamo davvero, e una lista d'attesa senza endpoint non è un fallback. Se il tuo piano per Beam è "lo testeremo quando l'anteprima si sbloccherà", la cosa utile da tenere in piedi fino ad allora è un primario che puoi misurare e una seconda rotta dietro di esso — cioè una modifica di configurazione su un singolo endpoint compatibile con OpenAI. OrcaRouter serve oltre 200 modelli dietro una sola chiave e una sola fattura, quindi quando arriveranno i pesi di Beam e qualche provider inizierà a servirlo, raggiungerlo sarà un ID in un file di configurazione anziché una nuova integrazione.

Cosa cambierebbe la risposta, e quando guardare

Tre eventi, in ordine di quanto sposterebbero questo.

Il primo è il rilascio dei pesi. Reflection ha preso l'impegno di adottare Apache 2.0 e ha dichiarato che gli artefatti arriveranno più tardi questo mese. Quel rilascio è ciò che trasforma una rivendicazione da 501B in qualcosa di scaricabile, quantificabile e valutabile con benchmark, e guarda caso è anche l'unico percorso mediante il quale Beam possa mai apparire su una piattaforma di routing. Finché non avviene, Beam è un'ipotesi con una citazione.

Il secondo è una valutazione indipendente. Una singola riga di Artificial Analysis per Beam farebbe di più per risolvere questo confronto di quanto possa fare qualsiasi quantità di lettura di tabelle dei fornitori, perché fornirebbe il dato di token per attività che manca alla tesi sull'efficienza. Tieni d'occhio quella classifica invece del blog di lancio.

Il terzo è l'assestamento della superficie di configurazione di Muse Wonder. La sua cifra di $4,52 per attività è stata misurata al massimo livello di ragionamento su un modello disponibile da un giorno. Man mano che i team utilizzeranno i gradini inferiori della scala dello sforzo in produzione, il costo realistico del modello scenderà — e quel numero, non il punteggio dell'indice, è ciò che Beam dovrebbe superare.

La risposta più probabile a breve termine non è né una vittoria netta né una sconfitta netta: un team che ha bisogno di un modello adesso usa Muse Wonder, e un team che ha bisogno di possedere i propri pesi finisce con quello dei due che riesce effettivamente a scaricare. Il che è un modo strano di descrivere un testa a testa, nonché accurato.