Muse Wonder trafia do OpenCode: agent kodujący spotyka pierwszy token w 30 sekund

Meta Muse Wonder stał się dostępny do wyboru w OpenCode 21 października 2026 r., dziewięć dni po tym, jak Meta Superintelligence Labs udostępniło ten model 12 października. To fakt wart odnotowania i jest to fakt mniejszy, niż sugeruje nagłówek: model nie zadebiutował tutaj, lecz został dodany do środowiska do kodowania, które miało już długą listę modeli. Tym, co czyni to dodanie interesującym, jest zderzenie, które ono tworzy. Agent terminalowy to najmniej wyrozumiałe miejsce do uruchamiania modelu, który Artificial Analysis mierzy na 30,35 sekundy do pierwszego tokenu, a Muse Wonder jest dokładnie takim modelem — 52 w niezależnym Intelligence Index, 4,00 USD za milion tokenów wejściowych i 20,00 USD za milion wyjściowych oraz czas oczekiwania na pierwszy token około ośmiokrotnie większy niż mediana w zestawieniu. Czy agent kodujący jest w stanie znieść takie oczekiwanie — to jest pytanie, o którym ten tekst tak naprawdę traktuje.Gdy wartość czasu do pierwszego tokenu taka jak ta zmieni się po tym, jak dostawca wypuści poprawkę, zmiana jest rejestrowana wraz z datą i źródłami w AI Incident Archive, obok pozostałych awarii modeli i dostawców, które śledzimy.

Co tak naprawdę zmieniło się 21 października?

OpenCode publikuje swoją listę modeli w dokumentacji, a Muse Wonder pojawia się tam teraz pod identyfikatorem muse-wonder-1.0, w cenie 4,00 USD za tokeny wejściowe, 20,00 USD za tokeny wyjściowe i 0,20 USD za odczyt z pamięci podręcznej za milion tokenów — ten sam cennik, który publikuje Meta, bez żadnego rabatu. Wpis jest obsługiwany przez punkt końcowy Responses zgodny z OpenAI, co oznacza, że istniejąca konfiguracja OpenCode nie wymaga dedykowanego klienta, aby uzyskać do niego dostęp; wystarczy ciąg znaków modelu i klucz.

Uczciwe zastrzeżenie: dziennik zmian samego OpenCode nie wymienia tego modelu. Jego najnowsze wpisy z tego tygodnia — v2.1.0 z 20 października i v2.1.2 z 21 października — opisują przywracanie darmowych limitów, widoczność modeli i zmiany w SDK. Dostępność jest więc udokumentowana na liście modeli, a nie ogłoszona jako flagowa funkcja, co jest zwykłym sposobem, w jaki trafia wsparcie dla harnessa, i zarazem powodem, dla którego czytelnik może zobaczyć model w selektorze, zanim zobaczy o nim wpis na blogu. Nie mogliśmy odczytać posta producenta w mediach społecznościowych bezpośrednio — trafiliśmy na paywall — więc podana tu data opiera się na liście modeli oraz znaczniku czasu samego posta, a nie na komunikacie prasowym.

21 października nie zmieniło się nic w samym modelu. Nie otwarto jego wag, jego cena się nie zmieniła i nie pojawił się żaden nowy benchmark. Jedyną nowością jest zasięg: model, który wcześniej wymagał ręcznego podłączenia API Meta, jest teraz jedną linią konfiguracji w narzędziu, które wiele osób ma już otwarte.

Liczba, która decyduje, czy to jest przyjemne

Artificial Analysis przepuszcza każdy model przez ten sam zestaw testowy, a w przypadku narzędzia do kodowania agentowego jego wartości opóźnień mają większe znaczenie niż wynik złożony. Dla Muse Wonder przy maksymalnym ustawieniu rozumowania:

• Czas do pierwszego tokena — 30,35 sekundy, wobec mediany na tablicy wynoszącej 3,96 sekundy

• Szybkość generowania po rozpoczęciu — 145,1 tokena na sekundę, 26. miejsce spośród 185 zmierzonych modeli i znacznie powyżej mediany wynoszącej 79,2

• Koszt zadania w Intelligence Index — około 4,52 USD, wobec mieszanej stawki cennikowej 2,94 USD za milion tokenów

• Tokeny wyjściowe zużyte podczas uruchomienia indeksu — około 130 milionów wobec mediany 85 milionów

• Okno kontekstu — 1 048 576 tokenów, z tekstem, obrazem, mową i wideo przyjmowanymi jako dane wejściowe oraz zwracanym tekstem

Te dwie liczby opóźnień opisują określony kształt modelu: długo myśli, a potem pisze szybko. W oknie czatu jest to do zniesienia. W pętli agenta, która wykonuje osiem wywołań narzędzi, 30-sekundowe oczekiwanie jest opłacane w każdej turze, a zadanie składające się z ośmiu tur może spędzić cztery minuty wyłącznie na oczekiwaniu na pierwszy token każdego kroku. 145 tokenów na sekundę to rzeczywista wartość i to dlatego model nie wydaje się wolny, gdy już mówi — ale nie jest w stanie zrekompensować ciszy przed pierwszym słowem.

To nie jest argument przeciwko używaniu go. To argument za wybieraniem właściwych tur. Najmocniejsza deklaracja producenta dotycząca Muse Wonder dotyczy długoterminowej pracy profesjonalnej — własna tabela Meta umieszcza Muse Wonder Full na poziomie 75,3 w JobBench, długoterminowym benchmarku agentowym i jedynym miejscu, w którym jego wyniki najbardziej ostro odbiegają od wyników jego bliźniaka. Jeśli Twoja sesja OpenCode to jeden trudny refaktor z dużym planem, czas oczekiwania amortyzuje się przez długą generację. Jeśli to czterdzieści drobnych edycji, płaci się za niego czterdzieści razy.

Repozytorium, które nie jest wydaniem

Czytelnicy, którzy zaczną szukać wag, znajdą meta-01/muse-wonder na Hugging Face i mogą zasadnie wywnioskować, że wydarzyło się coś otwartego. Nie wydarzyło się. Repozytorium zawiera plik .gitattributes i nic więcej: brak karty modelu, brak config.json, brak shardów safetensors, brak pliku licencji. Pobrania nie są śledzone, a strona stwierdza, że model nie jest wdrożony przez żadnego dostawcę wnioskowania na tej platformie. Czytając to dosłownie, repozytorium to rezerwacja nazwy — placeholder przechowujący ciąg znaków, a nie checkpoint.

Zatem prawidłowe stwierdzenie dotyczące otwartości Muse Wonder brzmi: jest własnościowy, dostępny wyłącznie przez API, a nazwę okupuje puste repozytorium. Każdy, kto opisuje go jako model z otwartymi wagami, do pobrania lub możliwy do dostrojenia, opisuje inny model. Ta sama ostrożność dotyczy struktury dwóch checkpointów — muse-wonder-1.0 to model wywoływalny, a muse-wonder-full-1.0 to konfiguracja osiągająca wyższe wyniki, którą Meta sprzedaje w ramach subskrypcji Muse Code, a nie za token. OpenCode wymienia pierwszy z nich.

Gdzie znajduje się OrcaRouter, a gdzie nie

Nie obsługujemy Muse Wonder. Nie ma meta/muse-wonder w katalogu modeli OrcaRouter i żadna dostępność pokrewnych modeli Meta tego nie zmienia — checkpointy Meta, które oferujemy, to meta/muse-spark-1.2 w cenie $1.25 za wejście i $4.25 za wyjście za milion tokenów oraz jego poprzednik 1.1, oba z oknem kontekstu 1 048 576 tokenów. Mówienie tego wprost ma większe znaczenie niż zwykle, ponieważ model dostępny tylko przez dwóch dostawców to dokładnie ten przypadek, w którym uczciwa odpowiedź routera brzmi „jeszcze nie ten”, a nie sugestywne milczenie.

To, do czego warstwa routingu naprawdę się tu nadaje, to eksperyment. Model mający dziesięć dni, generujący pierwszy token w 30 sekund i mający za sobą tylko jedną niezależną ewaluację, nie jest czymś, za czym warto na wiarę stawiać ścieżkę produkcyjną. Skieruj na niego część ruchu z tego samego klucza, który dociera do modeli, którym już ufasz, a resztę ruchu zostaw tam, gdzie jest, i pozwól, aby automatyczne przełączanie awaryjne wychwytywało przekroczenia limitu czasu, podczas gdy ty sprawdzasz, czy zachowanie w długim horyzoncie jest warte czekania. To tańszy sposób uzyskania odpowiedzi na to pytanie niż migrowanie przepływu pracy i liczenie na szczęście.

Druga połowa argumentu za routingiem to arytmetyka. Ponieważ przekazujemy ceny listowe dostawców bez marży, obniżka ceny dostawcy pojawia się po naszej stronie tego samego dnia, a model, którego nie hostujemy, po prostu nie występuje — katalog jest stwierdzeniem o tym, co jest osiągalne, a nie listą życzeń. Gdy Muse Wonder trafi tutaj, cena, którą zobaczysz, będzie ceną Meta.

Co uczyniłoby z tego większą historię?

Trzy rzeczy, z których każdą można sprawdzić przy pojedynczym wczytaniu strony. Wpis Muse Wonder w changelogu OpenCode, a nie tylko na jego liście modeli, oznaczałby, że integracja jest traktowana jako funkcja, a nie jako wiersz w katalogu. Opublikowanie przez drugiego, niezależnego ewaluatora wyniku dla długiego horyzontu umocniłoby to jedno twierdzenie, które obecnie opiera się w całości na tabeli samej Meta. A jakikolwiek ruch w repozytorium Hugging Face — karta modelu, licencja, pojedynczy plik safetensors — zmieniłby kwestię otwartości, na którą dziś odpowiedź brzmi jednym słowem.

Do tego czasu właściwa interpretacja 21 października jest wąska i użyteczna: model frontier stał się łatwiejszy do wypróbowania w narzędziu, w którym większość ludzi spróbowałaby go użyć, a o tym, czy pozostanie skonfigurowany, zdecyduje nie jego wynik w indeksie, lecz to, czy 30 sekund ciszy na turę to cena, którą praca może zapłacić.