GPT-Rosalind vs Muse Wonder: Wat een context van 1M je oplevert in een biologielab

Muse Wonder en GPT-Rosalind zijn de twee modellen in deze vergelijking die op papier het dichtst bij elkaar staan en qua doel het verst uiteenliggen. Meta Superintelligence Labs bracht Muse Wonder op 12 oktober 2026 uit voor $4,00 per miljoen inputtokens en $20,00 per miljoen outputtokens, met een context van 1M tokens en een Artificial Analysis Index van 56 — hetzelfde prijsniveau en dezelfde contextgrootte als GPT-Rosalind, een model dat OpenAI sinds 16 april 2026 verkoopt voor $5,00 en $25,00. Het verschil van vijf dollar en vijf dollar is niet het interessante deel. Het interessante deel is dat een van deze modellen elke vraag beantwoordt die je eraan stelt, en het andere alleen vragen beantwoordt van organisaties die een beoordeling hebben doorstaan, en dat van de twee alleen het tweede is afgestemd op de dingen die een biologielab daadwerkelijk doet.Wanneer een release met beperkte toegang wordt opengesteld of een score wordt herzien, wordt de wijziging met de bijbehorende datums en bronnen vastgelegd in het AI Incident Archive, naast de andere incidenten met modellen en leveranciers die wij volgen.

Hetzelfde contextvenster, een andere reden om er een te hebben.

Beide modellen hebben een miljoen tokens, en het is de moeite waard om te begrijpen dat dit een toevallige samenloop is van twee losstaande ontwerpbeslissingen, niet een gedeelde capaciteit.

Meta's reden is breedte. Muse Wonder neemt tekst, beeld, spraak en video op en geeft tekst terug, en is gebouwd voor wat Meta persoonlijke en professionele agentische taken noemt. Het zustermodel Muse Wonder Full zit opgesloten in een Muse Code-abonnement — $50 per maand voor het Power Usage-plan, $200 voor Maximum Usage — waardoor het een productbeslissing is in plaats van een API-laag. Een miljoen tokens heb je nodig wanneer één agentsessie tegelijk een schermopname, een document, een gespreksgeschiedenis en een tooltranscript moet bevatten.

OpenAI's reden is diepgang. GPT-Rosalind heeft een miljoen tokens, zodat een lab in één keer een complete referentieatlas, een protocolbibliotheek en een datasetbeschrijving kan invoeren. De toolomgeving is een life-sciences-plugin met meer dan vijftig tools; de gepubliceerde benchmarks betreffen chemie en genomica; de toegangsbeperking bestaat omdat het model biologisch goed genoeg wordt geacht om er een nodig te hebben.

• Contextvenster — Muse Wonder 1.000.000 tokens vs GPT-Rosalind 1.000.000 tokens. Een echt gelijkspel.

• Invoermodaliteiten — Muse Wonder: tekst, afbeelding, spraak en video. GPT-Rosalind: tekst- en wetenschappelijke bestandsinvoer via ChatGPT, Codex en de API; geen algemene claim over beeldinvoer gepubliceerd.

• Uitvoer — Alleen tekst, beide.

• Prijs — Muse Wonder $4,00 invoer / $0,20 gecachet / $20,00 uitvoer per 1 miljoen vs GPT-Rosalind $5,00 / $0,50 / $25,00. De specialist kost 25% meer per regel en 2,5× meer bij het lezen van de cache.

• Toegang — Muse Wonder is vandaag aanroepbaar als muse-wonder-1.0 op de Meta Model API en binnen Muse Code. GPT-Rosalind vereist een beoordeling voor vertrouwde toegang.

• Onafhankelijke score — Muse Wonder 56 op de Artificial Analysis Index, v4.3.2. GPT-Rosalind: niet gevolgd op dat overzicht.

Dat laatste paar is de kern van de zaak. Op elke as die een inkoopteam kan meten zonder aan wetenschap te doen, wint Muse Wonder: het is goedkoper, het is beschikbaar zonder aanvraag, het accepteert meer soorten invoer en het heeft een onafhankelijke score. De enige as waarop GPT-Rosalind wint, is degene die geen enkel leaderboard meet, en dat is precies waar dit artikel over gaat.

De scores die niet vergelijkbaar zijn, simpelweg gezegd

De 56 van Muse Wonder en de 27,5% van Rosalind zijn geen twee metingen van hetzelfde, en elke tabel die ze in naast elkaar gelegen kolommen plaatst, is misleidend. De 56 is een onafhankelijke samengestelde score over tien algemene evaluaties: AA-Briefcase, GDPval-AA, AutomationBench, Terminal-Bench, SciCode, Humanity's Last Exam, GDP.pdf en andere. De 27,5% is OpenAI's eigen benchmark voor medicinale chemie, gescoord tegen GPT-5.5, niet gereproduceerd.

• Muse Wonder — 56 op de Artificial Analysis Index; Meta's eigen tabel rapporteert Terminal-Bench 4.0-AA op 85,6, SWE-Marathon op 78,8, OSWorld V2.1 op 72,6, HealthBench Pro op 56,6 en DeepSWE 1.1 op 52,0. Alle Meta-rijen zijn door de leverancier gerapporteerd; het indexcijfer is onafhankelijk.

• GPT-Rosalind — MedChemBench 27,5% vs 25,1%, GeneBench 21,6% vs 20,4%, LabWorkBench 63,2% vs 55,8%, en een prestatie-per-token-winst van 4,42% op LifeSciBench. Allemaal door OpenAI gerapporteerd, geen enkele onafhankelijk gereproduceerd.

• De enige noemenswaardige overlap — HealthBench Pro is een benchmark voor klinische kennis, en GPT-Rosalind publiceert daar niets over. Meta's 56,6 daar zegt niets over of Muse Wonder een perturbatie-experiment kan ontwerpen.

Er bestaat geen openbare biologiebenchmark waarop beide modellen allebei zijn gescoord. Dat gebrek is het belangrijkste feit in de vergelijking, en geen van beide leveranciers gaat daar iets aan veranderen.

Wat Muse Wonder Full doet met de prijsvergelijking

Meta heeft op 12 oktober twee checkpoints uitgebracht, en de opsplitsing verandert wat "Muse Wonder" betekent, afhankelijk van via welke deur je binnenkomt.

• Muse Wonder — muse-wonder-1.0, op de Meta Model API en in Muse Code, $4.00 / $0.20 / $20.00.

• Muse Wonder Full — een afzonderlijk, hoger scorend checkpoint dat volgens Meta alleen beschikbaar is voor abonnees van Muse Code. Geen flag op het API-model; een ander model achter een maandabonnement van $50 tot $200.

• De spreiding — Meta's eigen tabel toont Muse Wonder Full op 75,3 op JobBench tegenover 30,8 voor Muse Wonder, en 59,1 tegenover 10,0 op Vals Finance Agent V2. Een gat van 44 punten tussen twee checkpoints uit hetzelfde lab op één benchmark is ofwel een oprechte splitsing in capaciteiten ofwel een artefact van de testopzet, en alleen een derde partij kan beslechten welke van de twee het is.

Voor een lab is de praktische conclusie dat het model dat je via een API kunt kopen en het model waarvoor Meta zijn beste cijfers publiceert, niet hetzelfde model zijn. Wie "Muse Wonder" op basis van de scores van Full met GPT-Rosalind vergelijkt, vergelijkt een abonnementsproduct met een API-model.

Waar een miljoen tokens daadwerkelijk worden gebruikt

De contextovereenkomst is de reden dat deze twee modellen überhaupt met elkaar worden vergeleken, dus het is de moeite waard om concreet te zijn over wat een lab met een miljoen tokens doet versus wat een algemene agent ermee doet.

Een generieke agent met een miljoen tokens houdt toestand vast: het gesprek, de schermafbeeldingen, de tool-uitvoer, het huidige bestand. De context is een werkruimte. Een biologische workflow met een miljoen tokens houdt een referentie vast: de atlas, de annotatietabellen, het protocolcorpus, de eerdere literatuur. De context is een bibliotheek.

Dat zijn verschillende werkbelastingen, en ze leggen de nadruk op verschillende dingen. Een workspace beloont snelle tool-loops en goedkope cache-reads; een bibliotheek beloont het vermogen om een grote hoeveelheid domeintekst in beeld te houden en daarover te redeneren zonder de draad kwijt te raken. Meta optimaliseert voor het eerste — Active Memory van Muse Wonder houdt de status gedurende een sessie bij, en Active Focus beheert de eigen aandacht van het model bij lange taken; beide functies zijn alleen zinvol voor agentisch gebruik. OpenAI optimaliseert voor het tweede, en daarom zijn de gepubliceerde verbeteringen te zien bij taken waarbij het model tegelijkertijd een protocol en een perturbatie in gedachten moet houden.

• Cache-economie — Muse Wonder $0,20 per miljoen gecachet versus GPT-Rosalind $0,50. Bij een lange agentsessie waarbij elke beurt een grote systeemprompt opnieuw wordt verzonden, is het generalistische model 2,5× goedkoper op de regel die domineert.

• Sessieontwerp — dat Muse Wonder zijn status persistent houdt over sessies heen, is de bewering die het meest verandert hoe je een applicatie architect, en het is ook precies degene die een model card niet kan aantonen.

• Domeintekst — Geen van beide leveranciers publiceert een benchmark voor lang-contextretrieval van wetenschappelijke tekst, dus de gelijkstand is onbevestigd in de richting die hier van belang is.

De gate is wat het verschil maakt, niet de benchmark.

Hier is de asymmetrie die het inkoopgesprek bepaalt. Muse Wonder wordt verkocht aan iedereen met een betaalkaart. GPT-Rosalind wordt alleen verkocht aan organisaties die een beoordeling doorstaan, en die beoordeling bestaat omdat OpenAI concludeerde dat de biologiecapaciteit van het model niet op aanvraag beschikbaar zou moeten zijn. Sinds 11 september 2026 staat die poort wereldwijd open voor in aanmerking komende organisaties in plaats van een met naam genoemde partnerlijst; sinds 15 oktober is er ook een academisch traject dat in aanmerking komende labs maximaal 30 gratis ChatGPT Business-gebruikersplaatsen geeft voor maximaal twaalf maanden en API-toegang expliciet uitsluit.

Twee interpretaties daarvan, en beide zijn verdedigbaar. De cynische: een poort is een belasting voor legitieme onderzoekers die niets doet om iemand anders tegen te houden. De nuttige: een leverancier die een model achter een poort houdt, heeft je verteld waar volgens hem de capaciteit geconcentreerd is, en een leverancier die een algemeen model aan iedereen verkoopt, heeft je door weglating hetzelfde verteld. De gepubliceerde sterke punten van Meta voor Muse Wonder zijn agentisch werk, coderen en professionele taken. Biologie staat niet in het verkooppraatje, en er is geen poort omdat er niets achter een poort te houden is.

De beslissing is dus niet "welk model is beter." Het is "hoort mijn verzoek in de bibliotheek of in de werkruimte," en het antwoord is meestal duidelijk zodra de vraag in die bewoordingen wordt gesteld.

Het paar draaien, en eerlijk zijn over welke helft we dienen.

Noch Muse Wonder noch GPT-Rosalind staat op OrcaRouter. Muse Wonder is bereikbaar via Meta's eigen API en binnen Muse Code; GPT-Rosalind alleen via O​penAI's trusted-accessprogramma. We gaan niet suggereren dat we een van beide routeren.

Wat we wel uit die familie aanbieden, is de Muse Spark-lijn — Muse Spark 1.2 en Muse Spark 1.1 tegen $1,25 input en $4,25 output per miljoen tokens met een context van 1.048.576 tokens, een bijgewerkte checkpoint tegen identieke prijs, en een breder inputoppervlak dat naast tekst, afbeeldingen en pdf's ook video en audio omvat. Voor een lab dat test of een Meta-model in zijn pipeline past voordat het zich vastlegt op een Muse Code-abonnement, is dat de goedkope manier om erachter te komen. Daarnaast staan 200+ andere modellen achter één sleutel tegen de lijstprijs van de provider met 0% opslag, zodat een prijsverlaging van een leverancier op dezelfde dag dat die wordt gepubliceerd ook bij ons live staat.

De architectuur die hier logisch is, is dezelfde splitsing waarop deze vergelijkingen steeds uitkomen. De werkruimtehelft — orkestratie, parsing, de code rond de wetenschap, het documentwerk — draait op een model dat je vandaag kunt aanroepen, met automatische failover zodat een hapering bij een provider een verzoek verplaatst in plaats van een run te beëindigen. De bibliotheekhelft blijft op een directe specialisten-sleutel, achter een benoemde route in de routing-DSL die luid faalt wanneer de specialist niet beschikbaar is in plaats van stilletjes antwoord te geven met een algemeen model. Als je een second opinion wilt op een resultaat op het randje zonder voor elk verzoek specialistentarieven te betalen, is model fusion over een panel het mechanisme: meerdere modellen antwoorden, jij vergelijkt, en de onenigheid is het signaal.

Wat zou het beslechten?

Drie dingen. Een onafhankelijk testharnas zou Meta's JobBench en Vals Finance-spreads opnieuw kunnen draaien, waarmee je kunt vaststellen of de kloof van 44 punten tussen de twee Muse Wonder-checkpoints capaciteit of artefact is. Een muse-wonder-full-API-pad zou het hoger scorende model koopbaar maken in plaats van abonnementsgebonden. En elke onafhankelijke biologie-evaluatie die beide modellen omvat, zou dit hele argument vervangen door een getal, wat het veld sinds april nodig heeft.

Bij gebrek daaraan is de regel eenvoudig genoeg om op een kaartje te schrijven. Als het verzoek agentisch, multimodaal is of gaat over het coherent houden van een lange sessie, is Muse Wonder voor $4.00 / $20.00 met een context van 1M en een onafhankelijke score van 56 de betere koop, en je kunt vandaag beginnen. Als het verzoek de biologie betreft, zit het enige model hier dat ervoor is afgestemd achter een review, kost het op elke regel 25% meer en staat het op geen enkel leaderboard dat je kunt controleren — en die combinatie is hoe een specialist eruitziet voordat de benchmarks bijbenen.