Muse Wonder vs Reflection Beam: Um é uma tabela de tarifas, o outro é uma promessa.

Com sete dias de diferença, em direções opostas. A Meta colocou Muse Wonder em disponibilidade geral em 12 de outubro de 2026, na Meta Model API e dentro do Muse Code, a US$ 4,00 por milhão de tokens de entrada e US$ 20,00 por milhão de tokens de saída, com uma janela de contexto de 1.048.576 tokens e sem download de qualquer tipo. A Reflection anunciou o Reflection Beam em 5 de outubro de 2026 — um modelo esparso de mistura de especialistas com 501 bilhões de parâmetros totais e 23 bilhões ativos por token — com os pesos prometidos sob a licença Apache 2.0, uma prévia com lista de espera atrás de uma barreira de cadastro, e nenhum preço publicado em nenhum dos canais próprios da empresa.

O que significa que o enquadramento honesto deste confronto não é modelo contra modelo. É uma tabela de preços contra uma promessa. Um deles você pode chamar hoje à tarde e nunca vai possuir; o outro você pode vir a possuir e não pode chamar de forma alguma hoje. Se você está escolhendo um padrão para uma carga de trabalho que será entregue neste trimestre, essa distinção resolve mais do que qualquer linha de benchmark, e vale a pena deixar explícito que nenhum dos lados disso é uma crítica ao outro laboratório.

Sete dias, duas direções de viagem

Muse Wonder chegou como um produto comercial acabado, com uma documentação pública excepcionalmente escassa por baixo. O modelo pode ser chamado, o preço está listado, a superfície de parâmetros está enumerada — uma escala de esforço de raciocínio que vai de mínimo a máximo, com padrão médio, um teto de saída de 943.718 tokens, cada token de raciocínio cobrado à tarifa de saída — e um segundo checkpoint, Muse Wonder Full, chega no mesmo lançamento com uma pontuação mais alta, mas apenas dentro de uma assinatura do Muse Code e não é vendido por token de forma alguma. O que a Meta não lançou foi nada para download. Não há lançamento de model card, nenhum checkpoint, nenhuma concessão de licença.

A Reflection fez o contrário. O post de lançamento da Beam é um anúncio de pesquisa com uma promessa de serving atrelada: tabelas de benchmark, um relato de pré-treinamento que cita 6.144 sistemas GB300 NVL72 e uma execução de quatro semanas sobre 23,8 trilhões de tokens, uma etapa de aprendizado por reforço em 10.500 GB300s com mais de 100 milhões de rollouts e aproximadamente 1,3 bilhão de sandboxes, e um compromisso específico de licença — os pesos, o relatório técnico, o model card e os artefatos de desenvolvedor virão sob Apache 2.0, nas palavras da própria empresa, ainda neste mês. O que não foi entregue em 5 de outubro foi um preço, uma janela de contexto de serving, um número máximo de saída ou um arquivo.

Dois laboratórios, uma semana, e entre eles todo o espectro do que "lançado" pode significar em 2026.

O que cada um realmente publicou

Todos os números abaixo são do próprio fornecedor e, onde um número não existe, essa é a constatação.

• Capacidade de chamada — Muse Wonder está em disponibilidade geral desde 2026-10-12 na Meta Model API sob muse-wonder-1.0 e dentro do Muse Code; a prévia do Reflection Beam é uma lista de espera para "um conjunto limitado de usuários", sem caminho de autoatendimento em

• Preço — Muse Wonder US$ 4,00 de entrada / US$ 0,20 de entrada em cache / US$ 20,00 de saída por milhão de tokens, divulgado; o Reflection Beam não é divulgado em lugar nenhum nas propriedades da própria Reflection, então qualquer valor em dólares que você tenha visto atribuído a ele é uma estimativa, e não um preço de tabela

• Contexto — Muse Wonder 1.048.576 tokens; a documentação da API do Reflection Beam lista um limite de serviço de 256.000 tokens com uma nota de rodapé alertando que o valor pode mudar durante o beta, enquanto o post de lançamento diz separadamente que o midtraining estende o contexto efetivo do modelo para 1M tokens. São uma capacidade do lado do treinamento e um limite do lado do serviço, não uma contradição — mas apenas uma delas é um número no qual você pode se basear

• Saída máxima — Muse Wonder 943.718 tokens; Reflection Beam não publicado

• Modalidade — Muse Wonder aceita texto, imagem, fala, vídeo e ficheiros, e devolve texto; Reflection Beam é texto na entrada e texto na saída

• Pesos — Muse Wonder nenhum, e nenhum anunciado; Reflection Beam Apache 2.0 prometido, não lançado até hoje

• Pontuação independente — Muse Wonder 52 no Intelligence Index da Artificial Analysis, classificado em 9º de 219; Reflection Beam não tem linha nesse ranking, nem em qualquer outro avaliador independente que consigamos encontrar

• Arquitetura — Muse Wonder não divulgada; Reflection Beam 501B total / 23B ativos, uma proporção declarada de cerca de 4,6%

A assimetria nessa lista diz tudo. Muse Wonder tem um preço e um alvo e nenhum artefato. Reflection Beam tem um artefato prometido e nem preço nem alvo.

A alegação de eficiência é a que deve ser mantida à distância

A afirmação mais interessante da Reflection não é uma pontuação de benchmark. É que a Beam combina capacidade de codificação e de agente com "raciocínio altamente eficiente", alcançando pontuações em benchmarks de raciocínio avançado comparáveis ao GLM-5.2 enquanto usa 3–4× menos computação de inferência, com a diferença a aumentar face a modelos da família de parâmetros 2T+ como o Qwen 3.8-Max. O gráfico por trás dessa afirmação é um gráfico de fornecedor, nos próprios eixos de um fornecedor, e não foi reproduzido — mas a aritmética subjacente não é exótica. Os FLOPs de inferência escalam aproximadamente como duas vezes o número de parâmetros ativos vezes o número de tokens gerados, portanto um modelo com 23B ativos que gera uma saída comparável para uma tarefa custa realmente menos por tarefa do que um com 40B ou 100B ativos. A arquitetura é o argumento, e no que toca à arquitetura o caso da Beam é coerente.

O que falta é o denominador. A computação por tarefa é uma razão, e o material publicado nos dá o lado dos parâmetros dela e nada sobre o lado dos tokens. A Reflection não publica contagem de tokens de saída para nenhuma de suas execuções de benchmark. Não há número de verbosidade, nem medição de tokens por tarefa, nem execução independente.

Muse Wonder, em contrapartida, tem exatamente esse número e isso aponta na direção oposta. A Artificial Analysis mediu o Muse Wonder (max) em 130 milhões de tokens de saída consumidos durante sua avaliação do Intelligence Index, contra uma mediana de 85 milhões entre modelos comparáveis, e em cerca de US$ 4,52 por tarefa do índice. O próprio rótulo do avaliador para esse comportamento é "um tanto verboso". Muse Wonder é um modelo de fronteira a um preço de fronteira e paga por sua pontuação em tokens de saída, porque tokens de raciocínio são cobrados à taxa de saída — que é a linha mais consequente na própria documentação de preços da M​eta.

Então, os dois laboratórios estão fazendo apostas opostas e nenhum publicou os números que resolveriam a questão. A Meta tem uma verbosidade mensurável e nenhuma contagem de parâmetros divulgada, então você não pode calcular seus FLOPs por token. A Reflection tem uma contagem de parâmetros divulgada e nenhuma verbosidade medida, então você não pode calcular seus tokens por tarefa. Qualquer pessoa que lhe diga que o Beam é três a quatro vezes mais barato de executar do que o Muse Wonder está comparando uma proporção de parâmetros com uma contagem de tokens que não existe.

A esparsidade compra custo de inferência, não capacidade

Existe uma segunda armadilha na cifra de 501B, e é fácil cair nela porque o número é tão grande. O total de parâmetros num modelo esparso de mistura de especialistas é uma estatística de armazenamento e de pré-treinamento, não uma estatística de computação por token. Cada token que o Beam gera toca aproximadamente 23 bilhões dos seus 501 bilhões de parâmetros. Os outros 478 bilhões ficam inativos nessa chamada. O Beam não é um modelo de 501 bilhões de parâmetros no sentido em que um modelo denso desse tamanho seria, e citá-lo ao lado do tamanho não divulgado do Muse Wonder convida a uma comparação que não significa nada.

Onde a proporção realmente importa é na implantação. Um checkpoint de 501B em BF16 está na ordem de um terabyte de pesos, e a contagem de parâmetros ativos não reduz o consumo de memória — apenas a computação. Servir o Beam por conta própria significa ou um grande nó multi-GPU ou uma quantização pesada, e a quantização é exatamente o tipo de coisa que você só consegue avaliar depois que os pesos existem. Essa é a segunda razão pela qual o lançamento sob Apache 2.0 é o evento que importa aqui, e não uma nota de rodapé: ele converte uma arquitetura promissora em algo que você pode medir no seu próprio hardware, com o seu próprio tamanho de batch, com os seus próprios prompts.

A posição da Meta no mesmo eixo é a oposta. A arquitetura do Muse Wonder não é divulgada, e a história de sua implantação resume-se inteiramente à API de terceiros. Você não vai quantizá-lo, não vai executá-lo on-premises para uma carga de trabalho regulamentada e não vai fazer fine-tuning nele. Você o aluga, a um preço de tabela, indefinidamente.

Onde os números do fornecedor e os independentes divergem

Isto merece uma pequena secção porque é a disciplina que mantém o resto da comparação honesta. O próprio sistema de avaliação da Meta coloca o Muse Wonder Full em 59,1 no seu Índice de Superinteligência Pessoal e o Muse Wonder em 56. A Artificial Analysis, executando o seu próprio índice sobre o Muse Wonder (max), obtém 52. A mesma família de modelos, na mesma semana, quatro pontos de diferença — e o valor independente é o mais baixo. O Muse Wonder Full em 56 no quadro independente é um resultado genuíno, classificando-se em #4 de 699 modelos nessa classe, e ainda assim está quatro pontos abaixo do que a própria tabela da Meta sugere. Nada disto torna os números da Meta errados; os sistemas de avaliação dos fornecedores são afinados para a implementação do fornecedor, e a Meta identifica-os como seus. Significa apenas que os únicos valores neste artigo que podem ser comparados entre si são os da Artificial Analysis, e esses existem para exatamente um dos dois modelos.

As tabelas da Reflection carregam uma versão diferente do mesmo problema. O Beam aparece com 80,9 no SWE-Bench Verified, 80,1 no Terminal-Bench v2.1 e 44,4 no DeepSWE v1.1, todos informados pelo fornecedor, todos na mesma página de comparações com o Inkling e o Nemotron 3 Ultra. Dois desses três são pontuações para as quais a Muse Wonder também tem um número informado pelo fornecedor, e comparar dois conjuntos de números informados pelo fornecedor, produzidos por dois harnesses diferentes, não é uma comparação. É uma coincidência de títulos de colunas.

Se você tiver que escolher este mês

A decisão se resume a qual coisa em falta você consegue tolerar.

• Lançando neste trimestre, e você precisa de capacidade de chamada, um preço que consegue prever, uma janela de 1M tokens e um orçamento de saída de 943.718 tokens — Muse Wonder é a única das duas que existe como serviço hoje, e a escolha se faz sozinha

• Com o envio neste trimestre, a taxa de saída de US$ 20 por milhão do Muse Wonder frente a um perfil de avaliação de 130M tokens está fora do seu orçamento — o movimento útil é a escada de esforço, e não um modelo diferente. O raciocínio é obrigatório no Muse Wonder, mas a escada vai do mínimo ao máximo e cada token de raciocínio é cobrado como saída; executar extração e classificação no mínimo e reservar alto ou máximo para as chamadas que os merecem é a alavanca que move a fatura

• Requisito regulamentado, air-gapped ou on-premises — nenhum dos modelos o resolve hoje. O Muse Wonder nunca o cumprirá. O Beam poderá, dentro de um mês, sob uma licença permissiva, a um custo de memória que ainda não mediu

• Planos de pesquisa ou de ajuste fino — aguarde os pesos. Não inicie um projeto para uma arquitetura de 501B que você não pode baixar.

• Comparação de desempenho com sua própria carga de trabalho — o Muse Wonder pode ser medido esta semana e o Beam não pode ser medido de forma alguma. Cada número do Beam em sua planilha de avaliação é atualmente uma alegação de fornecedor sem denominador

O que encaminhamos, e o que não encaminhamos

Sendo franco sobre isso: nenhum dos modelos está no catálogo da OrcaRouter. Não há meta/muse-wonder como entrada e nenhuma entrada do Reflection de qualquer tipo, e não vamos apresentar uma rota que não existe. O que temos da Meta Superintelligence Labs é a linha Muse Spark —Muse Spark 1.2 e Muse Spark 1.1 — que é o mais próximo da família de raciocínio da Meta que uma equipe pode chamar através de nós hoje e custa cerca de um quinto do que o Muse Wonder custa por token. Entre os modelos com os quais este confronto é precificado, Claude Opus 5.5 está na nossa lista com os próprios preços da Anthropic, e o DeepSeek V4 Pro a uma fração disso.

Essa honestidade tem uma consequência prática que uma comparação como esta deixa incomumente clara. O failover automático só faz failover para algo que realmente roteamos, e uma lista de espera sem endpoint não é um fallback. Se o seu plano para o Beam é "vamos testá-lo quando a prévia for liberada", a coisa útil a manter no lugar até lá é um primário que você consiga medir e uma segunda rota atrás dele — o que é uma mudança de configuração em um único endpoint compatível com OpenAI. O OrcaRouter serve mais de 200 modelos por trás de uma única chave e uma única fatura, então quando os pesos do Beam chegarem e algum provedor começar a servi-lo, alcançá-lo é um ID em um arquivo de configuração, em vez de uma nova integração.

O que mudaria a resposta, e quando olhar

Três eventos, por ordem de quanto moveriam isto.

O primeiro é o lançamento dos pesos. A Reflection comprometeu-se com a Apache 2.0 e disse que os artefactos chegam mais para o final deste mês. Esse lançamento é o que transforma uma alegação de 501B em algo descarregável, quantizável e passível de benchmark, e também acontece ser o único caminho pelo qual o Beam alguma vez aparece numa plataforma de routing. Até que isso aconteça, o Beam é uma hipótese com uma citação.

O segundo é uma avaliação independente. Uma única linha do Artificial Analysis para o Beam faria mais para resolver esta disputa do que qualquer quantidade de leitura de tabelas de fornecedores, porque forneceria o número de tokens por tarefa que falta à alegação de eficiência. Acompanhe esse painel em vez do blog de lançamento.

A terceira é a própria superfície de configuração do Muse Wonder se estabilizando. Seu valor de US$ 4,52 por tarefa foi medido com raciocínio máximo em um modelo que está disponível há um dia. À medida que as equipes usarem os degraus inferiores da escada de esforço em produção, o custo realista do modelo cairá — e é esse número, não a pontuação do índice, que o Beam teria de superar.

A resposta mais provável no curto prazo não é nem uma vitória limpa nem uma derrota limpa: uma equipe que precisa de um modelo agora usa o Muse Wonder, e uma equipe que precisa ser dona dos próprios pesos acaba ficando com aquele dos dois que ela conseguir baixar de fato. O que é uma maneira estranha de descrever um confronto direto — e uma maneira precisa.