Muse Wonder vs Intern S2: 1.048.576 Tokens Contra 256K, e Nenhuma Régua Compartilhada

Intern-S2-397B and Muse Wonder have never been measured against each other by anyone. That is not a gap in the research — it is a structural fact about how each model came to exist. I​nternLM published Intern-S2-397B on September 13, 2026 as an Apache-2.0 open-weights checkpoint for scientific intelligence and long-horizon agents, benchmarked entirely by its own makers, with no third-party score at all. Meta Superintelligence Labs began selling Muse Wonder on October 12, 2026 through the Meta Model API and Muse Code, and it has exactly one independent evaluator's row. So everything below requires labelling which side of the fence each number sits on, and the two models disagree about something more basic than benchmark scores: what a context window is for. Muse Wonder's 1,048,576 tokens are a flat, priced, single-response budget. Intern-S2-397B's are split — 256K for text reasoning and 64K for multimodal input — on a checkpoint you download rather than call.

A versão útil desta comparação não é qual modelo vence. É que um deles é um instrumento para trabalho com documentos científicos que você pode executar dentro do seu próprio perímetro, e o outro é um generalista alugado com uma janela de tarifa fixa muito grande. São compras diferentes.

O que cada modelo realmente é

Intern-S2-397B is Shanghai AI Laboratory's I​nternLM flagship, released September 13, 2026 under Apache-2.0. The name carries 397B; the model card says 403 billion total parameters, and that difference is the kind of inconsistency a checkpoint built in public accumulates. Architecturally it is a standard mixture-of-experts transformer — 60 layers, 512 experts with 10 active per token — and its headline claim is a pre-training paradigm that reads raw pages of scientific literature, figures, layout, symbolic notation and prose together, rather than parsing the text out first. Around that it scales reinforcement learning across more than twenty scientific domains and adds long-horizon agent training in sandboxed environments. It takes text, image and time-series input, produces forecasts from the time-series path, serves on LMDeploy, vLLM and SGLang, supports tool calling, and thinks by default unless you pass enable_thinking=False per request. In BF16 the checkpoint is roughly 807 GB, so self-hosting means a serious multi-GPU node.

Muse Wonder é o lançamento de fronteira do Meta Superintelligence Labs em 12 de outubro de 2026, anunciado como uma série de dois checkpoints. Apenas o muse-wonder-1.0 tem um endpoint por token, na Meta Model API e dentro do Muse Code; o Muse Wonder Full, a configuração com pontuação mais alta, é vendido apenas por meio de uma assinatura do Muse Code e não tem tabela pública de preços. O checkpoint chamável aceita entrada de texto, imagem, fala e vídeo, retorna texto, possui uma janela de contexto de 1.048.576 tokens, limita uma única resposta a 943.718 tokens, custa US$ 4,00 por milhão de tokens de entrada, US$ 0,20 em cache e US$ 20,00 de saída, e executa raciocínio obrigatoriamente em uma escala de esforço de mínimo a máximo cujo padrão é médio. Não há pesos, nem licença, nem versão que você possa continuar executando se o endpoint mudar.

Essa é a primeira diferença real entre eles, e não é uma linha de benchmark. Um é um arquivo. O outro é um contrato.

Janela de contexto, que os dois modelos entendem de forma diferente

É aqui que uma comparação de fichas técnicas mais engana, porque ambos os modelos são rotineiramente descritos como tendo contexto longo.

• Contexto de texto — Muse Wonder 1.048.576 tokens em uma janela; Intern-S2-397B 256K para raciocínio de texto

• Contexto multimodal — a janela completa do Muse Wonder abrange suas entradas de imagem, fala e vídeo; o Intern-S2-397B possui um contexto multimodal separado de 64K

• Saída máxima em uma resposta — Muse Wonder 943.718 tokens; Intern-S2-397B não divulgado como um valor comparável

• Superfície de entrada — Muse Wonder texto, imagem, fala, vídeo; Intern-S2-397B texto, imagem, séries temporais

• Previsão de séries temporais — Muse Wonder nenhum; Intern-S2-397B suportado, atualmente integrado apenas via LMDeploy

• Tarifa — Muse Wonder US$ 4,00 de entrada, US$ 0,20 em cache, US$ 20,00 de saída por milhão de tokens; Intern-S2-397B não tem tarifa publicada por token, porque o modelo de distribuição é um download

A linha de previsão é a que não tem contrapartida do outro lado, e não é um recurso de marketing — é a razão pela qual o modelo existe na forma como existe. Um modelo que ingere um sinal de série temporal e produz uma previsão está fazendo algo que não se pode pedir a um modelo de texto, independentemente do tamanho da sua janela. Se essa é a sua carga de trabalho, a comparação já acabou.

Para todo o resto das pessoas, a pergunta relevante é o que realmente cabe. Uma janela de 1.048.576 tokens a uma tarifa fixa é um produto diferente de uma janela de texto de 256K no hardware que você possui, e a diferença aparece exatamente nas cargas de trabalho que tornaram o contexto longo interessante — uma base de código no prompt, um corpus de artigos, uma longa sessão agêntica que mantém seu histórico.

As bases de evidências, que não se tocam

Os números publicados dos dois modelos não podem ser colocados no mesmo eixo, e vale a pena ser franco sobre o porquê.

Intern-S2-397B's benchmark card is I​nternLM's own, run through OpenCompass, VLMEvalKit and AgentCompass by the team that built the model, with no independent reproduction. Its columns are Qwen3.5-397B-A17B, D​eepSeek V4 Pro, Kimi K2.7-Code, GLM-5.2, GPT-5.5, Gemini 3.1 Pro and Claude Opus 4.8 — no model from M​eta, and no Muse Wonder, so the vendor's own table does not contain a single Muse comparison. and any "Intern-S2 versus Muse Wonder" figure circulating anywhere is an extrapolation across two unrelated tables.

What that card does publish, all of it I​nternLM-reported: 89.77 on MMLU Pro, 93.56 on HMMT-2026, 81.68 on MMMU Pro, 68.54 on SWE-bench-Pro, 64.04 on TerminalBench 2.1, and on the scientific sets 55.71 on Biology-Instructions, 63.28 on SciReasoner 1.5 and 53.95 on Mol-Instructions. Read that as a portrait: strong on knowledge, maths and multimodal reasoning, leading on software engineering, and twenty points behind Claude Opus 4.8 on terminal work — the exact axis a production agent spends its day on.

Muse Wonder's evidence is the inverse shape. M​eta's launch table covers both checkpoints at maximum reasoning and is built largely from sustained-agent benchmarks — DeepSWE 1.1, SWE-Marathon, Terminal-Bench 4.0-AA, OSWorld V2.1 — all of it vendor-reported, in M​eta's harness, unreproduced. Independent commentary has repeated the strongest rows without the caveat, which is how a vendor harness becomes a fact in public. The one genuinely independent row is Artificial Analysis' Intelligence Index at 52 at maximum effort, ninth of more than 200 models, with about $4.52 of measured cost per completed index task and roughly 130 million output tokens consumed against a board median near 85 million.

Então: a força de um modelo é afirmada por seu criador com base em benchmarks científicos que nenhum terceiro reexecutou. A do outro, em benchmarks agênticos, também. Nenhum dos dois foi comparado ao outro por ninguém. A única coisa que uma página honesta pode fazer com isso é dizer isso em voz alta.

Onde a comparação é decidida pelo preço, e onde não é

Intern-S2-397B has no rate card. That is the whole pricing section, and it is a real finding rather than a missing value: you either self-host roughly 807 GB of BF16 weights on hardware you own, or you register for a token on I​nternLM's own API and live within whatever quota is granted. There is no per-token number to put beside Muse Wonder's $4.00 and $20.00, and no invoice to compare with a pay-per-token bill.

O que isso faz com a decisão é mais sutil do que "gratuito versus pago". Um checkpoint baixado converte um custo variável em um custo de capital, e converte uma relação com fornecedor em um artefato que você possui. Isso vale muito quando seus dados não podem sair do seu perímetro, quando sua carga de trabalho é estável o suficiente para justificar as GPUs, ou quando a reprodutibilidade importa mais do que um ponto de benchmark. Isso vale muito pouco se seu tráfego tiver picos, se sua equipe não tiver uma stack de serving, ou se você precisar que o modelo melhore sem que você faça nada.

Neither model is served by us, and it is worth saying so plainly rather than implying otherwise: Intern-S2-397B is a brand-new Apache-2.0 checkpoint with no routing coverage, and Muse Wonder is on M​eta's API and inside Muse Code with no third-party serving we can verify. What a router does help with is the half of this that is callable. OrcaRouter carries more than 200 models behind one key at provider list price with 0% markup — no middleman delta, so a vendor price cut is live the same day — including M​eta's own Muse Spark 1.2 and Muse Spark 1.1, so the M​eta models you can reach today sit next to everything else on the same credential. If your production traffic lands on a routed model and your scientific batch work runs on Intern-S2-397B somewhere you control, that seam is a routing decision rather than a second integration.

Quem deve escolher qual?

Escolha o Intern-S2-397B quando o trabalho for ler ciência: um artigo denso em figuras, um diagrama molecular, uma tabela digitalizada, uma previsão a partir de um sinal de série temporal, ou um agente que tenha de continuar a trabalhar numa tarefa de investigação. A licença Apache-2.0 significa que pode fazer fine-tuning com dados proprietários e manter o resultado dentro do seu próprio perímetro, que é a parte desta comparação que nenhuma tabela de preços capta. Reserve orçamento para o hardware e conte com a ausência de um placar independente durante alguns meses — o repositório tem semanas de vida e não traz medições de terceiros.

Take Muse Wonder when the work is general, long and agentic, and when you would rather rent than own: a 1,048,576-token window at a flat rate with no step, a 943,718-token response ceiling that nothing in Intern-S2's published material answers, mandatory reasoning for hard multi-step tasks, and a pay-per-token bill you can put in a spreadsheet today. The caveat is the same one that applies to every row M​eta published: two days of independent measurement is two days, and one evaluator is one evaluator.

A equipe que precisa dos dois deve tratar a fronteira entre eles como uma questão de roteamento, e não de migração. Rode o tráfego geral em um modelo que você consegue chamar, mantenha o trabalho científico no checkpoint que você consegue manter, e refaça suas próprias avaliações no Intern-S2-397B antes de acreditar em um número de fornecedor sobre seu desempenho em terminal — porque a própria tabela do fornecedor é a linha menos lisonjeira dela.