Muse Wonder vs Claude Opus 5.5 op het gebied van SVG-generatie: wat de eerste hands-on test werkelijk laat zien

Muse Wonder werd algemeen beschikbaar op 12 oktober 2026 — dezelfde dag dat zijn hoger scorende zustermodel Muse Wonder Full alleen met een abonnement werd uitgebracht — en het heeft al meer vergelijkingspagina's verzameld dan bijna enig model dat deze blog heeft behandeld. Wat het tot deze week niet had verzameld, was een gepubliceerde test uit de eerste hand van een specifieke, controleerbare capaciteit. Op 12 oktober plaatste het X-account @scaling01 een rechtstreekse vergelijking van Muse Wonder met Claude Opus 5.5 op het gebied van SVG-generatie, met twee bevindingen die het zorgvuldig lezen waard zijn: Muse Wonder Full is "goed en probeert zelfs 3D-generatie," en de stijl van zijn output is "te gimmicky" en het "overdrijft."

Dat is een echte, specifieke, falsifieerbare bewering over een daadwerkelijk uitgebracht model, en ze komt van iemand die naar eigen zeggen beide modellen zelf heeft gedraaid. Het is op dit moment ook een enkele niet-gereproduceerde run door één account waarvan het eigen bericht begint met een advertentie-onthulling. Beide dingen zijn tegelijk waar, en dit stuk gaat erover ze samen te houden in plaats van er één te kiezen.

De voorwaarden van de test, gesteld zoals ze gesteld waren.

De bekendmaking staat in de eerste regel van het bericht in plaats van in een voetnoot, wat het vermelden waard is omdat het niet typerend is voor het formaat. De auteur stelt dat Meta gratis previewtoegang tot Muse Wonder heeft gegeven, dat diegene Claude Opus 5.5 uit eigen zak heeft betaald, en dat de tests en conclusies van de auteur zijn. Dat is een wezenlijk zwakkere positie wat betreft belangenverstrengeling dan een niet-gemelde betaalde plaatsing — de ene kant van de vergelijking werd gratis verstrekt, de andere niet, en de auteur zegt dat ook.

Drie dingen over de opzet worden niet gegeven, en elk daarvan beperkt wat het oordeel kan ondersteunen.

• Welk endpoint werd getest — Muse Wonder en Muse Wonder Full bestaan als twee afzonderlijke model-ID's met twee verschillende scoreborden, en de post noemt Muse Wonder in de vergelijking, maar schrijft de observatie over 3D-generatie toe aan Muse Wonder Full

• Welke effort-instelling is gebruikt — de redenering van Muse Wonder is verplicht en doorloopt een effort-ladder van minimaal tot maximaal, met medium als standaard, en redeneertokens worden als output gefactureerd, dus de instelling verandert zowel de kosten als het karakter van de output

• Hoeveel prompts zijn er uitgevoerd — geen promptaantal, geen prompttekst, geen seed, geen heruitvoering

De tweede en derde daarvan zijn belangrijker dan ze lijken. Een model waarvan het redeneren altijd aanstaat en waarvan de inspanning door de gebruiker wordt ingesteld, zal bij minimaal een zichtbaar andere SVG-output produceren dan bij maximaal, en een oordeel over stijl is precies het soort beoordeling waarbij één enkele run van één enkele prompt het mis kan hebben. Dit is geen kritiek op de auteur — een korte post op X is geen paper, en de bekendmaking plus de regel 'de tests en conclusies zijn mijn eigen' is meer transparantie dan de meeste vergelijkingen op de lanceerdag bevatten. Het is een uitspraak over waarvoor het stuk wel en niet gebruikt kan worden.

Wat een SVG-test daadwerkelijk meet

SVG is een uitzonderlijk goed doelwit voor een praktische vergelijking en een uitzonderlijk slecht doelwit voor een oppervlakkige, en inzicht in waarom verklaart wat het oordeel je wel en niet vertelt.

Een SVG is tekst die deterministisch wordt weergegeven. Dat is het goede deel: een reviewer kan de ruwe output van het model in een viewer plakken, ernaar kijken en precies zien wat het model heeft geproduceerd — geen beeldgeneratiepijplijn, geen sampling seed op een diffusiedecoder, geen vraag of het criterium de afbeelding of het bestand is. Als een model misvormde markup uitzendt, faalt de tekening zichtbaar. Als het 40 kilobytes aan gradiëntdefinities uitzendt waar 2 kilobytes aan paden voldoende zouden zijn, is dat meetbaar.

Het slechte eraan is dat stijlverdicts zoals 'gimmicky' en 'overindulges' de minst scheidbare beweringen in de hele ruimte zijn. Er zitten twee onafhankelijke oordelen in:

• Vakmanschap — produceerde het model geldige, goed gestructureerde, renderbare SVG, of produceerde het iets dat gerepareerd moest worden voordat het iets tekende?

• Terughoudendheid — gebruikte het de minimale opmaak die het verzoek nodig had, of greep het naar gradiënten, filters, vervagingen, animaties en ingebedde rastereffecten omdat die nu eenmaal beschikbaar waren?

Vakmanschap ligt dicht bij objectiviteit en kan met een script worden gescoord. Terughoudendheid is een smaakoordeel vermomd als een technisch oordeel, en redelijke reviewers zijn het er voortdurend over oneens — een designer die om een portfolio-illustratie vraagt, wil de gradiënten, en een engineer die om een iconensheet vraagt, niet. Dus wanneer een reviewer zegt dat een model zich te buiten gaat, is de nuttige vraag niet of dat waar is, maar voor welke taak het waar is. De post maakt geen onderscheid tussen de twee beweringen, en het is echt moeilijk om ze in één sessie te scheiden.

De vergelijkende claim, en de complianceclaim

De framing van de post plaatst Claude Opus 5.5 aan de andere kant en de observatie over 3D-generatie aan de kant van Muse Wonder Full, waardoor het een vergelijking tussen drie partijen wordt in een titel met twee namen — dezelfde structurele eigenaardigheid die door de hele Muse Wonder-lancering heen loopt.

Op die as is de bruikbare context hetzelfde voor alle modellen in dezelfde familie: Claude Opus 5.5 is geen gloednieuw model. Het kwam uit op 22 september 2026, ongeveer drie weken voor Muse Wonder, en het kosten- en capaciteitsprofiel is goed in kaart gebracht. Onafhankelijk daarvan scoort Claude Opus 5.5 (max) 58 op de Artificial Analysis Intelligence Index — de hoogste score in de klasse van 219 modellen — terwijl Muse Wonder (max) 52 scoort en op de negende plaats van 219 staat. De lijstprijs van Opus 5.5 is $4,00 per miljoen inputtokens en $20,00 per miljoen outputtokens; de lijstprijs van Muse Wonder is identiek, $4,00 en $20,00. De ironie van de situatie is dat Opus 5.5 in de praktijk het duurdere model blijkt te zijn, niet vanwege zijn tariefkaart maar omdat het uitvoerig is: Artificial Analysis registreert dat het tijdens de evaluatie ongeveer 260 miljoen outputtokens verbruikt, vergeleken met een mediaan van 85 miljoen, en ongeveer 130 miljoen voor Muse Wonder, wat neerkomt op ongeveer $5,98 per indextaak tegenover ongeveer $4,52. Dat is het soort tweegetalvergelijking dat een evaluator die op tokens afrekent kan meten, maar een enkele SVG-prompt niet.

Wat de SVG-test toevoegt, is een categorie die de index niet dekt. Het genereren van gestructureerde tekst bevindt zich ergens tussen code en illustratie, en geen enkele ranglijst geeft er een score aan — niet de Personal Superintelligence Index, niet JobBench, niet Terminal-Bench 4.0-AA, niet SWE-Marathon. Als het daadwerkelijke werk van een lezer het produceren van schone vectorbestanden omvat, zeggen de gangbare scoreborden niets over hun vraag, en dat is precies waarom een eenvoudige directe vergelijking überhaupt de moeite waard is om te linken.

Waar het bij {{2}}het tweede{{/2}} echt om gaat

"Zelfs 3D-generatie proberen" is het interessantere deel van de observatie, en het is gemakkelijk verkeerd te lezen als een claim over capaciteiten.

In de SVG-context beschrijft dit hoogstwaarschijnlijk een model dat voorbij een platte tweedimensionale tekening reikt tot een impliciete of gedeeltelijke derde dimensie — isometrische constructies, geëxtrudeerde vormen, perspectiefrasters, gestapelde pseudolagen, of gegenereerde markup die als een driedimensionale scène wordt weergegeven. Het is niet hetzelfde als een 3D-model. Het produceren van een mesh, een gescand object of een printbaar asset is een volledig ander type uitvoer, en de term "3D-generatie" wordt in het vakgebied losjes gebruikt om alles aan te duiden, van een 2,5D-illustratie tot een daadwerkelijk geometriebestand. Zonder de prompts of de bestanden kan de lezer niet zeggen wat dit was.

Als het om de lossere betekenis ging, is de bewering verenigbaar met de klacht over de stijl in plaats van ermee op gespannen voet te staan. Grijpen naar isometrische projectie of gestapelde lagen is hetzelfde instinct als grijpen naar gradiënten: meer machinerie dan de opdracht vroeg. Misschien beschrijven beide uitspraken één bepaald gedrag — een model dat beschikbare markup als toestemming opvat — wat een nuttigere les is dan elk van beide helften afzonderlijk, en ook de versie die een tweede reviewer met de grootste waarschijnlijkheid zal bevestigen of ontkrachten.

Er is hier echter één asymmetrie die het benoemen waard is. Waar de twee checkpoints in de lanceringsdata van elkaar verschillen, loopt de tweedeling langs structuur in plaats van afwerking. Op Meta's eigen benchmarktabel verslaat Muse Wonder Full het API-model met een ruime marge op JobBench (75,3 tegen 30,8) en Vals Finance Agent V2 (59,1 tegen 10,0) — terwijl het Harvey LAB-AA er met 41 punten van verliest, 13,1 tegen 54,3. Die cijfers zijn door de leverancier gerapporteerd, geproduceerd in Meta's harness en niet gereproduceerd. Maar ze beschrijven een lab dat twee profielen heeft getraind in plaats van één, en een verschil in stijl of terughoudendheid tussen de checkpoints is precies het soort verschijnsel dat een structurele tweedeling zou voortbrengen. Naar welk checkpoint de reviewer keek toen die "gimmicky" schreef, is daarom geen pedante vraag — de post plaatst de twee observaties op verschillende modellen.

Waar de modellen daadwerkelijk te bereiken zijn

Voor iedereen die deze vergelijking zelf wil uitvoeren in plaats van het oordeel op goed vertrouwen aan te nemen, is de praktische vraag waar elk model zich bevindt, en de antwoorden zijn niet symmetrisch.

• Claude Opus 5.5 — algemeen beschikbaar sinds 22 september 2026, $4,00 per miljoen invoertokens en $20,00 per miljoen uitvoertokens, met een tarief voor cache-lezen van $0,20, een contextvenster van 1 miljoen tokens en denkbudgetten die een configuratie zonder denken omvatten

• Muse Wonder — algemeen beschikbaar sinds 12 oktober 2026, op de Meta Model API en binnen Muse Code, tegen dezelfde prijs van $4,00 voor input en $20,00 voor output, met een context van 1.048.576 tokens en een outputlimiet van 943.718 tokens

• Muse Wonder Full — op dezelfde dag aangekondigd, maar niet per token verkocht; het is alleen bereikbaar via een Muse Code-abonnement en heeft geen gepubliceerde tariefkaart per token, daarom heeft het hier helemaal geen prijsrij.

Het addertje onder het gras is de redeneerconfiguratie van Muse Wonder. Die kan niet worden uitgeschakeld. De inspanningsladder kent minimal, low, medium, high, xhigh en max, met medium als standaard, en redeneertokens worden als output gefactureerd. Elke head-to-head-run tegen een model dat kan worden opgedragen niet te denken, vergelijkt dus een afgeknepen configuratie met een niet-afgeknepen configuratie, tenzij de reviewer de instelling vermeldt, en dat doet deze post niet. Dat is de meest ingrijpende leemte in de reproductie, meer nog dan het ontbrekende aantal prompts.

Hoe je het in een middag reproduceert

De reden dat deze test het waard is om uit te breiden in plaats van terzijde te schuiven, is dat uitbreiden goedkoop is. Een bruikbare versie heeft vier dingen nodig die het origineel niet levert: een vaste set prompts van misschien een dozijn vectortaken die pictogrammen, diagrammen, illustraties en grafieken omvatten; een vermelding van de effort-instelling; de ruwe SVG-bestanden bewaard naast de renders; en een scoringsronde die vakmanschap scheidt van terughoudendheid in plaats van ze te vermengen. Twaalf prompts bij twee effort-instellingen over twee modellen is 48 runs — een paar dollar aan outputtokens tegen deze tariefkaarten, en een werkelijk nuttiger artefact dan welke indruk op de lanceringsdag dan ook.

Dit is ook het geval waarin een router zichzelf terugverdient op een manier die een pure prijsvergelijking niet doet. Claude Opus 5.5 wordt op OrcaRouter aangeboden tegen Anthropics eigen lijstprijs — $4,00 per miljoen inputtokens, $20,00 per miljoen output, $0,20 per miljoen voor cachereads — met de doorgifte zonder opslag die voor de hele catalogus geldt, zodat een prijswijziging van een leverancier dezelfde dag bij ons doorwerkt als bij hen. Lijstprijzen van providers worden ongewijzigd doorgegeven; de routeringslaag voegt geen spread toe. Een sweep met een dozijn prompts over twee modellen is één sleutel en één endpoint in plaats van twee accounts, twee SDK-integraties en twee facturatiere laties, en als je iets uittest dat zo onbewezen is als een model dat gisteren is uitgebracht, betekent automatische failover dat een provider met een snelheidsbeperking of verminderde prestaties niet de hele run mee naar beneden haalt.

Om expliciet te zijn over wat we niet hebben: er is geen meta/muse-wonder- of meta/muse-wonder-full-vermelding in onze catalogus. We routeren geen van beide checkpoints en we gaan er ook niet een beschrijven alsof we dat wel doen. Wat we wel van hetzelfde lab hebben, is de Muse Spark-lijn — Muse Spark 1.2 kost $1,25 per miljoen input en $4,25 per miljoen output, met hetzelfde contextvenster als het vlaggenschip voor een fractie van de prijs, en het is het model om naar te grijpen als je Meta's reasoning-familie via dezelfde sleutel als al het andere wilt. Muse Wonder aan een sweep toevoegen is momenteel een tweede account; Muse Spark 1.2 toevoegen is een regel in dezelfde config.

Waarop te letten, en wat uitsluitsel zou geven

Drie dingen zouden dit van een interessante indruk in bewijs veranderen.

• Een tweede beoordelaar met een andere smaak die tot hetzelfde terughoudendheidsoordeel komt — stijloordelen die een wisseling van beoordelaar overleven, gaan over het model; die dat niet doen, gaan over de beoordelaar

• Muse Wonder Full wordt per token bereikbaar — het model dat in de 3D-generatieobservatie wordt genoemd, is het model zonder tariefkaart, dus niemand die dat deel van de bewering wil controleren kan er toegang toe kopen zonder een maandabonnement op een codeeragent

• Elk onafhankelijk scorebord dat een vector- of gestructureerde-graphics-taak toevoegt — het gat waarin deze test valt is niet dat niemand hem heeft uitgevoerd, maar dat geen enkel scorebord er een score aan toekent, en daarom is de middag van één persoon momenteel het hele record

De eerlijke samenvatting is dat dit een echte bevinding is met een echte beperking. Een recensent die betaalde previewtoegang heeft gemeld, zelf voor de andere kant heeft betaald en een specifiek negatief oordeel heeft gepubliceerd, heeft meer gedaan dan een lanceeroverzicht doet — en een model dat dingen "probeert" die niet gevraagd zijn, is een claim over terughoudendheid, niet over capaciteit, en terughoudendheid is het gemakkelijkste waar de volgende recensent anders naar kan kijken. Als je vandaag tussen Claude Opus 5.5 en Muse Wonder kiest voor vectoroutput, is het verschil in de onafhankelijke index zes punten en het verschil in tokenvolume twee tegen één in het voordeel van Muse Wonder; het stijloordeel is de middag van één persoon en moet als een hypothese worden behandeld, niet als een resultaat.