Muse Wonder vs Reflection Beam: de een is een tariefkaart, de ander een belofte

Zeven dagen na elkaar, vanuit tegengestelde richtingen. Meta bracht Muse Wonder op 12 oktober 2026 algemeen beschikbaar, via de Meta Model API en in Muse Code, voor $4,00 per miljoen invoertokens en $20,00 per miljoen uitvoertokens, met een contextvenster van 1.048.576 tokens en zonder enige vorm van download. Reflection kondigde Reflection Beam aan op 5 oktober 2026 — een sparse mixture-of-experts-model met 501 miljard totale parameters en 23 miljard actieve per token — met de gewichten die onder Apache 2.0 beloofd werden, een preview met wachtlijst achter een aanmeldingsmuur, en geen gepubliceerde prijs op enige van de eigen kanalen van het bedrijf.

Wat betekent dat de eerlijke manier om deze confrontatie te framen niet model tegen model is. Het is een tarievenkaart tegenover een belofte. Een van beide kun je vanmiddag aanroepen en zul je nooit bezitten; de andere kun je uiteindelijk bezitten en vandaag helemaal niet aanroepen. Als je een standaard kiest voor een workload die dit kwartaal wordt opgeleverd, beslecht dat onderscheid meer dan welke benchmarkregel dan ook, en het is de moeite waard om expliciet te zeggen dat geen van beide kanten daarvan kritiek op het andere lab is.

Zeven dagen, twee reisrichtingen

Muse Wonder arriveerde als een afgerond commercieel product met een ongewoon dunne publieke documentatie eronder. Het model is aanroepbaar, de prijs staat vermeld, het parameteroppervlak is opgesomd — een ladder voor redeneerinspanning van minimaal tot maximaal met medium als standaard, een uitvoerplafond van 943.718 tokens, elke redeneertoken gefactureerd tegen het uitvoertarief — en een tweede checkpoint, Muse Wonder Full, wordt bij dezelfde lancering geleverd met een hogere score, maar alleen binnen een Muse Code-abonnement en helemaal niet per token verkocht. Wat M​eta niet heeft uitgebracht, is iets downloadbaars. Er is geen model card-release, geen checkpoint, geen licentieverlening.

Reflection deed het omgekeerde. Het lanceringsbericht van Beam is een onderzoeksaankondiging met daaraan een belofte over serving verbonden: benchmarktabellen, een pre-trainingverslag dat 6.144 GB300 NVL72-systemen noemt en een run van vier weken over 23,8 biljoen tokens, een reinforcement-learningfase op 10.500 GB300s met meer dan 100 miljoen rollouts en ongeveer 1,3 miljard sandboxes, en een specifieke licentietoezegging — de gewichten, het technische rapport, de modelkaart en de ontwikkelaarsartefacten zullen later deze maand onder Apache 2.0 volgen, in de eigen woorden van het bedrijf. Wat op 5 oktober niet werd uitgebracht, is een prijs, een contextvenster voor serving, een maximale outputwaarde of een bestand.

Twee labs, één week, en daartussen het hele spectrum van wat "released" in 2026 kan betekenen.

Wat elk van hen daadwerkelijk heeft gepubliceerd

Elk cijfer hieronder is van de leverancier zelf, en waar een getal ontbreekt, is dat de bevinding.

• Aanroepbaarheid — Muse Wonder is sinds 2026-10-12 algemeen beschikbaar op de Meta Model API onder muse-wonder-1.0 en binnen Muse Code; de preview van Reflection Beam is een wachtlijst voor "een beperkte groep gebruikers", zonder selfservicepad in

• Prijs — Muse Wonder $4,00 in / $0,20 in cache / $20,00 uit per miljoen tokens, gepubliceerd; Reflection Beam wordt nergens op de eigen eigendommen van Reflection gepubliceerd, dus elk dollarbedrag dat u eraan hebt zien hangen, is een schatting in plaats van een lijstprijs

• Context — Muse Wonder 1.048.576 tokens; de API-documentatie van Reflection Beam vermeldt een servinglimiet van 256.000 tokens met een voetnoot die waarschuwt dat het cijfer tijdens de bèta kan veranderen, terwijl het lanceringsbericht apart vermeldt dat midtraining de effectieve context van het model uitbreidt tot 1M tokens. Dat zijn een capaciteit aan de trainingszijde en een limiet aan de servingzijde, geen tegenstrijdigheid — maar slechts één ervan is een getal waar je op kunt bouwen

• Maximale output — Muse Wonder 943.718 tokens; Reflection Beam niet gepubliceerd

• Modaliteit — Muse Wonder accepteert tekst, afbeelding, spraak, video en bestanden, en geeft tekst terug; Reflection Beam is tekst in, tekst uit

• Gewichten — Muse Wonder: geen, en geen aangekondigd; Reflection Beam Apache 2.0 beloofd, tot op heden niet uitgebracht

• Onafhankelijke score — Muse Wonder 52 op de Intelligence Index van Artificial Analysis, gerangschikt als #9 van 219; Reflection Beam heeft geen rij op dat scorebord, of op enige andere onafhankelijke evaluator die we kunnen vinden

• Architectuur — Muse Wonder niet bekendgemaakt; Reflection Beam 501B totaal / 23B actief, een opgegeven verhouding van ongeveer 4,6%

De asymmetrie in die lijst is het hele verhaal. Muse Wonder heeft een prijs en een doel en geen artefact. Reflection Beam heeft een beloofd artefact en noch een prijs noch een doel.

De efficiëntieclaim is de claim die je op afstand moet houden.

De interessantste bewering van Reflection is niet een benchmarkscore. Het is dat Beam codeer- en agentische capaciteiten combineert met "hoogst efficiënte redenering", met scores op geavanceerde redeneerbenchmarks vergelijkbaar met GLM-5.2 terwijl het 3–4× minder inferentiecompute gebruikt, waarbij de kloof groter wordt tegenover modellen in de 2T+ parametergroep zoals Qwen 3.8-Max. De grafiek achter die bewering is een leveranciersgrafiek, op de eigen assen van een leverancier, en is niet gereproduceerd — maar de onderliggende rekensom is niet exotisch. Inferentie-FLOPs schalen ruwweg als twee keer het aantal actieve parameters maal het aantal gegenereerde tokens, dus een model met 23B actieve parameters dat voor een taak vergelijkbare output genereert, kost per taak echt minder dan een met 40B of 100B actieve parameters. De architectuur is het argument, en op het gebied van architectuur is Beams argumentatie coherent.

Wat ontbreekt, is de noemer. Compute per taak is een ratio, en het gepubliceerde materiaal geeft ons de parameterkant ervan en niets aan de tokenkant. Reflection publiceert voor geen enkele van zijn benchmarkruns een aantal outputtokens. Er is geen verbositeitscijfer, geen meting van tokens per taak, geen onafhankelijke run.

Muse Wonder heeft daarentegen precies dat aantal, en dat werkt juist de andere kant op. Artificial Analysis mat Muse Wonder (max) op 130 miljoen verbruikte outputtokens tijdens de evaluatie met de Intelligence Index, tegenover een mediaan van 85 miljoen bij vergelijkbare modellen, en op ongeveer $4,52 per indexopdracht. Het eigen label van de evaluator voor dat gedrag is "ietwat breedsprakig". Muse Wonder is een frontiermodel tegen een frontierprijs en betaalt voor zijn score in outputtokens, omdat reasoningtokens tegen het outputtarief worden gefactureerd — de meest bepalende regel in M​eta's eigen prijsdocumentatie.

De twee labs zetten dus tegenovergestelde weddenschappen in, en geen van beide heeft de cijfers gepubliceerd waarmee dat beslecht zou worden. M​eta heeft een meetbare verbositeit en geen bekendgemaakt parameteraantal, dus je kunt de FLOPs per token niet berekenen. Reflection heeft een bekendgemaakt parameteraantal en geen gemeten verbositeit, dus je kunt de tokens per taak niet berekenen. Iedereen die je vertelt dat Beam drie tot vier keer goedkoper om te draaien is dan Muse Wonder, vergelijkt een parameterratio met een tokenaantal dat niet bestaat.

Sparsiteit koopt inferentiekosten, geen capaciteit

Er schuilt een tweede valkuil in het cijfer 501B, en het is gemakkelijk erin te trappen omdat het getal zo groot is. Het totale aantal parameters in een sparse mixture-of-experts-model is een statistiek voor opslag en pre-training, niet een statistiek voor compute per token. Per token dat Beam genereert, worden ongeveer 23 miljard van zijn 501 miljard parameters aangesproken. De overige 478 miljard blijven bij die aanroep ongebruikt. Beam is geen model met 501 miljard parameters in de zin waarin een dense model van die omvang dat zou zijn, en het noemen ervan naast de niet-bekendgemaakte omvang van Muse Wonder lokt een vergelijking uit die niets betekent.

Waar de ratio wél toe doet, is bij deployment. Een 501B-checkpoint in BF16 is in de orde van grootte van een terabyte aan gewichten, en het aantal actieve parameters verkleint de geheugenvoetafdruk niet — alleen het rekenwerk. Beam zelf serveren betekent ofwel een grote multi-GPU-node ofwel een zware kwantisatie, en kwantisatie is precies het soort ding dat je pas kunt evalueren zodra de gewichten bestaan. Dat is de tweede reden waarom de Apache 2.0-release hier de gebeurtenis is die ertoe doet, en niet een voetnoot: die verandert een veelbelovende architectuur in iets dat je op je eigen hardware kunt meten, met je eigen batchgrootte, met je eigen prompts.

M​eta's positie op dezelfde as is het tegenovergestelde. De architectuur van Muse Wonder is niet openbaar en het verhaal over de implementatie is volledig de API van iemand anders. Je zult het niet kwantiseren, het niet on-premises draaien voor een gereguleerde workload, en het niet fine-tunen. Je huurt het, tegen een vermeld tarief, voor onbepaalde tijd.

Waar de leverancierscijfers en de onafhankelijke cijfers van elkaar afwijken

Dit verdient een korte sectie, want het is de discipline die de rest van de vergelijking eerlijk houdt. M​eta's eigen harness zet Muse Wonder Full op 59,1 op zijn Personal Superintelligence Index en Muse Wonder op 56. Artificial Analysis, dat zijn eigen index op Muse Wonder (max) loslaat, komt op 52. Dezelfde modelfamilie, dezelfde week, vier punten verschil — en het onafhankelijke cijfer is het laagste. Muse Wonder Full op 56 op het onafhankelijke bord is een echte uitkomst: een #4-positie van de 699 modellen in die klasse, en het ligt nog steeds vier punten onder wat M​eta's eigen tabel suggereert. Niets daarvan maakt M​eta's cijfers onjuist; leveranciersharnesses zijn afgestemd op de uitrol van de leverancier, en M​eta bestempelt ze als de zijne. Het betekent wel dat de enige cijfers in dit artikel die tegen elkaar kunnen worden afgezet, de cijfers van Artificial Analysis zijn, en die bestaan voor precies één van de twee modellen.

De tabellen van Reflection bevatten een andere versie van hetzelfde probleem. Beam staat vermeld als 80,9 op SWE-Bench Verified, 80,1 op Terminal-Bench v2.1 en 44,4 op DeepSWE v1.1, allemaal door de leverancier gerapporteerd, allemaal op dezelfde pagina als vergelijkingen met Inkling en Nemotron 3 Ultra. Twee van die drie zijn scores waarvoor Muse Wonder ook een leverancierscijfer heeft, en twee sets leverancierscijfers die door twee verschillende testharnassen zijn geproduceerd met elkaar vergelijken is geen vergelijking. Het is een toevalligheid van kolomkoppen.

Als je deze maand moet kiezen

De beslissing komt neer op welk ontbrekend ding je kunt tolereren.

• Als je dit kwartaal uitbrengt en je hebt aanroepbaarheid nodig, een prijs die je kunt voorspellen, een venster van 1M tokens en een outputbudget van 943.718 tokens — Muse Wonder is de enige van de twee die vandaag als dienst bestaat, en de keuze maakt zichzelf

• Wordt dit kwartaal uitgebracht, en het outputtarief van $20 per miljoen van Muse Wonder tegen een evaluatieprofiel van 130M tokens valt buiten je budget — de nuttige zet is de inspanningsladder in plaats van een ander model. Reasoning is verplicht op Muse Wonder, maar de ladder loopt van minimaal tot max en elke reasoning-token wordt als output gefactureerd; extractie en classificatie op minimaal draaien en high of max reserveren voor de calls die ze verdienen, is de hefboom die de factuur beïnvloedt

• Gereguleerde, luchtgeïsoleerde of on-premises vereiste — geen van beide modellen lost dit vandaag op. Muse Wonder zal er nooit aan voldoen. Beam misschien wel, over een maand, onder een permissieve licentie, tegen een geheugenkostenpost die je nog niet hebt gemeten

• Onderzoeks- of fine-tuningplannen — wacht op de gewichten. Begin geen project op basis van een 501B-architectuur die je niet kunt downloaden

• Benchmarken tegen je eigen workload — Muse Wonder kan deze week worden gemeten en Beam kan helemaal niet worden gemeten. Elk Beam-getal in je evaluatiespreadsheet is momenteel een claim van een leverancier zonder noemer

Wat we routeren, en wat niet

Om er duidelijk over te zijn: geen van beide modellen staat in de OrcaRouter-catalogus. Er is geen meta/muse-wonder vermelding en geen enkele Reflection-vermelding van welke aard dan ook, en we zullen geen route presenteren die niet bestaat. Wat we van Meta Superintelligence Labs in ons aanbod hebben, is de Muse Spark-lijn —Muse Spark 1.2 en Muse Spark 1.1 — die het dichtst in de buurt komt van M​eta's reasoning-familie die een team vandaag via ons kan aanroepen, en ongeveer een vijfde kost van wat Muse Wonder per token rekent. Van de modellen waartegen deze matchup qua prijs wordt afgezet, Claude Opus 5.5 staat op onze lijst tegen de eigen tarieven van A​nthropic, en dat geldt ook voor D​eepSeek V4 Pro tegen een fractie daarvan.

Die eerlijkheid heeft een praktische consequentie die een vergelijking als deze ongewoon duidelijk maakt. Automatische failover schakelt uitsluitend over naar iets dat we daadwerkelijk routeren, en een wachtlijst zonder endpoint is geen fallback. Als je plan voor Beam is "we testen het zodra de preview vrijkomt", dan is het nuttige ding om tot dan op zijn plaats te houden een primaire route die je kunt meten en een tweede route daarachter — wat een configuratiewijziging is op één O​penAI-compatibel endpoint. OrcaRouter biedt meer dan 200 modellen aan achter één sleutel en één factuur, dus wanneer de gewichten van Beam landen en een provider het begint te serveren, is het bereiken ervan een ID in een configuratiebestand in plaats van een nieuwe integratie.

Wat zou het antwoord veranderen, en wanneer te kijken

Drie gebeurtenissen, in volgorde van hoeveel invloed ze hierop zouden hebben.

De eerste is de release van de gewichten. Reflection heeft zich aan Apache 2.0 gecommitteerd en gezegd dat de artefacten later deze maand komen. Die release maakt van een claim van 501B iets dat te downloaden, te kwantificeren en te benchmarken is, en het is ook nog eens de enige weg waarlangs Beam ooit op een routeringsplatform verschijnt. Totdat dat gebeurt, is Beam een hypothese met een bronvermelding.

Het tweede is een onafhankelijke evaluatie. Eén enkele Artificial Analysis-rij voor Beam zou meer bijdragen aan het beslechten van deze vergelijking dan wat dan ook aan het lezen van leverancierstabellen, want die zou het aantal tokens per taak opleveren dat in de efficiëntieclaim ontbreekt. Houd die ranglijst in de gaten in plaats van de lanceringsblog.

Het derde is dat Muse Wonders eigen configuratieoppervlak zich stabiliseert. De $4,52 per taak werd gemeten bij maximale reasoning op een model dat één dag beschikbaar is. Naarmate teams de lagere treden van de inspanningsladder in productie gebruiken, zullen de realistische kosten van het model dalen — en dat getal, niet de indexscore, is wat Beam zou moeten verslaan.

Het waarschijnlijkste antwoord op korte termijn is noch een duidelijke overwinning, noch een duidelijk verlies: een team dat nu een model nodig heeft, draait Muse Wonder, en een team dat zijn gewichten in eigen beheer wil hebben, komt uit bij welke van de twee het daadwerkelijk kan downloaden. Dat is een vreemde manier om een directe vergelijking te beschrijven, en een accurate.