Muse Wonder Full vs Muse Wonder: ta sama data premiery, ten sam cennik, cztery punkty różnicy na jedynym rankingu, który zmierzył oba

Muse Wonder Full i Muse Wonder pojawiły się w jednym poście 12 października 2026 roku, od Meta Superintelligence Labs, i prawie każda specyfikacja w tym poście dotyczy obu. Oba są opisane z oknem kontekstowym o rozmiarze 1 048 576 tokenów. Oba są wycenione na 4,00 USD za milion tokenów wejściowych, 0,20 USD za wejście z pamięci podręcznej i 20,00 USD za milion tokenów wyjściowych. Oba wymagają rozumowania. Oba przyjmują tekst, obraz, mowę i wideo, a zwracają tekst. A w niezależnym Artificial Analysis Intelligence Index dzielą je cztery punkty: Muse Wonder Full z wynikiem 56, sklasyfikowany na czwartym miejscu spośród 699 zmierzonych modeli, i Muse Wonder z wynikiem 52, sklasyfikowany na dziewiątym miejscu spośród 219.

Cztery punkty to najmniejsza realna różnica między dwoma czołowymi checkpointami wydanymi tego samego dnia przez to samo laboratorium, a jednocześnie najmniej rozstrzygająca kwestia w tym zestawieniu — ponieważ tylko jeden z tych dwóch jest osiągalny. Muse Wonder odpowiada w Meta Model API i w Muse Code. Muse Wonder Full jest opisywany przez Meta jako dostępny wyłącznie w subskrypcji Muse Code, w cenie 50 USD miesięcznie za Power Usage lub 200 USD miesięcznie za Maximum Usage. To nie jest porównanie silnego modelu z mocniejszym. To porównanie mocniejszego, którego nie możesz wywołać, ze słabszym, którego możesz.

Jedno ogłoszenie, dwa punkty kontrolne i jedna kolumna, która je oddziela

Przeczytaj materiał premierowy linijka po linijce, a oba modele pokrywają się ze sobą niemal do samego końca. Rozchodzą się w jednej kolumnie i nie chodzi w niej o możliwości.

• Dostęp — muse-wonder-1.0 odpowiada w Meta Model API oraz w Muse Code; muse-wonder-full-1.0 jest dostępny wyłącznie w ramach subskrypcji Muse Code, bez ścieżki rozliczania za zużycie i bez SDK, którego można by do niego skierować.

• Cena — wspólny cennik stawek 4,00 USD za wejście, 0,20 USD za pamięć podręczną i 20,00 USD za wyjście opisuje ścieżkę, która istnieje dla Muse Wonder, a nie istnieje dla Muse Wonder Full, którego koszt to miesięczny plan w wysokości 50 USD lub 200 USD.

• Niezależny indeks — Muse Wonder 52, dziewiąty spośród 219; Muse Wonder Full 56, czwarty spośród 699. Cztery punkty, mierzone na tym samym publicznym środowisku testowym, które jest jedynym miejscem, w którym oba pojawiają się na jednej skali.

• Budżet wyjściowy — limit pojedynczej odpowiedzi wywoływalnego checkpointu wynosi 943 718 tokenów. Limit checkpointu subskrypcyjnego nie jest publikowany, ponieważ nikt spoza Meta nie jest w stanie go policzyć.

• Wynik złożony dostawcy — własna tabela Meta umieszcza Muse Wonder Full na poziomie 59,1 w swoim Indeksie Osobistej Superinteligencji, a Muse Wonder na poziomie 56. W wierszu Indeksu Artificial Analysis tej samej tabeli Meta podaje Muse Wonder Full na poziomie 59,0, podczas gdy samo Artificial Analysis publikuje 56.

Nad tą ostatnią linią warto się zatrzymać. Liczba podana przez dostawcę dla jego własnego najlepszego checkpointu jest o trzy punkty wyższa niż niezależny pomiar tego samego checkpointu na tym samym nazwanym indeksie — a niezależny pomiar drugiego checkpointu, 52, jest bliższy wartości 59,1 podanej przez dostawcę dla pierwszego niż dwie wartości dostawcy są od siebie.

Cztery punkty to nie ta liczba, która ma znaczenie.

W samych wierszach Meta dotyczących długiego horyzontu dwa checkpointy różnią się o znacznie więcej niż cztery punkty, i to w obu kierunkach. Wszystkie poniższe dane są raportowane przez dostawcę, uzyskane w środowisku testowym Meta przy maksymalnym wysiłku rozumowania, przy czym nic nie zostało niezależnie odtworzone.

• JobBench, zadania zawodowe o długim horyzoncie — Muse Wonder Full 75,3, Muse Wonder 30,8. 44-punktowa różnica między dwoma modelami z tego samego wydania.

• Terminal-Bench 4.0-AA — Muse Wonder 85,6, Muse Wonder Full 85,5. Wywoływalny checkpoint wyprzedza subskrypcyjny o jedną dziesiątą punktu.

• SWE-Maraton — Muse Wonder Full 79.0, Muse Wonder 78.8.

• MemoryBench — Muse Wonder Full 39,4, Muse Wonder 34,3.

• Harvey LAB-AA, zestaw agentów prawnych Meta — Muse Wonder 54.3, Muse Wonder Full 13.1. Punkt kontrolny subskrypcji kończy na ostatnim miejscu, 41 punktów za tym, do którego można faktycznie zadzwonić.

A więc ta para ma czteropunktową różnicę na niezależnej tablicy wyników, 44 punkty różnicy na korzyść Meta w jednym wierszu i 41 punktów różnicy na jej niekorzyść w następnym. Te trzy liczby nie mogą wszystkie opisywać jednej różnicy w możliwościach, a najbardziej oszczędna interpretacja jest taka, że nie opisują: wahnięcie o 44 punkty między punktami kontrolnymi, które dzieli cztery punkty na publicznym zestawie testowym, to właśnie tak wygląda w zagregowanym wyniku ocena wrażliwa na zestaw testowy zadania o charakterze rolloutu.

Cztery punkty niezależnego panelu to, jeśli już, bardziej uczciwa liczba i ta mniej użyteczna — różnica tej wielkości w pojedynczym przebiegu mieści się w paśmie szumu samej ewaluacji. Wzięte razem z tabelą zbiorczą, te trzy wiersze prowadzą łącznie do tego samego wniosku: to dwa czołowe punkty kontrolne z pierwszej dziesiątki, których ogólne miary zdolności są zbliżone, których miary zachowania w długim horyzoncie są od siebie dalekie, a jednego z nich nikt poza Meta nie może uruchomić. Czego nie da się ustalić, to który z nich wygrywa w twoim obciążeniu, i nie próbuje tego robić.

Co ten dodatkowy szczebel ma właściwie dać?

Meta wymienia dwie funkcje tej serii, które wcale nie są wierszami benchmarku: Active Memory, opisywaną jako trwały stan przenoszony między sesjami, oraz Active Focus, opisywaną jako samodzielnie zarządzana uwaga podczas długich zadań. Jeśli którakolwiek z nich działa tak, jak ją opisano, to różnica innego rodzaju niż wynik — zmienia kształt aplikacji, ponieważ stan, który przetrwa granicę sesji, to coś, co w przeciwnym razie zbudowałbyś sam, byle jak, we własnej bazie danych.

Ani jedno, ani drugie nie jest pokazane na karcie modelu i żadne z nich nie jest dostępne do testowania, ponieważ checkpoint, który je zawiera, to ten za subskrypcją. To stawia zespół przed konkretnym i mało efektownym problemem: prawdopodobny powód, by płacić 50 lub 200 dolarów miesięcznie za Muse Wonder Full, to funkcja, której nikt spoza Meta nie może ocenić, dołączona do checkpointu, który jednocześnie raportuje 13,1 w legal agent suite w porównaniu z 54,3 jego modelu siostrzanego.

Niezależny pomiar wypełnia część luki i tylko część. Artificial Analysis odnotowuje, że Muse Wonder Full zużywa podczas swojej oceny około 140 milionów tokenów wyjściowych w porównaniu z medianą 88 milionów, a Muse Wonder około 130 milionów w porównaniu z medianą 85 milionów. Oba modele ponoszą duże koszty, aby osiągnąć swoje wyniki, co jest spójne z obowiązkowym rozumowaniem i mówi, ile będzie kosztować eskalacja, zanim ją podejmiesz — ale żadna z tych liczb nie mówi nic o tym, czy trwała pamięć działa.

Ta decyzja to ograniczenie, a nie zakup

Większość porównań dwóch checkpointów kończy się pytaniem zakupowym: który z nich kupujemy. W tym przypadku nie jest to możliwe, ponieważ jedna strona nie ma SKU rozliczanego za zużycie. To zamiast tego przekształca całość w pytanie o routing, a to pytanie o routing ma tu wyjątkowo klarowny kształt, ponieważ tańsza i droższa opcja są sprzedawane według zupełnie różnych metryk.

Muse Wonder jest rozliczany za zużycie. Jego koszt skaluje się liniowo wraz z liczbą tokenów i wynosi 4,00 USD oraz 20,00 USD za milion, z 95-procentowym rabatem na cache po stronie wejściowej, dlatego niezależny koszt na zadanie indeksowania wynosi blisko 4,52 USD. Muse Wonder Full nie jest w ogóle rozliczany za zużycie. Jego koszt to stały plan miesięczny, który nie zmienia się wraz z wolumenem, co oznacza, że koszt krańcowy jednego dodatkowego żądania do checkpointu Full wynosi zero w ramach planu i jest nieskończony poza nim. Te dwa modele rozliczeń preferują przeciwny ruch: rozliczanie za zużycie premiuje trzymanie drogiego modelu z dala od większości żądań, a stała opłata premiuje przepuszczanie przez niego jak największej liczby żądań, gdy już się zapłaciło.

Co oznacza, że praktyczna architektura to drabina eskalacji, a nie wybór modelu. Checkpoint, który można wywoływać, obsługuje większość ruchu w tempie, które możesz prognozować. Checkpoint subskrypcyjny absorbuje tę podgrupę, w której jego zachowanie w długim horyzoncie rzekomo się różni — zakładając, że masz plan, który dopuszcza taki wolumen, i zakładając, że twierdzenie o 44 punktach w JobBench przetrwa twoje własne pomiary. Sam pomiar to część, którą należy zbudować najpierw, ponieważ publiczna różnica czterech punktów i 44-punktowa różnica podawana przez dostawcę nie mogą być jednocześnie prawdziwe, a twoje obciążenie to jedyne narzędzie, które to rozstrzyga.

Dwie rzeczy dotyczące pozostałych modeli na rynku sprawiają, że zbudowanie tej drabiny jest tańsze, niż się wydaje. Pierwsza to to, że wszystkie te modele rozliczają się w ten sam sposób — tokeny rozumowania to tokeny wyjściowe po 20 dolarów za milion, a drabina wysiłku biegnie od minimalnego do maksymalnego, domyślnie ustawiona jest na średni, więc wybrane przez ciebie ustawienie jest większą pozycją w rachunku niż identyfikator modelu, który podmieniasz. Druga to to, że zestaw porównawczy, do którego zaprasza ta premiera, można już trasować: Claude Opus 5.5 po 4,00 USD za wejście i 20,00 USD za wyjście oraz należący do Meta Muse Spark 1.2 po 1,25 i 4,25 USD są oba dostępne w OrcaRouter w cenach katalogowych swoich dostawców, obok ponad 200 innych modeli za jednym API zgodnym z OpenAI. Ceny katalogowe przechodzą dalej z marżą 0%, więc arytmetyka drabiny nie zmienia się, gdy zmienia się model.

Ani Muse Wonder, ani Muse Wonder Full nie jest jedną z naszych tras. W katalogu nie ma wpisu meta/muse-wonder ani meta/muse-wonder-full, Muse Wonder Full nie jest dostępny poza powierzchniami subskrypcyjnymi Meta za żadną cenę i nie zamierzamy opisywać żadnego z nich tak, jakby nim był. To, co router wnosi do tej konkretnej decyzji, to przełączanie awaryjne i mechanizm zapasowy: szczebel eskalacji, który ma być uruchamiany rzadko, jest dokładnie tym szczeblem, na którym potknięcie dostawcy jest najtrudniejsze do zniesienia i najmniej widoczne, i automatyczne przełączanie awaryjne plus DSL routingu, który pozwala wyrazić eskalację jako konfigurację, a nie jako kod aplikacji, jest tym, co chroni rzadko używaną ścieżkę przed przekształceniem się w awarię.

Wersja do zapamiętania

Jeśli jedyną rzeczą, jaką wyniesiesz z tej premiery, jest to, że Muse Wonder Full uzyskuje wyższy wynik niż Muse Wonder, to masz jej najmniej przydatną w działaniu część. Te dwa rozwiązania różnią się o cztery punkty na jedynym niezależnym rankingu, który zmierzył oba, o 44 punkty raportowane przez dostawcę w jednym zestawie testów i o 41 punktów raportowanych przez dostawcę przeciwko niemu w innym, oraz o twardy podział zero-jedynkowy w dostępie: jeden to API, które możesz wywołać już dziś w cenie $4.00 i $20.00 za milion tokenów, drugi to plan miesięczny bez stawki za token i bez możliwości dostępu z SDK.

Właściwym posunięciem jest potraktowanie tych czterech punktów jako dowodu, że są sobie równorzędne pod względem możliwości, a różnicy w dostępie jako dowodu, że nie są zamiennikami. Buduj w oparciu o checkpoint, który można wywołać, zbuduj zestaw pomiarowy, który wskazałby ci twoją własną lukę, a subskrypcję traktuj jako eskalację, którą włączasz, gdy pomiar to uzasadnia — nie jako ulepszenie, które kupujesz, bo wynik złożony jest wyższy. A gdy dostawca publikuje 44-punktowy rozrzut w ramach jednej premiery, użyteczne pytanie nie brzmi: który checkpoint przyjąć za standard. Brzmi ono: która liczba przetrwa zetknięcie z twoim własnym zbiorem ewaluacyjnym — a to pytanie ma odpowiedź tylko wtedy, gdy już go zbudowałeś.