GPT-Rosalind vs Muse Wonder: O que um contexto de 1M oferece em um laboratório de biologia

Muse Wonder e GPT-Rosalind são os dois modelos desta comparação que estão mais próximos no papel e mais distantes em propósito. O Meta Superintelligence Labs lançou o Muse Wonder em 12 de outubro de 2026 a US$ 4,00 por milhão de tokens de entrada e US$ 20,00 por milhão de saída, com contexto de 1 milhão de tokens e um Artificial Analysis Index de 56 — o mesmo patamar de preço e o mesmo tamanho de contexto do GPT-Rosalind, modelo que a OpenAI vende desde 16 de abril de 2026 por US$ 5,00 e US$ 25,00. Os cinco dólares e cinco dólares de diferença não são a parte interessante. A parte interessante é que um desses modelos responde a qualquer pergunta que você fizer, e o outro só responde a perguntas de organizações que passaram por uma revisão, e o segundo é o único dos dois que foi ajustado naquilo que um laboratório de biologia realmente faz.Quando um lançamento restrito é liberado ou uma pontuação é revisada, a mudança é registrada com suas datas e fontes em o AI Incident Archive, ao lado dos demais incidentes de modelos e fornecedores que acompanhamos.

Mesma janela de contexto, motivo diferente para tê-la.

Ambos os modelos têm um milhão de tokens, e vale a pena entender que isso é uma coincidência de duas decisões de design não relacionadas, e não uma capacidade compartilhada.

A razão da Meta é a amplitude. O Muse Wonder recebe texto, imagem, fala e vídeo e devolve texto, e foi criado para o que a Meta chama de tarefas agênticas pessoais e profissionais. Seu irmão Muse Wonder Full está isolado dentro de uma assinatura do Muse Code — US$ 50 por mês no plano Power Usage, US$ 200 no Maximum Usage —, o que o torna uma decisão de produto, e não um nível de API. Um milhão de tokens é o que você precisa quando uma única sessão de agente tem de comportar, ao mesmo tempo, uma gravação de tela, um documento, um histórico de conversa e uma transcrição de ferramenta.

A razão da O​penAI é a profundidade. O GPT-Rosalind comporta um milhão de tokens, para que um laboratório possa colocar um atlas de referência inteiro, uma biblioteca de protocolos e a descrição de um conjunto de dados em uma única passagem. Sua superfície de ferramentas é um plugin de ciências da vida com mais de cinquenta ferramentas; seus benchmarks publicados são de química e genômica; sua restrição de acesso existe porque o modelo é considerado bom o suficiente em biologia para precisar de uma.

• Janela de contexto — Muse Wonder 1.000.000 tokens vs GPT-Rosalind 1.000.000 tokens. Um empate genuíno.

• Modalidades de entrada — Muse Wonder: texto, imagem, fala e vídeo. GPT-Rosalind: texto e entradas de arquivos científicos via ChatGPT, Codex e API; nenhuma alegação publicada de entrada geral de imagem.

• Saída — Somente texto, ambos.

• Preço — Muse Wonder US$ 4,00 de entrada / US$ 0,20 em cache / US$ 20,00 de saída por 1 milhão, contra GPT-Rosalind US$ 5,00 / US$ 0,50 / US$ 25,00. O especialista custa 25% mais em cada linha e 2,5× mais nas leituras de cache.

• Acesso — Muse Wonder disponível hoje como muse-wonder-1.0 na Meta Model API e dentro do Muse Code. O GPT-Rosalind exige revisão de acesso confiável.

• Pontuação independente — Muse Wonder 56 no Índice Artificial Analysis, v4.3.2. GPT-Rosalind: não monitorado nesse painel.

Esse último par é o ponto crucial. Em todos os eixos que uma equipe de compras consegue medir sem fazer ciência, o Muse Wonder vence: é mais barato, está disponível sem necessidade de candidatura, aceita mais tipos de entrada e tem uma pontuação independente. O único eixo em que o GPT-Rosalind vence é aquele que nenhum ranking mede, e é sobre ele que este artigo trata.

As pontuações que não são comparáveis, ditas sem rodeios

O 56 do Muse Wonder e os 27,5% do Rosalind não são duas leituras da mesma coisa, e qualquer tabela que os coloque em colunas adjacentes é enganosa. O 56 é um composto independente de dez avaliações gerais: AA-Briefcase, GDPval-AA, AutomationBench, Terminal-Bench, SciCode, Humanity's Last Exam, GDP.pdf e outras. Os 27,5% são o benchmark de química medicinal do próprio OpenAI, pontuado contra o GPT-5.5, não reproduzido.

• Muse Wonder — 56 no Artificial Analysis Index; a própria tabela da Meta informa Terminal-Bench 4.0-AA em 85,6, SWE-Marathon em 78,8, OSWorld V2.1 em 72,6, HealthBench Pro em 56,6 e DeepSWE 1.1 em 52,0. Todas as linhas da Meta são informadas pelo fornecedor; o número do índice é independente.

• GPT-Rosalind — MedChemBench 27,5% vs 25,1%, GeneBench 21,6% vs 20,4%, LabWorkBench 63,2% vs 55,8%, e um ganho de desempenho por token de 4,42% no LifeSciBench. Todos reportados pela O​penAI, nenhum reproduzido de forma independente.

• A única sobreposição que vale a pena notar — o HealthBench Pro é um benchmark de conhecimento clínico, e o GPT-Rosalind não publica nada sobre ele. Os 56,6 da Meta ali não dizem nada sobre se o Muse Wonder consegue conceber um experimento de perturbação.

Não existe nenhum benchmark público de biologia no qual esses dois modelos tenham sido ambos avaliados. Essa ausência é o fato mais importante da comparação, e não será corrigida por nenhum dos dois fornecedores.

O que o Muse Wonder Full faz com a comparação de preços

A Meta lançou dois checkpoints em 12 de outubro, e a divisão muda o que “Muse Wonder” significa dependendo de por qual porta você entra.

• Muse Wonder — muse-wonder-1.0, na Meta Model API e dentro do Muse Code, $4.00 / $0.20 / $20.00.

• Muse Wonder Full — um checkpoint separado, com pontuação mais alta, que a Meta diz estar disponível apenas para assinantes do Muse Code. Não é uma flag no modelo da API; é um modelo diferente por trás de um produto mensal de US$ 50 a US$ 200.

• A disparidade — a própria tabela da Meta mostra Muse Wonder Full com 75,3 no JobBench contra 30,8 do Muse Wonder, e 59,1 contra 10,0 no Vals Finance Agent V2. Uma diferença de 44 pontos entre dois checkpoints do mesmo laboratório em um único benchmark é ou uma divisão genuína de capacidade ou um artefato do harness, e só um terceiro pode determinar qual.

Para um laboratório, a leitura prática é que o modelo que você pode comprar por meio de uma API e o modelo para o qual a Meta publica seus melhores números não são o mesmo modelo. Qualquer pessoa que compare o "Muse Wonder" ao GPT-Rosalind com base nas pontuações do Full está comparando um produto de assinatura a um modelo de API.

Onde um milhão de tokens realmente é usado

O empate no quesito contexto é justamente o motivo pelo qual esses dois modelos acabam sendo comparados, então vale a pena ser concreto sobre o que um laboratório faz com um milhão de tokens versus o que um agente generalista faz com eles.

Um agente geral que detém um milhão de tokens está mantendo estado: a conversa, as capturas de tela, as saídas das ferramentas, o arquivo atual. O contexto é um espaço de trabalho. Um fluxo de trabalho de biologia que detém um milhão de tokens está mantendo uma referência: o atlas, as tabelas de anotação, o corpus de protocolos, a literatura prévia. O contexto é uma biblioteca.

Essas são cargas de trabalho diferentes e pressionam coisas diferentes. Um espaço de trabalho recompensa loops rápidos de ferramentas e leituras de cache baratas; uma biblioteca recompensa a capacidade de manter um grande conjunto de texto de domínio em vista e raciocinar sobre ele sem perder o fio da meada. A Meta otimiza para o primeiro caso — o Active Memory do Muse Wonder mantém o estado ao longo de uma sessão, e o Active Focus gerencia a atenção do próprio modelo em tarefas longas, ambos recursos que só fazem sentido para uso agêntico. A OpenAI otimiza para o segundo, e é por isso que os ganhos publicados são em tarefas nas quais o modelo precisa manter em mente, ao mesmo tempo, um protocolo e uma perturbação.

• Economia de cache — Muse Wonder $0,20 por milhão em cache vs GPT-Rosalind $0,50. Numa sessão longa de agente que reenvia um grande prompt de sistema a cada turno, o modelo geral é 2,5× mais barato no item que domina.

• Design de sessão — O estado persistente da Muse Wonder entre sessões é a afirmação que mais muda a forma como você arquiteta uma aplicação e é também aquela que um model card não consegue demonstrar.

• Texto de domínio — Nenhum dos fornecedores publica um benchmark de recuperação de contexto longo para textos científicos, portanto o empate não está verificado na direção que importa aqui.

O gate é o diferencial, não o benchmark

Eis a assimetria que decide a conversa de aquisição. O Muse Wonder é vendido a qualquer pessoa com um cartão. O GPT-Rosalind é vendido apenas a organizações que passam por uma revisão, e a revisão existe porque a OpenAI concluiu que a capacidade do modelo na área de biologia não deveria estar disponível sob demanda. Desde 11 de setembro de 2026, esse acesso está aberto globalmente a organizações elegíveis, em vez de apenas a uma lista nominal de parceiros; desde 15 de outubro, existe também uma via acadêmica que dá aos laboratórios elegíveis até 30 licenças gratuitas do ChatGPT Business por até doze meses e exclui explicitamente o acesso à API.

Duas interpretações disso, e ambas são defensáveis. A cínica: uma barreira é um imposto sobre pesquisadores legítimos que não faz nada para deter mais ninguém. A útil: um fornecedor que impõe uma barreira a um modelo lhe disse onde acredita que a capacidade está concentrada, e um fornecedor que vende um modelo geral para todos lhe disse a mesma coisa por omissão. Os pontos fortes publicados pela Meta para o Muse Wonder são trabalho agêntico, programação e tarefas profissionais. Biologia não está na proposta, e não há barreira porque não há nada a restringir.

Então a decisão não é “qual modelo é melhor”. É “meu pedido pertence à biblioteca ou ao espaço de trabalho?”, e a resposta geralmente é óbvia quando a pergunta é feita nesses termos.

Operando o par, e sendo honestos sobre qual metade servimos

Nem Muse Wonder nem GPT-Rosalind estão no OrcaRouter. Muse Wonder é acessível pela API própria da Meta e dentro do Muse Code; GPT-Rosalind apenas pelo programa de acesso confiável da OpenAI. Não vamos dar a entender que roteamos qualquer um dos dois.

O que trazemos dessa família é a linha Muse Spark — Muse Spark 1.2 e Muse Spark 1.1 a US$ 1,25 de entrada e US$ 4,25 de saída por milhão de tokens, com contexto de 1.048.576 tokens, um checkpoint atualizado com preço idêntico e uma gama mais ampla de entradas que inclui vídeo e áudio, além de texto, imagens e PDFs. Para um laboratório que está testando se um modelo da Meta se encaixa no seu pipeline antes de assinar uma subscrição do Muse Code, essa é a forma barata de descobrir. Ao lado deles estão mais de 200 outros modelos por trás de uma única chave pelo preço de tabela do provedor com 0% de margem, então um corte de preço do fornecedor entra em vigor do nosso lado no mesmo dia em que é publicado.

A arquitetura que faz sentido aqui é a mesma divisão em que essas comparações continuam caindo. A metade do workspace — orquestração, parsing, o código em torno da ciência, o trabalho com documentos — roda em um modelo que você pode chamar hoje, com failover automático para que uma falha momentânea do provedor mova uma requisição em vez de encerrar uma execução. A metade da biblioteca fica em uma chave direta de especialista, por trás de uma rota nomeada no DSL de roteamento que falha de forma explícita quando o especialista está indisponível, em vez de responder silenciosamente com um modelo geral. Se você quiser uma segunda opinião sobre um resultado limítrofe sem pagar tarifas de especialista por cada requisição, a fusão de modelos em um painel é o mecanismo: vários modelos respondem, você compara, e a discordância é o sinal.

O que resolveria isso

Três coisas. Um harness independente poderia reexecutar o JobBench da Meta e os spreads do Vals Finance, o que lhe diria se a diferença de 44 pontos entre os dois checkpoints do Muse Wonder é capacidade ou artefato. Um muse-wonder-full tornaria o modelo de maior pontuação comprável em vez de vinculado a uma assinatura. E qualquer avaliação independente de biologia que cobrisse os dois modelos substituiria todo esse argumento por um número, que é o que o setor precisa desde abril.

Na ausência desses, a regra é simples o bastante para caber num cartão. Se o pedido for agêntico, multimodal ou sobre manter uma sessão longa coerente, o Muse Wonder a US$ 4,00 / US$ 20,00, com contexto de 1M e pontuação independente de 56, é a melhor compra, e você pode começar hoje. Se o pedido for sobre biologia, o único modelo aqui ajustado para isso está atrás de uma revisão, custa 25% mais em cada linha e não aparece em nenhum ranking que você possa consultar — e essa combinação é a cara de um especialista antes que os benchmarks alcancem.