Muse Wonder vs Intern S2: 1,048,576 tokenów kontra 256K i brak wspólnego miernika

Intern-S2-397B i Muse Wonder nigdy nie zostały ze sobą zmierzone przez nikogo. To nie luka w badaniach — to strukturalny fakt dotyczący tego, jak każdy z modeli powstał. InternLM opublikował Intern-S2-397B 13 września 2026 r. jako checkpoint z otwartymi wagami na licencji Apache-2.0 do inteligencji naukowej i agentów długiego horyzontu, w całości zbenchmarkowany przez własnych twórców, bez żadnego wyniku strony trzeciej. Meta Superintelligence Labs zaczęła sprzedawać Muse Wonder 12 października 2026 r. przez Meta Model API i Muse Code, a ten ma dokładnie jeden wiersz niezależnego ewaluatora. Wszystko poniżej wymaga więc oznaczenia, po której stronie płotu znajduje się każda liczba, a oba modele nie zgadzają się co do czegoś bardziej podstawowego niż wyniki benchmarków: do czego służy okno kontekstu. 1 048 576 tokenów Muse Wonder to płaski, wyceniony budżet na pojedynczą odpowiedź. U Intern-S2-397B są one podzielone — 256K na rozumowanie tekstowe i 64K na wejście multimodalne — w checkpoincie, który się pobiera, a nie wywołuje.

Przydatna wersja tego porównania nie polega na tym, który model wygrywa. Polega na tym, że jeden z nich to narzędzie do pracy z dokumentami naukowymi, które można uruchomić we własnym perymetrze, a drugi to wynajmowany generalista z bardzo dużym oknem ryczałtowym. To dwa różne zakupy.

Czym tak naprawdę jest każdy model

Intern-S2-397B to flagowy model InternLM Shanghai AI Laboratory, wydany 13 września 2026 na licencji Apache-2.0. Nazwa zawiera 397B; karta modelu mówi o 403 miliardach parametrów ogółem, a ta różnica to rodzaj niespójności, jaką gromadzi checkpoint budowany publicznie. Architektonicznie to standardowy transformer typu mixture-of-experts — 60 warstw, 512 ekspertów, z czego 10 aktywnych na token — a jego sztandarowe twierdzenie dotyczy paradygmatu wstępnego trenowania, który czyta surowe strony literatury naukowej — ryciny, układ, notację symboliczną i prozę — razem, zamiast najpierw wyodrębniać z nich tekst. Wokół tego skaluje uczenie ze wzmocnieniem w ponad dwudziestu dziedzinach nauki i dodaje długohoryzontalny trening agentów w środowiskach sandbox. Przyjmuje dane wejściowe w postaci tekstu, obrazu i szeregów czasowych, generuje prognozy na podstawie ścieżki szeregów czasowych, można go uruchamiać na LMDeploy, vLLM i SGLang, obsługuje wywoływanie narzędzi i domyślnie myśli, chyba że w danym żądaniu przekażesz enable_thinking=False. W BF16 checkpoint ma około 807 GB, więc samodzielne hostowanie oznacza poważny węzeł wielo-GPU.

Muse Wonder to flagowe wydanie Meta Superintelligence Labs z 12 października 2026 r., ogłoszone jako seria dwóch checkpointów. Tylko muse-wonder-1.0 ma endpoint rozliczany za token, w Meta Model API i w Muse Code; Muse Wonder Full, konfiguracja osiągająca wyższe wyniki, jest sprzedawana wyłącznie w ramach subskrypcji Muse Code i nie ma publicznego cennika. Checkpoint, który można wywoływać, przyjmuje dane wejściowe w postaci tekstu, obrazu, mowy i wideo, zwraca tekst, ma okno kontekstowe o rozmiarze 1 048 576 tokenów, ogranicza pojedynczą odpowiedź do 943 718 tokenów, kosztuje 4,00 USD za milion tokenów wejściowych, 0,20 USD za tokeny buforowane i 20,00 USD za tokeny wyjściowe, a rozumowanie działa w nim obowiązkowo na drabinie wysiłku od minimalnego do maksymalnego, domyślnie na poziomie średnim. Brak wag, brak licencji i brak wersji, którą można by nadal uruchamiać, gdyby endpoint uległ zmianie.

To pierwsza prawdziwa różnica między nimi i nie jest to wiersz w benchmarku. Jeden to plik. Drugi to kontrakt.

Okno kontekstu, które oba modele rozumieją odmiennie

To właśnie tutaj porównanie specyfikacji najbardziej wprowadza w błąd, ponieważ oba modele są standardowo opisywane jako modele o długim kontekście.

• Kontekst tekstowy — Muse Wonder 1 048 576 tokenów w jednym oknie; Intern-S2-397B 256K do rozumowania tekstowego

• Kontekst multimodalny — pełne okno Muse Wonder obejmuje dane wejściowe w postaci obrazu, mowy i wideo; Intern-S2-397B dysponuje oddzielnym kontekstem multimodalnym 64K

• Maksymalna długość wyjściowa w jednej odpowiedzi — Muse Wonder: 943 718 tokenów; Intern-S2-397B: nie opublikowano porównywalnej wartości

• Zakres danych wejściowych — Muse Wonder: tekst, obraz, mowa, wideo; Intern-S2-397B: tekst, obraz, szeregi czasowe

• Prognozowanie szeregów czasowych — Muse Wonder brak; Intern-S2-397B obsługiwany, obecnie podłączony wyłącznie przez LMDeploy

• Stawka — Muse Wonder 4,00 $ za wejście, 0,20 $ z pamięci podręcznej, 20,00 $ za wyjście za milion tokenów; Intern-S2-397B — brak publikowanej stawki za token, ponieważ jego model dystrybucji to pobranie

Wiersz dotyczący prognozowania jest tym, który nie ma odpowiednika po drugiej stronie, i nie jest to funkcja marketingowa — to powód, dla którego model istnieje w takiej formie, w jakiej istnieje. Model, który przyjmuje sygnał szeregu czasowego i generuje prognozę, robi coś, o co nie można poprosić modelu tekstowego, niezależnie od jego rozmiaru okna. Jeśli to jest twoje obciążenie, porównanie jest już rozstrzygnięte.

Dla wszystkich innych istotne pytanie brzmi, co tak naprawdę się mieści. Okno o rozmiarze 1 048 576 tokenów za stałą stawkę to inny produkt niż okno tekstowe 256K na sprzęcie, który posiadasz, a różnica uwidacznia się dokładnie w tych obciążeniach, które sprawiły, że długi kontekst stał się interesujący — baza kodu w prompcie, korpus artykułów, długa sesja agentowa, która zachowuje swoją historię.

Bazy dowodowe, które się nie stykają

Opublikowanych liczb obu modeli nie można umieścić na tej samej osi i warto powiedzieć wprost, dlaczego.

Karta benchmarkowa Intern-S2-397B jest własną kartą I​nternLM, uruchomioną w OpenCompass, VLMEvalKit i AgentCompass przez zespół, który zbudował ten model, bez niezależnej reprodukcji. Jej kolumny to Qwen3.5-397B-A17B, D​eepSeek V4 Pro, Kimi K2.7-Code, GLM-5.2, GPT-5.5, Gemini 3.1 Pro i Claude Opus 4.8 — nie ma modelu od M​eta ani Muse Wonder, więc własna tabela dostawcy nie zawiera ani jednego porównania z Muse. A każde krążące gdziekolwiek zestawienie „Intern-S2 versus Muse Wonder” jest ekstrapolacją między dwiema niepowiązanymi tabelami.

Co publikuje ta karta, a wszystko to raportowane przez InternLM: 89,77 w MMLU Pro, 93,56 w HMMT-2026, 81,68 w MMMU Pro, 68,54 w SWE-bench-Pro, 64,04 w TerminalBench 2.1, a na zestawach naukowych 55,71 w Biology-Instructions, 63,28 w SciReasoner 1.5 i 53,95 w Mol-Instructions. Odczytaj to jako portret: mocny w wiedzy, matematyce i rozumowaniu multimodalnym, przodujący w inżynierii oprogramowania, a o dwadzieścia punktów za Claude Opus 4.8 w pracy z terminalem — dokładnie ta oś, na której agent produkcyjny spędza swój dzień.

Dowód Muse Wonder ma odwrotny kształt. Tabela premierowa Mety obejmuje oba checkpointy przy maksymalnym rozumowaniu i w dużej mierze opiera się na benchmarkach dla długotrwałych agentów — DeepSWE 1.1, SWE-Marathon, Terminal-Bench 4.0-AA, OSWorld V2.1 — a wszystko to pochodzi od dostawcy, z harnessu Mety, bez reprodukcji. Niezależny komentarz powtarzał najsilniejsze wiersze bez tego zastrzeżenia i tak właśnie harness dostawcy staje się faktem publicznym. Jedynym naprawdę niezależnym wierszem jest Intelligence Index od Artificial Analysis na poziomie 52 przy maksymalnym wysiłku, dziewiąty spośród ponad 200 modeli, przy około 4,52 USD zmierzonego kosztu na ukończone zadanie indeksu i około 130 milionach zużytych tokenów wyjściowych wobec mediany rankingowej blisko 85 milionów.

A więc: siłę jednego modelu jego twórca przypisuje wynikom na naukowych benchmarkach, których nie powtórzyła żadna strona trzecia. Siłę drugiego – na benchmarkach agentowych – tak samo. Nikt nie porównał jednego z drugim. Jedyne, co uczciwa strona może z tym zrobić, to powiedzieć to na głos.

Gdzie o porównaniu decyduje cena, a gdzie nie

Intern-S2-397B nie ma cennika. To cała sekcja cenowa i jest to prawdziwe ustalenie, a nie brakująca wartość: albo samodzielnie hostujesz około 807 GB wag BF16 na sprzęcie, który posiadasz, albo rejestrujesz się, by uzyskać token w API samego I​nternLM i działasz w ramach przyznanego limitu. Nie ma stawki za token, którą można by postawić obok $4.00 i $20.00 Muse Wonder, ani faktury, którą można porównać z rachunkiem rozliczanym za token.

Wpływ, jaki to ma na decyzję, jest subtelniejszy niż „darmowe kontra płatne”. Pobrany checkpoint zamienia koszt zmienny w koszt kapitałowy i przekształca relację z dostawcą w artefakt, który posiadasz. Jest warte bardzo wiele, gdy Twoje dane nie mogą opuścić Twojego obwodu, gdy Twoje obciążenie jest wystarczająco stabilne, by uzasadnić użycie GPU, albo gdy powtarzalność liczy się bardziej niż punkt w benchmarku. Jest warte bardzo niewiele, jeśli Twój ruch jest skokowy, jeśli Twój zespół nie ma stosu do serwowania modeli, albo jeśli potrzebujesz, aby model poprawiał się bez żadnego działania z Twojej strony.

Żaden z tych modeli nie jest przez nas obsługiwany i warto powiedzieć to wprost, zamiast sugerować coś przeciwnego: Intern-S2-397B to zupełnie nowy checkpoint na licencji Apache-2.0 bez pokrycia w routingu, a Muse Wonder działa w API M​ety i wewnątrz Muse Code, bez zewnętrznej obsługi, którą moglibyśmy zweryfikować. Router pomaga w tym, co jest wywoływalne. OrcaRouter udostępnia ponad 200 modeli za jednym kluczem w cenie katalogowej dostawcy z 0% marży — bez narzutu pośrednika, więc obniżka ceny u dostawcy obowiązuje tego samego dnia — w tym własne modele M​ety Muse Spark 1.2 i Muse Spark 1.1, dzięki czemu modele M​ety, do których możesz dotrzeć już dziś, stoją obok wszystkiego innego na tych samych danych uwierzytelniających. Jeśli Twój ruch produkcyjny trafia na model routowany, a Twoja naukowa praca wsadowa działa na Intern-S2-397B gdzieś, co kontrolujesz, to połączenie jest decyzją o routingu, a nie drugą integracją.

Kto powinien wybrać, które

Wybierz Intern-S2-397B, gdy praca polega na czytaniu tekstów naukowych: artykułu pełnego ilustracji, diagramu molekularnego, zeskanowanej tabeli, prognozy z sygnału szeregu czasowego albo agenta, który musi kontynuować pracę nad zadaniem badawczym. Licencja Apache-2.0 oznacza, że możesz dostroić go na danych zastrzeżonych i zachować wynik we własnym obwodzie — tego aspektu tego porównania nie ujmuje żaden cennik. Uwzględnij w budżecie sprzęt i nie oczekuj niezależnego rankingu przez kilka miesięcy — repozytorium ma zaledwie kilka tygodni i nie zawiera pomiarów stron trzecich.

Wybierz Muse Wonder, gdy praca jest ogólna, długa i agentowa, oraz gdy wolisz raczej wynajmować niż posiadać: okno 1 048 576 tokenów w stałej stawce, bez progów, limit odpowiedzi 943 718 tokenów, na który nic w opublikowanych materiałach Intern-S2 nie odpowiada, obowiązkowe rozumowanie przy trudnych zadaniach wieloetapowych oraz rachunek za tokeny, który możesz dziś wpisać do arkusza kalkulacyjnego. Zastrzeżenie jest takie samo jak to, które dotyczy każdego wiersza opublikowanego przez M​eta: dwa dni niezależnych pomiarów to dwa dni, a jeden ewaluator to jeden ewaluator.

Zespół, który potrzebuje obu, powinien traktować granicę między nimi jako kwestię routingu, a nie migracji. Kieruj ogólny ruch do modelu, który możesz wywołać, prace naukowe pozostaw na checkpoincie, który możesz utrzymać, i ponownie uruchom własne ewaluacje na Intern-S2-397B, zanim uwierzysz w liczbę dostawcy dotyczącą jego wydajności terminalowej — ponieważ własna tabela dostawcy jest najmniej pochlebnym wierszem w niej.