Muse Wonder Full 対 Muse Wonder：同じローンチ、同じレートカード、両方を計測した唯一のボードで4ポイント差

Muse Wonder Full と Muse Wonder は、2026年10月12日に Meta Superintelligence Labs からの1つの投稿で登場し、その投稿に含まれるほぼすべての仕様は両方に当てはまります。両方とも 1,048,576 トークンのコンテキストウィンドウを持つと説明されています。両方とも、入力100万トークンあたり $4.00、キャッシュ入力は $0.20、出力100万トークンあたり $20.00 と記載されています。両方とも推論を必要とします。両方ともテキスト、画像、音声、動画を入力として受け取り、テキストを返します。そして、独立系の Artificial Analysis Intelligence Index では、両者は4ポイント差です。Muse Wonder Full は56で、測定された699モデル中4位、Muse Wonder は52で、219モデル中9位です。

その4ポイントは、同じラボが同じ日に公開した2つのフロンティアチェックポイント間の最も小さな実質的差異であり、この組み合わせについて最も決定的でない点でもある——なぜなら、2つのうちアクセスできるのは片方だけだからだ。Muse WonderはMeta Model API上とMuse Code内で応答する。Muse Wonder FullはMetaによって、Muse Codeサブスクリプション限定と説明されており、Power Usageなら月額50ドル、Maximum Usageなら月額200ドルだ。これは強いモデルとより強いモデルの比較ではない。呼び出せないより強いモデルと、呼び出せるより弱いモデルの比較なのだ。

1つの発表、2つのチェックポイント、そしてそれらを分ける1つの列

ローンチ資料を一行ずつ読んでいくと、2つのモデルはほぼ最後まで互いに步調を合わせている。両者が分岐するのはただ一つの列においてであり、それは能力ではない。

• アクセス — muse-wonder-1.0 は Meta Model API および Muse Code 内で応答します。muse-wonder-full-1.0 は Muse Code サブスクリプション専用で、従量制の経路も、それを指定できる SDK もありません。

• 価格 — 入力 $4.00、キャッシュ $0.20、出力 $20.00 という共通の料金表は、Muse Wonder には存在する経路を表しており、Muse Wonder Full には存在しません。Muse Wonder Full のコストは月額 $50 または $200 のプランです。

• 独立インデックス — Muse Wonder 52、219件中9位。Muse Wonder Full 56、699件中4位。同一の公開ハーネス上で測定された4つのポイントであり、両者が同じ尺度上に並ぶ唯一の場所である。

• 出力予算 — 呼び出し可能なチェックポイントの単一応答の上限は943,718トークンです。サブスクリプション版チェックポイントの上限は公表されていません。なぜなら、Metaの外部にはそれを数えられる人がいないからです。

• ベンダー合成 — Meta自身の表では、Muse Wonder FullをPersonal Superintelligence Indexで59.1、Muse Wonderを56としている。同じ表のArtificial Analysis Indexの行では、MetaはMuse Wonder Fullを59.0と記載しているが、Artificial Analysis自身は56を公開している。

その最後の一文は、少し立ち止まってかみしめる価値がある。ベンダーが自社の最高チェックポイントについて示した数値は、同じ名称の指標上で同じチェックポイントを独立に測定した値より3ポイント高い——そして、もう一方のチェックポイントの独立測定値である52は、ベンダーの2つの数値が互いに隔たっている距離よりも、ベンダーが最初のチェックポイントについて示した59.1に近い。

4点という数字が重要なわけではない

Meta自身の長期的タスクの行では、2つのチェックポイントは4ポイントをはるかに超えて乖離しており、しかも両方向に乖離している。以下のものはすべてベンダー報告であり、Metaのハーネスで最大の推論努力のもと生成されたもので、独立に再現されたものは何もない。

• JobBench、長期的なプロフェッショナルタスク — Muse Wonder Full 75.3、Muse Wonder 30.8。同じリリースの2つのモデル間に44ポイントの差。

• Terminal-Bench 4.0-AA — Muse Wonder 85.6、Muse Wonder Full 85.5。呼び出し可能なチェックポイントが、サブスクリプション版を0.1ポイント差でわずかに上回っている。

• SWE-Marathon — Muse Wonder Full 79.0、Muse Wonder 78.8。

• MemoryBench — Muse Wonder Full 39.4、Muse Wonder 34.3。

• Harvey LAB-AA、Metaの法務エージェントスイート — Muse Wonder 54.3、Muse Wonder Full 13.1。サブスクリプションのチェックポイントは最下位で終わり、実際に呼び出せるものより41ポイント遅れている。

つまり、そのペアは独立系ボードでは4ポイント差、一方の行ではMetaに有利な44ポイント差、次の行ではMetaに不利な41ポイント差である。これら3つの数字がすべて同一の能力差を表していることはあり得ず、最も簡潔な解釈はそうではないということだ。公開ハーネス上で4ポイントしか離れていないチェックポイント間で44ポイントもの変動があるのは、ロールアウト型タスクのハーネス感受性の高い評価が総合スコアでどのように現れるかを示している。

独立したボードによる4つの点は、どちらかといえば、より正直な数値であり、より役に立たないものである——その程度の単一実行の差は、評価自体のノイズ帯に収まっている。総合表と併せて見れば、3つの行は全体として同じ結論を指し示している。すなわち、これらはトップ10に入るフロンティアのチェックポイント2つであり、一般的な能力の測定値は近く、長期的な振る舞いの測定値は大きく隔たり、そのうち一方はMetaの外部では誰も実行できない。それが確立できないのは、あなたのワークロードでどちらが勝つかという点であり、そもそもそれを試みてもいない。

余分な段が何をもたらすのか

Metaはこのシリーズ向けに、ベンチマークの行ですらない2つの機能を挙げている。セッションをまたいで引き継がれる永続状態と説明されるActive Memoryと、長時間タスクにわたる自己管理型のアテンションと説明されるActive Focusだ。どちらかが説明どおりに機能するなら、それはスコアとは別種の違いである——アプリケーションの形を変える。なぜなら、セッション境界を越えて存続する状態は、そうでなければ自分で、お粗末に、自前のデータベースで作ることになるものだからだ。

どちらもモデルカードには示されておらず、テストのために利用することもできない。なぜなら、それらを搭載しているチェックポイントはサブスクリプションの背後にあるものだからだ。その結果、チームには具体的で地味な問題が残る。Muse Wonder Full に月額50ドルまたは200ドルを支払うもっともらしい理由は、Meta の外部では誰も評価できない機能であり、しかもそれは、法務エージェントスイートで兄弟モデルの54.3に対して13.1を報告するチェックポイントに紐づいている。

独立した測定はギャップの一部を埋めるが、それは一部にすぎない。Artificial Analysisは、{{1}}Muse Wonder Full{{/1}}が評価中に約1億4000万の出力トークンを消費したのに対し、中央値は8800万だったと記録しており、{{2}}Muse Wonder{{/2}}は約1億3000万で、中央値は8500万だった。どちらもスコアに到達するために大量に費やしており、これは必須の推論と整合し、エスカレーションを実行する前にそのコストを教えてくれる——しかし、どちらの数値も、永続メモリが機能するかどうかについては何も語っていない。

その決定は購入ではなく、スロットルだ

2つのチェックポイントを比較する場合、たいていは「どちらを購入するのか」という調達上の問いに行き着く。しかしこの比較ではそれができない。一方に従量課金のSKUが存在しないからだ。そのため、物事全体は代わりにルーティングの問いとして捉え直される。そしてここでは、そのルーティングの問いが異例なほど明快な形を取る。安価な選択肢と高価な選択肢が、まったく異なる従量メーターで販売されているからだ。

Muse Wonderは従量課金制です。そのコストはトークン数に比例して増減し、100万トークンあたり{{1}}4.00ドル{{/1}}および{{2}}20.00ドル{{/2}}、入力側には95%のキャッシュ割引が適用されるため、インデックスタスク1件あたりの独立したコストは約4.52ドルになります。Muse Wonder Fullはまったく従量課金ではありません。そのコストは、利用量に左右されない定額の月額プランであり、つまりFullチェックポイントへのリクエストが1件増えても、プラン内では限界コストがゼロ、プラン外では無限大になるということです。これら2つの経済性は、相反するトラフィックを求めます。従量課金制の価格設定は、高コストなモデルをほとんどのリクエストから外しておくことに報酬を与え、定額制の価格設定は、一度支払ってしまえば、できるだけ多くのトラフィックをそこに通すことに報酬を与えるのです。

つまり、実用的なアーキテクチャはモデル選択ではなくエスカレーション・ラダーだ。コーラブル・チェックポイントは、予測できるレートでトラフィックの大部分を処理する。サブスクリプション・チェックポイントは、長期的な挙動が異なると言われているサブセットを吸収する——そのボリュームを受け入れられるプランがあり、かつ44ポイントのJobBenchの主張があなた自身の測定に耐えることを前提として。測定そのものが最初に構築すべき部分だ。なぜなら、4ポイントの公開ギャップと44ポイントのベンダーギャップが両方とも正しいはずはなく、あなたのワークロードだけがそれを解決する唯一の手段だからだ。

他のモデル群について言える2つの点が、そのラダーを、聞こえるよりも安く組めるものにしている。1つ目は、これらのモデルがすべて同じ方式で課金されることだ——推論トークンは100万あたり$20の出力トークンであり、エフォートのラダーはminimalからmaxまで及び、デフォルトはmediumなので、選ぶ設定のほうが、入れ替えるモデル識別子よりも大きな費目になる。2つ目は、このローンチが呼び込む比較対象がすでにルーティング可能だということだ。Claude Opus 5.5入力$4.00、出力$20.00で、Meta自身のMuse Spark 1.2$1.25と$4.25で、どちらもOrcaRouter上に各ベンダーの定価で並んでおり、他の200以上ものモデルとともに、1つのOpenAI互換APIの背後にある。定価は0%のマークアップでそのまま通されるため、モデルを変えてもラダーの計算は変わらない。

Muse WonderもMuse Wonder Fullも、当社のルートのいずれでもありません。カタログにはmeta/muse-wonderやmeta/muse-wonder-fullというエントリは存在せず、Muse Wonder Fullはいかなる価格であってもMetaのサブスクリプション面以外では利用できず、当社はどちらについても、あたかもそうであるかのように説明するつもりはありません。この特定の判断に対してルーターが寄与するのは、フェイルオーバーとフォールバックです。めったに実行されないはずのエスカレーションの段こそ、プロバイダーの一時的な不調が最も許容されにくく、最も見えにくい段であり、自動フェイルオーバーに加えて、エスカレーションをアプリケーションコードではなく設定として表現できるルーティングDSLがあればこそ、めったに使われない経路が障害になることを防げるのです。

覚えておくべきバージョン

今回のローンチから持ち帰る唯一のポイントが「Muse Wonder Full は Muse Wonder よりスコアが高い」だというなら、それは最も実行に移せない部分だ。両者の差は、両方を測定した唯一の独立系リーダーボードでは4ポイント、一方のスイートではベンダー申告で44ポイント、別のスイートではベンダー申告で41ポイントの逆方向の差、そしてアクセス面では明確な二択だ。一方は今日から呼び出せるAPIで、100万トークンあたり$4.00と$20.00。もう一方は月額プランで、トークンあたりの料金がなく、SDKから入る手段もない。

正しい動きは、その4点を、これらが能力において同格である証拠として扱い、アクセスの違いを、これらが代替品ではない証拠として扱い、呼び出し可能なチェックポイントを基準に構築し、自分自身のギャップを教えてくれる測定ハーネスを構築し、サブスクリプションを、測定がそれを正当化するときにオンにするエスカレーションとして扱うことだ——総合スコアが高いから買うアップグレードとしてではなく。そして、ベンダーが単一のリリース内で44ポイントの差を公表するとき、有用な問いは、どのチェックポイントを標準化すべきかではない。自分の評価セットと接触しても生き残るのはどの数値かであり、その問いに答えがあるのは、すでにそれを構築している場合だけだ。