Muse Wonder kontra Claude Opus 5.5 w generowaniu SVG: co tak naprawdę pokazuje pierwszy test praktyczny

Muse Wonder stał się ogólnie dostępny 12 października 2026 r. — tego samego dnia, w którym jego siostrzany model z wyższymi wynikami, Muse Wonder Full, został udostępniony w ramach subskrypcji — i zgromadził już więcej stron porównawczych niż prawie jakikolwiek model omawiany na tym blogu. Czego jednak nie zgromadził, aż do tego tygodnia, to opublikowanego testu z pierwszej ręki dotyczącego konkretnej, weryfikowalnej możliwości. 12 października konto na X @scaling01 opublikowało bezpośrednie porównanie Muse Wonder z Claude Opus 5.5 w zakresie generowania SVG, zawierające dwa wnioski warte uważnego przeczytania: Muse Wonder Full jest „dobry, a nawet próbuje generowania 3D”, a jego styl wyników jest „zbyt efekciarski” i „przesadza”.

To realne, konkretne, falsyfikowalne twierdzenie o realnym modelu, który trafił na rynek, i pochodzi od kogoś, kto twierdzi, że samodzielnie uruchomił oba modele. Jest to również, w chwili pisania tego tekstu, pojedynczy, niepowtórzony przebieg wykonany przez jedno konto, którego własny post otwiera się ujawnieniem reklamowym. Obie te rzeczy są prawdziwe jednocześnie, a ten tekst jest o tym, jak utrzymać je razem, zamiast wybierać jedno z nich.

Warunki testu, wyrażone tak, jak zostały wyrażone

Ujawnienie informacji znajduje się w pierwszej linii wpisu, a nie w przypisie, co warto odnotować, ponieważ nie jest typowe dla tego formatu. Autor stwierdza, że Meta zapewniła bezpłatny dostęp zapoznawczy do Muse Wonder, że za Claude Opus 5.5 zapłacił z własnej kieszeni oraz że testy i wnioski są jego. To istotnie słabsza pozycja pod względem konfliktu interesów niż nieujawnione płatne umieszczenie — jedna strona porównania została sfinansowana, druga nie, a autor to mówi.

Trzy rzeczy dotyczące konfiguracji nie są podane, a każda z nich ogranicza to, co werdykt może potwierdzić.

• Który punkt końcowy przetestowano — Muse Wonder i Muse Wonder Full istnieją jako dwa osobne identyfikatory modeli z dwiema różnymi tablicami wyników, a we wpisie w porównaniu wymieniono Muse Wonder, ale obserwację dotyczącą generowania 3D przypisano do Muse Wonder Full

• Które ustawienie wysiłku zostało użyte — rozumowanie Muse Wonder jest obowiązkowe i działa według skali wysiłku od minimalnego do maksymalnego, domyślnie na średnim, a tokeny rozumowania są rozliczane jako dane wyjściowe, więc to ustawienie zmienia zarówno koszt, jak i charakter danych wyjściowych

• Ile promptów zostało uruchomionych — brak liczby promptów, brak treści promptu, brak seeda, brak ponownego uruchomienia

Drugi i trzeci z tych punktów mają większe znaczenie, niż się wydaje. Model, w którym rozumowanie jest zawsze włączone, a poziom wysiłku ustawia użytkownik, wygeneruje przy ustawieniu minimalnym zauważalnie inny wynik SVG niż przy maksymalnym, a werdykt o stylu to dokładnie ten rodzaj oceny, który pojedyncze uruchomienie pojedynczego promptu może ocenić błędnie. To nie jest krytyka autora — krótki wpis na X to nie artykuł, a ujawnienie oraz zdanie „testy i wnioski są moje własne” to więcej przejrzystości, niż zawiera większość porównań publikowanych w dniu premiery. To stwierdzenie, do czego ten tekst może, a do czego nie może służyć.

Co tak naprawdę mierzy test SVG

SVG jest wyjątkowo dobrym celem do porównania wymagającego praktyki i wyjątkowo złym celem do porównania pobieżnego, a zrozumienie dlaczego wyjaśnia, co werdykt mówi, a czego nie.

SVG to tekst, który renderuje się deterministycznie. To jest ta dobra część: recenzent może wkleić surowe dane wyjściowe modelu do przeglądarki, spojrzeć na nie i zobaczyć dokładnie to, co model wygenerował — żadnego potoku generowania obrazu, żadnego ziarna próbkowania w dekoderze dyfuzyjnym, żadnego pytania, czy kryterium stanowi obraz, czy plik. Jeśli model wygeneruje źle sformułowane znaczniki, niepowodzenie rysunku będzie widoczne. Jeśli wygeneruje 40 kilobajtów definicji gradientów tam, gdzie wystarczyłyby 2 kilobajty ścieżek, to jest mierzalne.

Najgorsze jest to, że werdykty dotyczące stylu, takie jak „efekciarski” i „przesadza”, są najmniej rozdzielnymi twierdzeniami w całej przestrzeni. Wewnątrz nich tkwią dwa niezależne osądy:

• Wykonanie — czy model wygenerował poprawny, dobrze ustrukturyzowany, możliwy do wyrenderowania SVG, czy też wygenerował coś, co wymagało naprawy, zanim cokolwiek zostało narysowane?

• Powściągliwość — czy wykorzystano minimalną ilość znaczników wymaganą przez żądanie, czy sięgnięto po gradienty, filtry, rozmycia, animację i osadzone efekty rastrowe, ponieważ były dostępne?

Warsztat jest bliski obiektywizmowi i można go ocenić skryptem. Powściągliwość to osąd gustu przebrany za osąd techniczny, a rozsądni recenzenci nieustannie się o nią spierają — projektant proszący o ilustrację do portfolio chce gradientów, a inżynier proszący o arkusz ikon nie. Kiedy więc recenzent mówi, że model przesadza, użyteczne pytanie nie brzmi, czy to prawda, ale dla jakiego zadania jest prawdziwe. Wpis nie rozdziela tych dwóch twierdzeń i naprawdę trudno je rozdzielić za jednym posiedzeniem.

Twierdzenie porównawcze i twierdzenie o zgodności

Ujęcie w poście stawia Claude Opus 5.5 po drugiej stronie, a obserwację o generowaniu 3D po stronie Muse Wonder Full, co czyni to porównaniem trójstronnym w tytule z dwiema nazwami — ta sama strukturalna zawiłość, która przewija się przez całą premierę Muse Wonder.

W tym wymiarze przydatny kontekst jest taki sam we wszystkich pozostałych modelach z jego rodziny: Claude Opus 5.5 nie jest zupełnie nowym modelem. Został wydany 22 września 2026 r., około trzy tygodnie przed Muse Wonder, a jego profil kosztów i możliwości jest dobrze scharakteryzowany. Niezależnie, w Artificial Analysis Intelligence Index Claude Opus 5.5 (max) ma wynik 58 — najwyższy wynik w klasie 219 modeli — a Muse Wonder (max) ma wynik 52, zajmując dziewiąte miejsce wśród 219. Cena katalogowa Opus 5.5 to $4.00 za milion tokenów wejściowych i $20.00 za milion tokenów wyjściowych; cena katalogowa Muse Wonder jest identyczna: $4.00 i $20.00. Ironia sytuacji polega na tym, że Opus 5.5 okazuje się w praktyce droższym modelem, nie z powodu swojego cennika, lecz dlatego, że jest rozwlekły: Artificial Analysis odnotowuje, że zużywa on podczas ewaluacji około 260 milionów tokenów wyjściowych wobec mediany 85 milionów, w porównaniu z około 130 milionami w przypadku Muse Wonder, co daje około $5.98 na zadanie indeksowe wobec około $4.52. To właśnie taki rodzaj porównania dwóch liczb, jaki może przeprowadzić ewaluator rozliczający zużycie tokenów, a jakiego nie może pojedynczy prompt SVG.

Test SVG wnosi kategorię, której indeks nie obejmuje. Generowanie tekstu strukturalnego plasuje się gdzieś pomiędzy kodem a ilustracją, a żaden ranking nie przyznaje mu punktów — ani Personal Superintelligence Index, ani JobBench, ani Terminal-Bench 4.0-AA, ani SWE-Marathon. Jeśli rzeczywista praca czytelnika polega na tworzeniu czystych plików wektorowych, główne tablice wyników milczą na ten temat, i właśnie dlatego nieformalne bezpośrednie starcie warto w ogóle linkować.

O co tak naprawdę chodzi w drugim twierdzeniu

„Nawet próbuje generowania 3D” to ciekawsza połowa tej obserwacji, a łatwo ją błędnie odczytać jako twierdzenie o możliwościach.

W kontekście SVG najprawdopodobniej opisuje to model wykraczający poza płaski, dwuwymiarowy rysunek ku sugerowanemu lub częściowemu trzeciemu wymiarowi — konstrukcje izometryczne, wyekstrudowane kształty, siatki perspektywiczne, nakładane pseudowarstwy albo generowany kod znaczników, który renderuje się jako scena trójwymiarowa. To nie to samo co model 3D. Tworzenie siatki, zeskanowanego obiektu lub zasobu do druku to zupełnie inny typ danych wyjściowych, a fraza „generowanie 3D” jest używana w tej dziedzinie dość swobodnie na określenie czegoś od ilustracji 2.5D po rzeczywisty plik geometrii. Bez promptów lub plików czytelnik nie może stwierdzić, który to był przypadek.

Jeśli chodziło o luźniejsze znaczenie, twierdzenie to jest spójne z zarzutem dotyczącym stylu, a nie pozostaje z nim w napięciu. Sięganie po rzut izometryczny lub warstwy ułożone jedna na drugiej to ten sam instynkt co sięganie po gradienty: więcej maszynerii, niż wymagał brief. Oba stwierdzenia mogą opisywać jedno zachowanie — model, który traktuje dostępny kod znaczników jako przyzwolenie — co jest użyteczniejszym wnioskiem niż każda z tych połówek osobno, a także wersją, którą drugi recenzent najprawdopodobniej albo potwierdzi, albo obali.

Jest tu jednak jedna asymetria warta nazwania. Tam, gdzie dwa checkpointy różnią się w danych z premiery, podział przebiega wzdłuż struktury, a nie dopracowania. W tabeli benchmarków samej Meta, Muse Wonder Full znacznie przewyższa model API w JobBench (75,3 wobec 30,8) oraz w Vals Finance Agent V2 (59,1 wobec 10,0) — jednocześnie przegrywając z nim w Harvey LAB-AA o 41 punktów, 13,1 wobec 54,3. Te liczby są raportowane przez dostawcę, wygenerowane w środowisku testowym Meta i niezreplikowane. Ale opisują laboratorium, które wytrenowało dwa profile, a nie jeden, a różnica w stylu lub powściągliwości między checkpointami jest dokładnie tym, co wytworzyłby podział strukturalny. To, na który checkpoint patrzył recenzent, pisząc „gimmicky”, nie jest więc pytaniem pedantycznym — wpis przypisuje te dwie obserwacje różnym modelom.

Gdzie można faktycznie dotrzeć do modeli

Dla każdego, kto chciałby samodzielnie przeprowadzić to porównanie, zamiast przyjmować werdykt na wiarę, praktycznym pytaniem jest to, gdzie znajduje się każdy z modeli, a odpowiedzi nie są symetryczne.

• Claude Opus 5.5 — ogólnie dostępny od 22 września 2026 r., 4,00 USD za milion tokenów wejściowych i 20,00 USD za milion tokenów wyjściowych, ze stawką 0,20 USD za odczyt z pamięci podręcznej, oknem kontekstu wynoszącym 1 milion tokenów oraz budżetami myślenia obejmującymi konfigurację bez myślenia

• Muse Wonder — powszechnie dostępny od 12 października 2026 r. w Meta Model API oraz w Muse Code, w tej samej cenie 4,00 USD za wejście i 20,00 USD za wyjście, z kontekstem 1 048 576 tokenów i limitem wyjścia 943 718 tokenów

• Muse Wonder Full — ogłoszony tego samego dnia, ale nie jest sprzedawany za token; jest dostępny wyłącznie w ramach subskrypcji Muse Code i nie ma opublikowanego cennika stawek za token, dlatego nie ma tu w ogóle wiersza z ceną

Haczyk tkwi w konfiguracji rozumowania Muse Wonder. Nie można jej wyłączyć. Drabinka wysiłku obejmuje minimalny, niski, średni, wysoki, xhigh i maksymalny, domyślnie średni, a tokeny rozumowania są rozliczane jako wyjściowe. Każde bezpośrednie porównanie z modelem, któremu można kazać nie myśleć, porównuje zatem ograniczoną konfigurację z nieograniczoną, chyba że recenzent poda to ustawienie — a ten wpis tego nie robi. To pojedyncza luka o największych konsekwencjach w reprodukcji, większa niż brakująca liczba promptów.

Jak to odtworzyć w jedno popołudnie

Powód, dla którego warto ten test rozszerzyć, a nie odrzucić, jest taki, że rozszerzanie go jest tanie. Użyteczna wersja wymaga czterech rzeczy, których oryginał nie zapewnia: stałego zestawu promptów obejmującego może tuzin zadań wektorowych z zakresu ikon, diagramów, ilustracji i wykresów; podania ustawienia poziomu wysiłku; surowych plików SVG przechowywanych obok renderów; oraz etapu oceniania, który rozdziela kunszt od powściągliwości, zamiast je mieszać. Dwanaście promptów przy dwóch ustawieniach wysiłku i dwóch modelach daje 48 uruchomień — kilka dolarów za tokeny wyjściowe według tych cenników — i naprawdę użyteczniejszy artefakt niż jakiekolwiek wrażenie z dnia premiery.

To także przypadek, w którym router zwraca się sam w sposób, jakiego nie pokaże samo porównanie cen. Claude Opus 5.5 jest udostępniany na OrcaRouter w cenie katalogowej samego Anthropic — 4,00 USD za milion tokenów wejściowych, 20,00 USD za milion tokenów wyjściowych, 0,20 USD za milion odczytów z pamięci podręcznej — z przekazywaniem bez marży obowiązującym w całym katalogu, więc zmiana ceny u dostawcy trafia na naszą stronę tego samego dnia, w którym trafia na ich stronę. Ceny katalogowe dostawców są przekazywane bez zmian; warstwa routingu nie dolicza spreadu. Przegląd kilkunastu promptów na dwóch modelach to jeden klucz i jeden endpoint, a nie dwa konta, dwie integracje SDK i dwie relacje rozliczeniowe, a jeśli przeglądasz coś tak nieprzetestowanego jak model wydany wczoraj, automatyczne przełączanie awaryjne sprawia, że dostawca z ograniczeniem szybkości lub w stanie degradacji nie pociąga za sobą całego przebiegu.

Aby było jasne, czego nie mamy: w naszym katalogu nie ma wpisu meta/muse-wonder ani meta/muse-wonder-full. Nie kierujemy ruchu do żadnego z tych checkpointów i nie zamierzamy opisywać żadnego z nich tak, jakbyśmy to robili. To, co mamy w ofercie z tego samego laboratorium, to linia Muse Spark — Muse Spark 1.2 kosztuje 1,25 USD za milion tokenów wejściowych i 4,25 USD za milion tokenów wyjściowych, który ma to samo okno kontekstowe co model flagowy, i to za ułamek ceny, a jest to model, po który warto sięgnąć, jeśli chcesz rodzinę modeli rozumujących Meta za pomocą tego samego klucza co wszystko inne. Dodanie Muse Wonder do sweepa wymaga obecnie drugiego konta; dodanie Muse Spark 1.2 to jedna linia w tej samej konfiguracji.

Na co zwrócić uwagę i co by to rozstrzygnęło

Trzy rzeczy zamieniłyby to z ciekawego wrażenia w dowód.

• Drugi recenzent o odmiennym guście dochodzący do tego samego werdyktu o powściągliwości — oceny stylu, które przetrwają zmianę recenzenta, dotyczą modelu; te, które nie przetrwają, dotyczą recenzenta

• Muse Wonder Full staje się dostępny za token — model wymieniony w obserwacji dotyczącej generowania 3D to ten bez cennika, więc nikt, kto chce sprawdzić tę połowę twierdzenia, nie może kupić do niego dostępu bez miesięcznej subskrypcji agenta kodującego

• Każda niezależna tablica wyników dodająca zadanie wektorowe lub zadanie z grafiki strukturalnej — luka, w którą wpada ten test, nie polega na tym, że nikt go nie uruchomił, lecz na tym, że żadna tablica go nie ocenia, dlatego obecnie cały rekord to jedno popołudnie jednej osoby

Uczciwe podsumowanie jest takie, że to prawdziwe odkrycie z prawdziwym ograniczeniem. Recenzent, który ujawnił płatny dostęp przedpremierowy, sam zapłacił za drugą stronę i opublikował konkretny negatywny werdykt, zrobił więcej, niż robi podsumowanie premiery — a model, który „próbuje” rzeczy, o które nie został poproszony, to twierdzenie o powściągliwości, a nie o możliwościach, a powściągliwość to rzecz, którą następnemu recenzentowi najłatwiej zobaczyć inaczej. Jeśli dziś wybierasz między Claude Opus 5.5 a Muse Wonder pod kątem wyjścia wektorowego, różnica w niezależnym indeksie wynosi sześć punktów, a różnica w liczbie tokenów jest dwa do jednego na korzyść Muse Wonder; werdykt dotyczący stylu to popołudnie jednej osoby i należy go traktować jako hipotezę, a nie wynik.